Introduccion a la visualizacion de datos

---
name: xaringan-title
class: left, middle
background-image: url(img/paisaje.jpeg)
background-size: cover

# .yellow[{ggplot2}]

### .fancy[Visualización de datos]

---

.yellow[{ggplot2}] .large[es un sistema para crear gráficos de forma declarativa, basado en "The Grammar of Graphics" (Wilkinson, 2005).]

Tú proporcionas los datos, le dices a .yellow[{ggplot2}] cómo asignar variables, qué fuentes gráficas usar y él se encarga de los detalles.

---

## Ventajas de .yellow[ggplot2]

- Gramática subyacente consistente (Wilkinson, 2005)
- Especificación de capas muy flexible
- Sistema de herramientas para pulir la apariencia 
- Comunidad activa y útil ([Twitter](https://twitter.com/search?q=%23ggplot2&src=typed_query),
[R4DS Learning Community](https://www.rfordatasci.com/))

---
class: center, middle
.izq[
<img src="https://raw.githubusercontent.com/Z3tt/TidyTuesday/master/plots/2020_31/2020_31_PalmerPenguins.png" width="350px" >
]
.der[
<img src="https://raw.githubusercontent.com/Z3tt/TidyTuesday/master/plots/2020_04/2020_04_SpotifySongs.png" width="300px" >
]

---

---

---

---

---
class: inverse

## Libreria

.yellow[ggplot2] es un paquete de .large[visualización de datos] desarrollado en el lenguaje de programación R, creado por Hadley Wickham en 2005.

```r
install.packages("ggplot2")
library(ggplot2)
```

.yellow[{ggplot2}] es parte de .yellow[{tidyverse}], un conjunto de paquetes que funcionan en armonía para manipular y explorar datos.

```r
install.packages("tidyverse")
library(tidyverse)
```

.yellow[tidiverse] esta formado por .yellow[dplyr], .yellow[tidyr], .yellow[ggplot2], .yellow[readr], .yellow[tibble], .yellow[purrr]...

---
class: inverse

## Datos

Datos del Estudio Nacional de Contaminación del Aire de Morbilidad y Mortalidad (NMMAPS), filtrado para la ciudad de Chicago y el intervalo de tiempo de enero de 1997 a diciembre de 2000.

```r
chic <- readr::read_csv(here("data",
                 "chicago-nmmaps.csv")) %>% 
  mutate(season = factor(season, levels = c("Spring", "Summer", "Autumn", "Winter")),
         year = factor(year, levels = as.character(1997:2000)))

chic %>% 
  glimpse()
```

```
## Rows: 1,461
## Columns: 10
## $ city     <chr> "chic", "chic", "chic", "chic", "chic", "chic", "chic", "c...
## $ date     <date> 1997-01-01, 1997-01-02, 1997-01-03, 1997-01-04, 1997-01-0...
## $ death    <dbl> 137, 123, 127, 146, 102, 127, 116, 118, 148, 121, 110, 127...
## $ temp     <dbl> 36.0, 45.0, 40.0, 51.5, 27.0, 17.0, 16.0, 19.0, 26.0, 16.0...
## $ dewpoint <dbl> 37.500, 47.250, 38.000, 45.500, 11.250, 5.750, 7.000, 17.7...
## $ pm10     <dbl> 13.052268, 41.948600, 27.041751, 25.072573, 15.343121, 9.3...
## $ o3       <dbl> 5.659256, 5.525417, 6.288548, 7.537758, 20.760798, 14.9408...
## $ time     <dbl> 3654, 3655, 3656, 3657, 3658, 3659, 3660, 3661, 3662, 3663...
## $ season   <fct> Winter, Winter, Winter, Winter, Winter, Winter, Winter, Wi...
## $ year     <fct> 1997, 1997, 1997, 1997, 1997, 1997, 1997, 1997, 1997, 1997...
```

---

# La estructura de .yellow[ggplot2]

---

### La estructura de .yellow[ggplot2]

1. Datos .yellow[data] -> Los datos que desea visualizar.

2. Estética .yellow[aes()] -> como se asignan las variables de los datos a los atributos estéticos.

3. Capas .yellow[geom_ooo] y .yellow[stat_ooo] -> Las formas geométricas y los resúmenes estadísticos como se representarán los datos.

4. Escalas .yellow[scale_ooo] -> como visualizar los datos en las dimensiones estéticas.

5. Sistema de coordenadas .yellow[coord_ooo] -> sistema de coordenadas, describe cómo se asignan las coordenadas de datos al plano del gráfico.

