Gráficos em camadas

Ciência de dados
R
Tidyverse
Visualização gráfica
Criação de gráficos em camadas com ggplot2, incluindo histogramas, boxplots e gráficos de dispersão.

O pacote ggplot2 no R é baseado na gramática de gráficos (Grammar of Graphics), que permite a construção de visualizações de dados de maneira declarativa. Com ele, é possível criar uma ampla variedade de gráficos, desde simples gráficos de barras e dispersão até complexas visualizações com múltiplas camadas e facetas. O ggplot2 facilita a personalização detalhada dos gráficos, incluindo temas, cores e anotações, tornando-o uma escolha popular entre estatísticos, cientistas de dados e analistas para comunicar informações de maneira clara e eficiente.

O ggplot2 gera gráficos a partir das colunas de um data frame, o que significa que o domínio de ferramentas de transformação de data frames é fundamental para a criação de visualizações eficazes. Cada elemento do gráfico, como eixos, pontos, linhas e barras, é mapeado a partir das variáveis presentes no data frame. Isso permite grande flexibilidade na representação gráfica.

A estrutura em camadas do ggplot2 fornece uma base coesa e flexível para a codificação de gráficos. Por exemplo, é possível começar com uma camada base que define o sistema de coordenadas e os eixos, adicionar uma camada de pontos para criar um gráfico de dispersão, e então sobrepor camadas adicionais para ajustar a estética, adicionar linhas de tendência, ou incluir etiquetas. Essa abordagem em camadas facilita a personalização e a atualização dos gráficos, tornando o processo de criação de visualizações complexas mais organizado e intuitivo. Isso não só melhora a clareza e a legibilidade do código, mas também promove uma maior capacidade de experimentação e exploração dos dados, permitindo que analistas e pesquisadores ajustem e aprimorem suas visualizações de forma eficiente.

Aqui faremos uma introdução aos elementos princiais do ggplot2. Para saber mais verifique as referências abaixo:

Instale o pacote gglot2 e carregue-o com os demais pacotes utilizados nessa seção. O pacote será adicionado para compor múltiplos gráficos em uma mesma figura.

install.packages("ggplot2")
install.packages("patchwork")
library(ggplot2)
library(patchwork)
library(readr)
library(dplyr)
library(tidyr)

1 Histogramas

Faça um histograma dos dados de vazão da tabela HubbardBrook.csv (datasets).

hbrook <- read_csv("https://raw.githubusercontent.com/FCopf/datasets/refs/heads/main/HubbardBrook.csv")
hbrook
# A tibble: 62 × 4
    Year Treatment   Flow Precipitation
   <dbl> <chr>      <dbl>         <dbl>
 1  1958 Deforested  645.         1168.
 2  1959 Deforested 1012.         1483.
 3  1960 Deforested  825.         1321.
 4  1961 Deforested  470.          980.
 5  1962 Deforested  777.         1232.
 6  1963 Deforested  774.         1139.
 7  1964 Deforested  712.         1175.
 8  1965 Deforested  599.         1115.
 9  1966 Deforested 1189.         1222.
10  1967 Deforested 1132.         1315.
# ℹ 52 more rows
ggplot(data = hbrook, mapping = aes(x = Flow)) +
  geom_histogram(color = "blue", fill = "lightblue")

O comando acima contém duas camadas, separadas pelo símbolo +, que indica o fim de uma camada e o início de outra. No ggplot2, cada camada adiciona ou formata um elemento do gráfico. A ordem das camadas geralmente não importa, mas organizá-las bem facilita a leitura do código. No exemplo, temos:

  1. Função ggplot(): Define a estrutura básica do gráfico. O argumento data = especifica o data frame que contém os dados. O argumento mapping = define a estética do gráfico definida pela função aes(x = Flow), indicando que o eixo \(x\) representará a variável Flow.

  2. Função geom_histogram(): Define a geometria do gráfico, aqui um histograma. A cor da borda é definida por color = "blue" e o preenchimento por fill = "lightblue".

Formatações adicionais:

ggplot(data = hbrook, mapping = aes(x = Flow)) +
  geom_histogram(color = "blue", fill = "lightblue") +
  labs(title = "Histograma de vazão", 
       x = bquote(Vazao (m^3/s)),
       y = "Contagem") +
  theme(plot.title = element_text(hjust = 0.5))

Um título foi inserido, os nomes para os eixos \(x\) e \(y\) foram definidos e o título foi centralizado por theme(plot.title = element_text(hjust = 0.5)).