6. Facetas .yellow[facet_ooo] -> La disposición de los datos en una cuadrícula de gráficos.

7. Temas visuales .yellow[theme()] y .yellow[theme_ooo] -> Los valores predeterminados visuales generales de un grafico.

---

## .fancy[Data]

---
### 1. Data .yellow[ggplot()]

Necesitamos especificar los datos y las dos variables que queremos visualizar en la función .funcion[ggplot()]:

```r
ggplot(
  data = chic,
  mapping = aes(
    date,
    temp
  )
)
```
Solo hay un panel vacío porque .yellow[{ggplot2}] no sabe cómo debería trazar los datos.
]

---
### 1. Data .yellow[ggplot()]

Necesitamos especificar los datos y las dos variables que queremos visualizar en la función .funcion[ggplot()]:

Dado que casi todos los .funcion[ggplot()] toman lo mismo argumentos .funcion[(data, mapeo = aes (x, y))], también podemos escribir:

```r
ggplot(
  chic,
  aes(
    date,
    temp
  )
)
```

]

---
### 1. Data .yellow[ggplot()]

Necesitamos especificar los datos y las dos variables que queremos visualizar en la función .funcion[ggplot()]:

Dado que casi todos los .funcion[ggplot()] toman lo mismo argumentos .funcion[(data, mapeo = aes (x, y))], también podemos escribir:

```r
ggplot(
  chic,
  aes(
    date,
    temp
    )
)
```

... o agrega las variables en la función .funcion[aes()]estética fuera de la función de .funcion[ggplot()]

```r
ggplot(chic) +
  aes(date, 
      temp)
```

]

---

## .fancy[Estética]
### .yellow[aes()]

---
### 2. Estética .funcion[aes()]

Estética de los objetos geométricos y estadísticos, como:

- posición a través de .yellow[x], .yellow[y], .yellow[xmin], .yellow[xmax], .yellow[ymin], .yellow[ymax], ...

- colores mediante .yellow[color] y .yellow[fill]

- transparencia vía .yellow[alfa]

- tamaños a través de .yellow[size] y .yellow[width]

- formas a través de .yellow[shape] y .yellow[linetype]

En general, todo lo que se asigna a los datos debe estar envuelto en .funcion[aes()] mientras que los argumentos estáticos se colocan fuera de .funcion[aes()].

---

## .yellow[.fancy[Capas - Layers]]
### `geom_` - `stat_`

---

### 3. Capas `geom_` - `stat_`

Al agregar una o varias capas, podemos decirle a .yellow[{ggplot2}] cómo representar los datos. Hay muchos formas geométricas incorporadas (`geom_`) y transformaciones estadísticas (`stat_`):

---

### 3. Capas: .funcion[geom_point()]
Diagrama de dispersión. .acid[numérico - numérico]

```r
ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_point()
```

```r
chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_point()
```

]

![](index_files/figure-html/unnamed-chunk-13-1.png)

]

---

### 3. Capas: .funcion[geom_point()]
Diagrama de dispersión. .acid[numérico - numérico]

```r
ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_point(aes(
    color = season
    ) 
  )
```

]

![](index_files/figure-html/unnamed-chunk-15-1.png)

]

---

### 3. Capas: .funcion[geom_point()]
Diagrama de dispersión. .acid[numérico - numérico]

```r
ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_point(aes(
    shape = season
    ) 
  )
```

]

![](index_files/figure-html/unnamed-chunk-17-1.png)

]

---

### 3. Capas: .funcion[geom_point()]

Formas disponibles para gráficos de dispersión:

---

### 3. Capas: .funcion[geom_point()]
Diagrama de dispersión. .acid[numérico - numérico]

```r
ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_point(
    shape = 21
  )
```

]

![](index_files/figure-html/unnamed-chunk-20-1.png)

]

---

### 3. Capas: .funcion[geom_line()]
Gráfico lineal.  .acid[numérico - numérico] |  .acid[categorico - numérico]

```r
ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_line()
```

```r
chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_line()
```

]

![](index_files/figure-html/unnamed-chunk-23-1.png)

]

---

### 3. Capas: .funcion[geom_line()]
Gráfico lineal.  .acid[numérico - numérico] |  .acid[categorico - numérico]

```r
ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_line(aes(
    color = year
    ))
```

]

![](index_files/figure-html/unnamed-chunk-25-1.png)

]

---
class: middle

### 3. Capas: .funcion[geom_line()]

Tipos de líneas:

---

### 3. Capas: .funcion[geom_line()]
Gráfico lineal.  .acid[numérico - numérico] |  .acid[categorico - numérico]

```r
ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_line(
    linetype = "dotted"
  )
```

]

![](index_files/figure-html/unnamed-chunk-28-1.png)

]

---

### 3. Capas: .funcion[geom_density()]
Densidad – distribución.  .acid[numérico]

```r
ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_density()
```

]

![](index_files/figure-html/unnamed-chunk-30-1.png)

]

---

### 3. Capas: .funcion[geom_density()]
Densidad – distribución.  .acid[numérico]

```r
ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_density(aes(color = season))
```

]

![](index_files/figure-html/unnamed-chunk-32-1.png)

]

---

### 3. Capas: .funcion[geom_density()]
Densidad – distribución.  .acid[numérico]

```r
ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_density(aes(fill = season))
```

]

![](index_files/figure-html/unnamed-chunk-34-1.png)

]

---

### 3. Capas: .funcion[geom_density()]
Densidad – distribución.  .acid[numérico]

```r
ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_density(aes(fill = season),
               alpha = .2)
```

]

![](index_files/figure-html/unnamed-chunk-36-1.png)

]

---

### 3. Capas: .funcion[geom_histogram()]
Histograma.  .acid[numérico]

```r
ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_histogram()
```

]

![](index_files/figure-html/unnamed-chunk-38-1.png)

]

---

### 3. Capas: .funcion[geom_histogram()]
Histograma.  .acid[numérico]

.izq[
.funcion[geom_histogram(aes(.large[`fill = var`])]  
.funcion[geom_histogram(aes(.large[`color = var`])]  
.funcion[geom_histogram(`alpha = .1`)]

```r
ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_histogram(aes(
    fill = season
    ))
```

]

![](index_files/figure-html/unnamed-chunk-40-1.png)

]

---

### 3. Capas: .funcion[geom_histogram()]
Histograma.  .acid[numérico]

`bins`, Determina el numero de columnas que se desea mostrar.

```r
ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_histogram(bins = 40)
```

]

![](index_files/figure-html/unnamed-chunk-42-1.png)

]

---

### 3. Capas: .funcion[geom_histogram()]
Histograma.  .acid[numérico]

`binwidth`, Determina el rango de los intervalos para construir cada una de las columnas.

```r
ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_histogram(binwidth = 20)
```

]

![](index_files/figure-html/unnamed-chunk-44-1.png)

]

---

### 3. Capas: .funcion[geom_bar()]
Gráfico de barras.  .acid[numérico] | .acid[categórico]

```r
ggplot(chic,
       aes(
       death
       )
       ) +
  geom_bar()
```

]

![](index_files/figure-html/unnamed-chunk-46-1.png)

]

---

### 3. Capas: .funcion[geom_col()]
Gráfico de barras.  .acid[categórico - numérico]

```r
chic %>% 
  count(death, name = "count") %>% head()
```

```
## # A tibble: 6 x 2
##   death count
##   <dbl> <int>
## 1    69     1
## 2    73     1
## 3    77     1
## 4    79     1
## 5    80     3
## 6    81     6
```

```r
chic %>% 
  count(death, name = "count") %>% 
  ggplot(aes(death, count)) +
  geom_col()
```

]

![](index_files/figure-html/unnamed-chunk-49-1.png)

]

---

### 3. Capas: .funcion[geom_col()]
Gráfico de barras.  .acid[categórico - numérico]

.funcion[geom_col(aes(.large[`fill = var`])]
.funcion[geom_col(aes(.large[`color = var`])] 
.funcion[geom_col(`alpha = .1`)]

```r
chic %>% 
  count(season, death, name = "count") %>% 
  head(n = 3)
```

```
## # A tibble: 3 x 3
##   season death count
##   <fct>  <dbl> <int>
## 1 Spring    80     1
## 2 Spring    83     1
## 3 Spring    84     3
```

```r
chic %>% 
  count(season, death, name = "count") %>% 
  ggplot(aes(death, count)) +
  geom_col(aes(color = season))
```

]

![](index_files/figure-html/unnamed-chunk-52-1.png)

]

---

### 3. Capas: .funcion[geom_boxplot()]

Gráfico de cajas – gráfico de bigotes.  .acid[categórico - numérico]

```r
ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_boxplot()
```

```r
chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_boxplot()
```

]

![](index_files/figure-html/unnamed-chunk-55-1.png)

]

---

### 3. Capas: .funcion[geom_boxplot()]

Gráfico de cajas – gráfico de bigotes.  .acid[categórico - numérico]

```r
ggplot(chic,
       aes(
       year,
       temp
       )
       ) +
  geom_boxplot()
```

```r
chic %>% 
  ggplot(aes(
       year,
       temp
       )
       ) +
  geom_boxplot()
```

]

![](index_files/figure-html/unnamed-chunk-58-1.png)

]

---

### 3. Capas: .funcion[geom_boxplot()]

Gráfico de cajas – gráfico de bigotes.  .acid[categórico - numérico]

.funcion[geom_col(aes(.large[`fill = var`])]
.funcion[geom_col(aes(.large[`color = var`])] 
.funcion[geom_col(`alpha = .1`)]

```r
ggplot(chic,
       aes(
       year,
       temp
       )
       ) +
  geom_boxplot(aes(color = year))
```

]

![](index_files/figure-html/unnamed-chunk-60-1.png)

]

---

### 3. Capas: .funcion[geom_boxplot()]

Gráfico de cajas – gráfico de bigotes.  .acid[categórico - numérico]

.funcion[geom_col(aes(.large[`fill = var`])]
.funcion[geom_col(aes(.large[`color = var`])] 
.funcion[geom_col(`alpha = .1`)]

```r
ggplot(chic,
       aes(
       year,
       temp
       )
       ) +
  geom_boxplot(aes(color = season))
```

]

![](index_files/figure-html/unnamed-chunk-62-1.png)

]

---

### 3. Capas: Múltiples capas

```r
chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_line() +
  geom_point() + 
  geom_rug(sides = "l")
```

]

![](index_files/figure-html/unnamed-chunk-64-1.png)

]

---

### 3. Capas: Múltiples capas

```r
chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_point() + 
  geom_smooth()
```

]

![](index_files/figure-html/unnamed-chunk-66-1.png)

]

---

### 3. Capas: Múltiples capas

```r
chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_point() + 
  geom_smooth(method = "lm")
```

]

![](index_files/figure-html/unnamed-chunk-68-1.png)

]

---

### 3. Capas: Múltiples capas

```r
chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_point(aes(color = year)) + 
  geom_smooth()
```

]

![](index_files/figure-html/unnamed-chunk-70-1.png)

]

---

## .yellow[.fancy[Escalas]]
### `scales_`

---
### 4. Escalas .funcion[scale_]

Se puede usar .funcion[scale_*()] para cambiar las propiedades de todas las dimensiones estéticas asignadas a los datos.

En consecuencia, existen variantes de .funcion[scale_*()] para todas las estéticas como:

- posición a través de .funcion[scale_x_ooo()] y .funcion[scale_y_ooo()]

- colores a través de .funcion[scale_color_ooo()] y .funcion[scale_fill_ooo()]

- transparencia a través de .funcion[scale_alpha_ooo()]

- tamaños a través de .funcion[scale_size_ooo()]

- formas a través de .funcion[scale_shape_ooo()] y .funcion[scale_linetype_ooo()]

---
### 4. Escalas .funcion[scale_]

Se puede usar .funcion[scale_ooo()] para cambiar las propiedades de todas las dimensiones estéticas asignadas a los datos. En consecuencia, existen variantes de .funcion[scale_ooo()] para todas las estéticas como:

- posición a través de .funcion[scale_x_ooo()] y .funcion[scale_y_ooo()]

- colores a través de .funcion[scale_color_ooo()] y .funcion[scale_fill_ooo()]

- transparencia a través de .funcion[scale_alpha_ooo()]

- tamaños a través de .funcion[scale_size_ooo()]

- formas a través de .funcion[scale_shape_ooo()] y .funcion[scale_linetype_ooo()]

... con extensiones (ooo) como:

- .funcion[continuous()], .funcion[discrete()], .funcion[reverse(]), .funcion[log10()], .funcion[squrt()], .funcion[date()], .funcion[time()] ejes.
- .funcion[continuous()], .funcion[discrete()], .funcion[manual()], .funcion[gradient()], .funcion[hue()], .funcion[brewer()] for colores (bordes - contenido).
- .funcion[continuous()], .funcion[discrete()], .funcion[manual()], .funcion[ordinal()], .funcion[identity()], .funcion[date()] transparencias.
- .funcion[continuous()], .funcion[discrete()], .funcion[manual()], .funcion[ordinal()], .funcion[identity()], .funcion[area()], .funcion[date()] tamaños.
- .funcion[continuous()], .funcion[discrete()], .funcion[manual()], .funcion[ordinal()], .funcion[identity()] formas y tipos de línea.

---
### 4. Escalas .funcion[scale_x_ooo] -.funcion[scale_y_ooo]

```r
chic %>% 
  ggplot(aes(
    date, temp, color = season
  )) +
  geom_point() +
  scale_x_date( name = NULL) +
  scale_y_continuous( name = "Temperature (°F)")
```

]

![](index_files/figure-html/unnamed-chunk-72-1.png)
]

---
### 4. Escalas .funcion[scale_x_ooo] -.funcion[scale_y_ooo]

```r
chic %>% 
  ggplot(aes(
    date, temp, color = season
  )) +
  geom_point() +
  scale_x_date(name = NULL,
                limits = c(as.Date("1997-01-01"),
                           as.Date("1998-12-31"))) +
  scale_y_continuous( name = "Temperature (°F)")
```

]

![](index_files/figure-html/unnamed-chunk-74-1.png)
]

---
### 4. Escalas .funcion[scale_x_ooo] -.funcion[scale_y_ooo]

]

![](index_files/figure-html/unnamed-chunk-76-1.png)
]

---
### 4. Escalas .funcion[scale_x_ooo] -.funcion[scale_y_ooo]

```r
ggplot(chic, aes(date, temp)) +
 geom_point(aes(color = season)) +
 scale_y_continuous(
 name = NULL,
 breaks = c(0, 30, 60, 90),
 labels = c(
 '"Muy, frio!!!"',
 '"Frio"',
 '"Ideal"',
 '"Muy caliente!!!"'
 )
 )
```

]

![](index_files/figure-html/unnamed-chunk-78-1.png)
]

---
### 4. Escalas .funcion[scale_color_ooo] -.funcion[scale_fill_ooo]

Del mismo modo, podemos cambiar las propiedades de las otras características. por ejemplo, modificar los colores predeterminados:

```r
ggplot(chic, aes(date, temp)) +
 geom_point(aes(color = season)) +
 scale_color_manual(
 values = c(
 "red",
 "green",
 "blue",
 "yellow"
 ))
```

]

![](index_files/figure-html/unnamed-chunk-80-1.png)
]

---
### 4. Escalas .funcion[scale_color_ooo] -.funcion[scale_fill_ooo]

Renombrar la leyenda:

```r
ggplot(chic, aes(date, temp)) +
 geom_point(aes(color = season)) +
 scale_color_manual(
 values = c(
 "red",
 "green",
 "blue",
 "yellow"
 ),
 name = "Temporada:")
```

]

![](index_files/figure-html/unnamed-chunk-82-1.png)
]

---
### 4. Escalas .funcion[scale_color_ooo] -.funcion[scale_fill_ooo]

Renombrar la leyenda:

```r
ggplot(chic, aes(date, temp)) +
 geom_point(aes(color = season)) +
 scale_color_manual(
 values = c(
 "red",
 "green",
 "blue",
 "yellow"
 ),
 name = "Temporada:",
 guide = FALSE)
```

]

![](index_files/figure-html/unnamed-chunk-84-1.png)
]

---

## .yellow[.fancy[Sistema de coordenadas]]
### `coord_`

---

### 5. Sistema de coordenadas .funcion[coord_]

Los sistemas de coordenadas combinan dos elementos que determinan la disposición de las características (generalmente x – y) para producir una posición “x, y” en el gráfico.

Sistemas de coordenadas lineales que conservan la forma de las geoms:
   - .funcion[coord_cartesian()]: el valor predeterminado con dos ejes orientados perpendiculares fijos
   - .funcion[coord_flip()]: un sistema de coordenadas cartesianas con ejes invertidos
   - .funcion[coord_fixed()]: un sistema de coordenadas cartesianas con una relación de aspecto fija
   
Sistemas de coordenadas no lineales que probablemente cambian las formas:
   - .funcion[coord_map()]: proyecciones de mapas
   - .funcion[coord_polar()]: un sistema de coordenadas polares
   - .funcion[coord_trans()]: transformaciones arbitrarias en las posiciones x - y

---

### 5. Sistema de coordenadas .funcion[coord_cartesian()]

```r
ggplot(chic, aes(date, temp)) +
 geom_line() +
 coord_cartesian(
 ylim = c(50, 70)
 )
```
]

]

---

### 5. Sistema de coordenadas .funcion[coord_cartesian()]

```r
ggplot(chic, aes(year, temp)) +
 geom_boxplot() +
 coord_cartesian(
 ylim = c(50, 70)
 )
```

![](index_files/figure-html/unnamed-chunk-87-1.png)
]

```r
ggplot(chic, aes(year, temp)) +
 geom_boxplot() +
 scale_y_continuous(
 limits = c(50, 70)
 )
```

![](index_files/figure-html/unnamed-chunk-88-1.png)

]

---

### 5. Sistema de coordenadas .funcion[coord_flip()]

```r
ggplot(chic, aes(season, temp)) +
 geom_col() 
```

![](index_files/figure-html/flipp_1-1.png)

]

```r
ggplot(chic, aes(season, temp)) +
 geom_col() +
* coord_flip()
```

![](index_files/figure-html/flipp-1.png)

]

---

### 5. Sistema de coordenadas .funcion[coord_polar()]

```r
ggplot(chic, aes(season, temp)) +
 geom_col() 
```

![](index_files/figure-html/unnamed-chunk-89-1.png)

]

```r
ggplot(chic, aes(season, temp)) +
 geom_col() +
* coord_polar()
```

![](index_files/figure-html/unnamed-chunk-90-1.png)

]

---

## .yellow[.fancy[Facetas - Paneles]]
### `facet_`

---

### 6. Facetas .funcion[facet_wrap()]

```r
ggplot(chic, aes(temp, o3)) +
 geom_point(aes(color = year)) +
*facet_wrap(~season)
```
]

---

### 6. Facetas .funcion[facet_grid()]

.funcion[facet_grid()] genera una cuadricula en base a la combinación de dos variables de agrupación:

```r
ggplot(chic, aes(temp, o3)) +
 geom_point(aes(color = year)) +
*facet_grid(year ~ season)
```
]

---

### 6. Facetas .funcion[facet_grid()]

.funcion[facet_grid()] genera una cuadricula en base a la combinación de dos variables de agrupación:

```r
ggplot(chic, aes(temp, o3)) +
 geom_point(aes(color = year)) +
*facet_grid(.~ season)
```
]

---

### 6. Facetas .funcion[facet_grid()]

.funcion[facet_grid()] genera una cuadricula en base a la combinación de dos variables de agrupación:

```r
ggplot(chic, aes(temp, o3)) +
 geom_point(aes(color = year)) +
*facet_grid(year ~.)
```
]

---

## .yellow[.fancy[Características visuales]]
### `theme()` - `theme_`

---

### 7. Características visuales

.izq[
.funcion[theme()] - .funcion[theme_] controlan la visualización de todos los elementos de la grafico que no son datos

a. títulos

b. etiquetas

c. fuentes

d. fondo

e. líneas de cuadrícula

f. leyendas

![](index_files/figure-html/unnamed-chunk-99-1.png)

]

]

---

### 7. Características visuales
.izq[

```r
ggplot(chic, aes(date, temp)) +
 geom_point() +
*theme(
*axis.text = element_text(
*size = 15,
*face = "bold",
*color = "red"
*),
*panel.grid.major.x = element_line(
*linetype = "dotted",
*color = "black"
*),
*plot.background = element_rect(
*fill = "dodgerblue",
*color = "goldenrod"
* )
* )
```

]

]

---

### 7. Características visuales

```r
ggplot(chic, aes(date, temp)) +
 geom_point() +
*theme_minimal() +
*theme(
*axis.title.x = element_blank(),
*panel.grid.major.y = element_blank(),
*panel.grid.minor = element_blank()
* )
```

]

]

---

### 7. Características visuales

```r
ggplot(chic, aes(date, temp)) +
 geom_point() +
*theme_gray()
```

![](index_files/figure-html/unnamed-chunk-106-1.png)

]

```r
ggplot(chic, aes(date, temp)) +
 geom_point() +
*theme_minimal()
```

![](index_files/figure-html/unnamed-chunk-108-1.png)

]

---
class: center, middle
# .fancy[Mas recursos]

---

## .fancy[Libros]:

- .acid[ggplot2: Elegant Graphics for Data Analysis] [https://ggplot2-book.org/index.html](https://ggplot2-book.org/index.html)

- .acid[Data Visualization: A Practical Introduction]  Kieran Healy [socviz](https://socviz.co/)

- .acid[Fundamentals of Data Visualization] Claus Wilke [https://clauswilke.com/dataviz/](https://clauswilke.com/dataviz/)

- .acid[R Graphics Cookbook] Winston Chang [https://r-graphics.org/](https://r-graphics.org/)

- .acid[R for Data Science] Hadley Wickham - Garrett Grolemund [r4ds](https://r4ds.had.co.nz/) - [r4ds-es](https://r4ds-en-espaniol.netlify.app/index.html)

- .acid[Statistical Inference via Data Science A ModernDive into R and the Tidyverse] Chester Ismay - Albert Y. Kim [ModernDive](https://moderndive.com/)

...

- .acid[ggplot2 extensions] [https://exts.ggplot2.tidyverse.org/](https://exts.ggplot2.tidyverse.org/gallery/)

---
### .fancy[Extenciones]: - .acid[patchwork]

```r
install.packages('patchwork')
library(patchwork)
panel_a <- chic %>% 
  ggplot(aes(date, temp, color = year)) +
  geom_point()+
  theme_minimal() +
  theme(legend.position = "bottom")

panel_b <- chic %>%
  ggplot(aes(year, o3)) +
  geom_boxplot() +
   theme_minimal() 
 
# 
*panel_a + panel_b
```

]

![](index_files/figure-html/unnamed-chunk-110-1.png)

]

---
### .fancy[Extenciones]: - .acid[cowplot]

```r
install.packages('cowplot')
library(cowplot)
panel_a <- chic %>% 
  ggplot(aes(date, temp, color = year)) +
  geom_point()+
  theme_minimal() +
  theme(legend.position = "bottom")

panel_b <- chic %>%
  ggplot(aes(year, o3)) +
  geom_boxplot() +
   theme_minimal() 
 
# 
*cowplot::plot_grid(panel_a, panel_b, ncol = 1)
```

]

![](index_files/figure-html/unnamed-chunk-112-1.png)

]

---
### .fancy[Extenciones]: - .acid[ggrepel]

```r
chic %>% 
  group_by(year, season) %>% 
  summarise(mean = mean(temp)) %>% 
  ggplot(aes(year, mean)) +
  geom_point(aes(color = season))+
* geom_text(aes(label = season, color = season)) +
  theme_minimal() +
  theme(legend.position = "none")
```

![](index_files/figure-html/unnamed-chunk-113-1.png)

]

```r
# install.packages('ggrepel')
library(ggrepel)
chic %>% 
  group_by(year, season) %>% 
  summarise(mean = mean(temp)) %>% 
  ggplot(aes(year, mean)) +
  geom_point(aes(color = season))+
* geom_text_repel(aes(label = season, color = season)) +
  theme_minimal() +
  theme(legend.position = "none")
```

![](index_files/figure-html/unnamed-chunk-114-1.png)

]

---
### .fancy[Extenciones]: - .acid[ggalt]

```r
install.packages("ggalt")
library(ggalt)

chic %>% 
  group_by(year) %>% 
  summarise(mean_tem = mean(temp),
            min_temp = min(temp),
            max_temp = max(temp)) %>% 
  ggplot(aes(y = year, x = min_temp, xend = max_temp)) + 
  geom_dumbbell(size = 3, color = "#e3e2e1", 
               colour_x = "#5b8124", 
               colour_xend = "#bad744",
               dot_guide = TRUE,
               dot_guide_size = .25) +
  theme(axis.title = element_blank())
```

]

![](index_files/figure-html/unnamed-chunk-116-1.png)

]

---
### .fancy[Extenciones]: - .acid[ggtext]

```r
install.packages("ggtext")
library(ggtext)
labels <- c(
  setosa = "<img src='img/setosa.jpg'
    width='100' height='50' /><br>*I. setosa*",
  virginica = "<img src='img/virginica.jpg'
    width='100' /><br>*I. virginica*",
  versicolor = "<img src='img/versicolor.jpg'
    width='100' /><br>*I. versicolor*"
)

ggplot(iris, aes(Species, Sepal.Width)) +
  geom_boxplot() +
  scale_x_discrete(
    name = NULL,
    labels = labels
  ) +
  theme_minimal() +
  theme(
    axis.text.x = element_markdown(color = "black", size = 11)
  )
```

]

]

---

# Mas sobre mi...

[<svg viewBox="0 0 512 512" xmlns="http://www.w3.org/2000/svg" style="height:1em;fill:currentColor;position:relative;display:inline-block;top:.1em;">  [ comment ]  <path d="M459.37 151.716c.325 4.548.325 9.097.325 13.645 0 138.72-105.583 298.558-298.558 298.558-59.452 0-114.68-17.219-161.137-47.106 8.447.974 16.568 1.299 25.34 1.299 49.055 0 94.213-16.568 130.274-44.832-46.132-.975-84.792-31.188-98.112-72.772 6.498.974 12.995 1.624 19.818 1.624 9.421 0 18.843-1.3 27.614-3.573-48.081-9.747-84.143-51.98-84.143-102.985v-1.299c13.969 7.797 30.214 12.67 47.431 13.319-28.264-18.843-46.781-51.005-46.781-87.391 0-19.492 5.197-37.36 14.294-52.954 51.655 63.675 129.3 105.258 216.365 109.807-1.624-7.797-2.599-15.918-2.599-24.04 0-57.828 46.782-104.934 104.934-104.934 30.213 0 57.502 12.67 76.67 33.137 23.715-4.548 46.456-13.32 66.599-25.34-7.798 24.366-24.366 44.833-46.132 57.827 21.117-2.273 41.584-8.122 60.426-16.243-14.292 20.791-32.161 39.308-52.628 54.253z"></path></svg> @PaulEfrenSantos](https://twitter.com/PaulEfrenSantos)  
[<svg viewBox="0 0 496 512" xmlns="http://www.w3.org/2000/svg" style="height:1em;fill:currentColor;position:relative;display:inline-block;top:.1em;">  [ comment ]  <path d="M165.9 397.4c0 2-2.3 3.6-5.2 3.6-3.3.3-5.6-1.3-5.6-3.6 0-2 2.3-3.6 5.2-3.6 3-.3 5.6 1.3 5.6 3.6zm-31.1-4.5c-.7 2 1.3 4.3 4.3 4.9 2.6 1 5.6 0 6.2-2s-1.3-4.3-4.3-5.2c-2.6-.7-5.5.3-6.2 2.3zm44.2-1.7c-2.9.7-4.9 2.6-4.6 4.9.3 2 2.9 3.3 5.9 2.6 2.9-.7 4.9-2.6 4.6-4.6-.3-1.9-3-3.2-5.9-2.9zM244.8 8C106.1 8 0 113.3 0 252c0 110.9 69.8 205.8 169.5 239.2 12.8 2.3 17.3-5.6 17.3-12.1 0-6.2-.3-40.4-.3-61.4 0 0-70 15-84.7-29.8 0 0-11.4-29.1-27.8-36.6 0 0-22.9-15.7 1.6-15.4 0 0 24.9 2 38.6 25.8 21.9 38.6 58.6 27.5 72.9 20.9 2.3-16 8.8-27.1 16-33.7-55.9-6.2-112.3-14.3-112.3-110.5 0-27.5 7.6-41.3 23.6-58.9-2.6-6.5-11.1-33.3 2.6-67.9 20.9-6.5 69 27 69 27 20-5.6 41.5-8.5 62.8-8.5s42.8 2.9 62.8 8.5c0 0 48.1-33.6 69-27 13.7 34.7 5.2 61.4 2.6 67.9 16 17.7 25.8 31.5 25.8 58.9 0 96.5-58.9 104.2-114.8 110.5 9.2 7.9 17 22.9 17 46.4 0 33.7-.3 75.4-.3 83.6 0 6.5 4.6 14.4 17.3 12.1C428.2 457.8 496 362.9 496 252 496 113.3 383.5 8 244.8 8zM97.2 352.9c-1.3 1-1 3.3.7 5.2 1.6 1.6 3.9 2.3 5.2 1 1.3-1 1-3.3-.7-5.2-1.6-1.6-3.9-2.3-5.2-1zm-10.8-8.1c-.7 1.3.3 2.9 2.3 3.9 1.6 1 3.6.7 4.3-.7.7-1.3-.3-2.9-2.3-3.9-2-.6-3.6-.3-4.3.7zm32.4 35.6c-1.6 1.3-1 4.3 1.3 6.2 2.3 2.3 5.2 2.6 6.5 1 1.3-1.3.7-4.3-1.3-6.2-2.2-2.3-5.2-2.6-6.5-1zm-11.4-14.7c-1.6 1-1.6 3.6 0 5.9 1.6 2.3 4.3 3.3 5.6 2.3 1.6-1.3 1.6-3.9 0-6.2-1.4-2.3-4-3.3-5.6-2z"></path></svg> @PaulESantos](https://github.com/PaulESantos)  
[<svg viewBox="0 0 512 512" xmlns="http://www.w3.org/2000/svg" style="height:1em;fill:currentColor;position:relative;display:inline-block;top:.1em;">  [ comment ]  <path d="M326.612 185.391c59.747 59.809 58.927 155.698.36 214.59-.11.12-.24.25-.36.37l-67.2 67.2c-59.27 59.27-155.699 59.262-214.96 0-59.27-59.26-59.27-155.7 0-214.96l37.106-37.106c9.84-9.84 26.786-3.3 27.294 10.606.648 17.722 3.826 35.527 9.69 52.721 1.986 5.822.567 12.262-3.783 16.612l-13.087 13.087c-28.026 28.026-28.905 73.66-1.155 101.96 28.024 28.579 74.086 28.749 102.325.51l67.2-67.19c28.191-28.191 28.073-73.757 0-101.83-3.701-3.694-7.429-6.564-10.341-8.569a16.037 16.037 0 0 1-6.947-12.606c-.396-10.567 3.348-21.456 11.698-29.806l21.054-21.055c5.521-5.521 14.182-6.199 20.584-1.731a152.482 152.482 0 0 1 20.522 17.197zM467.547 44.449c-59.261-59.262-155.69-59.27-214.96 0l-67.2 67.2c-.12.12-.25.25-.36.37-58.566 58.892-59.387 154.781.36 214.59a152.454 152.454 0 0 0 20.521 17.196c6.402 4.468 15.064 3.789 20.584-1.731l21.054-21.055c8.35-8.35 12.094-19.239 11.698-29.806a16.037 16.037 0 0 0-6.947-12.606c-2.912-2.005-6.64-4.875-10.341-8.569-28.073-28.073-28.191-73.639 0-101.83l67.2-67.19c28.239-28.239 74.3-28.069 102.325.51 27.75 28.3 26.872 73.934-1.155 101.96l-13.087 13.087c-4.35 4.35-5.769 10.79-3.783 16.612 5.864 17.194 9.042 34.999 9.69 52.721.509 13.906 17.454 20.446 27.294 10.606l37.106-37.106c59.271-59.259 59.271-155.699.001-214.959z"></path></svg> paulefrensa.rbind.io](https://paulefrensa.rbind.io)