O histograma anterior, combina dados de vazão anual na bacia Deforested e Reference, identificadas pela variável Treatment. Para verificar histogramas separados de acordo com os níveis desta variável podemos usar a função facet_grid()

ggplot(data = hbrook, mapping = aes(x = Flow)) +
  geom_histogram(color = "blue", fill = "lightblue") +
  labs(title = "Histograma de vazão", 
       x = bquote(Vazao (m^3/s)),
       y = "Contagem") +
  theme(plot.title = element_text(hjust = 0.5)) +
  facet_grid(rows = vars(Treatment))

NotaOutras geometrias gráficas

Além dos histogramas, existem muitas outras geometrias gráficas do tipo geom_NOME(). Algumas das mais utilizadas são: geom_abline(), geom_bar(), geom_boxplot(), geom_line(), geom_point(), geom_smooth(), geom_text(), entre muitas outras.

2 Boxplots

A princípio, a distribuição das vazões não são muito diferentes entre os tratamentos. Um boxplot pode ser utilizado para visualizar estas distribuições.

ggplot(data = hbrook, mapping = aes(y = Flow, x = Treatment)) +
  geom_boxplot() +
  labs(y = bquote(Vazao (m^3/s)),
       x = "")

O boxplot exige que sejam definidas uma variável contínua, neste caso Flow em \(y\) como função de uma variável categórica, neste caso Treatment em \(x\).

3 Gráfico de dispersão

Para verificar a relação entre vazão e precipitação, pode-se plotar um gráfico de dispersão entre Flow e Precipitation.

ggplot(data = hbrook, mapping = aes(y = Flow, x = Precipitation)) +
  geom_point(shape = 21) +
  labs(y = bquote(Vazão (m^3/s)),
       x = bquote(Precipitação (m^3/ano)))

O Treatment pode ser adicinado a esta figura como cores diferentes.

ggplot(data = hbrook, 
       mapping = aes(y = Flow, 
                     x = Precipitation, 
                     fill = Treatment)) +
  geom_point(shape = 21, size = 3) +
  labs(y = bquote(Vazão (m^3/s)),
       x = bquote(Precipitação (m^3/ano))) +
  guides(fill=guide_legend(title="Estado da área")) +
  scale_fill_manual(values = c("blue", "green"))

4 Séries temporais

O operador pipe pode ser combinado com a função ggplot() para filtrar as bacia Deforested e representar a vazão em uma série temporal.

hbrook |>  
  filter(Treatment == "Deforested") |>  
  ggplot(mapping = aes(y = Flow, x = Year)) +
    geom_line() +
    labs(y = bquote(Vazão (m^3/s)),
         x = "Ano")

Podem ser vistas as séries temporais para os dois tratamentos, representando-os em figuras diferentes.

ggplot(data = hbrook, mapping = aes(y = Flow, x = Year)) +
  geom_line() +
  labs(y = bquote(Vazão (m^3/s)),
       x = "Ano") +
  facet_grid(rows = vars(Treatment))

Ou na mesma figura em cores diferentes.

ggplot(data = hbrook, 
       mapping = aes(y = Flow, x = Year, color = Treatment)) +
  geom_line() +
  labs(y = bquote(Vazão (m^3/s)),
       x = "Ano") +
  scale_color_manual(values = c("blue", "green"))

O desmatamento da bacia Deforested ocorreu em \(1965\), e intervenções para impedir o desenvolvimento da vegetação foram realizadas até \(1970\). Esse intervalo pode ser representado por um retângulo no gráfico.

ggplot(data = hbrook, 
       mapping = aes(y = Flow, x = Year, color = Treatment)) +
  geom_line() +
  labs(y = bquote(Vazão (m^3/s)),
       x = "Ano") +
  scale_color_manual(values = c("blue", "green")) +
  scale_x_continuous(breaks = seq(1955, 1990, by = 5)) +
  annotate("rect", 
           xmin = 1965, xmax = 1970, 
           ymin = -Inf, ymax = Inf, 
           alpha = 0.2, fill = "red") +
  theme_test()

Como as vazões foram mensuradas nos mesmos anos, é possível calcular a diferença de vazão entre os tratamentos e representar essas diferenças graficamente.

hbrook_largo <- hbrook |>
  select(-Precipitation) |>
  pivot_wider(names_from = Treatment, values_from = Flow) |> 
  mutate(diffDR = Deforested - Reference)
hbrook_largo
# A tibble: 31 × 4
    Year Deforested Reference diffDR
   <dbl>      <dbl>     <dbl>  <dbl>
 1  1958       645.      567.   77.8
 2  1959      1012.      918.   93.8
 3  1960       825.      752.   73.2
 4  1961       470.      436.   33.8
 5  1962       777.      699.   78.0
 6  1963       774.      663.  111. 
 7  1964       712.      630.   81.7
 8  1965       599.      547.   52.2
 9  1966      1189.      727.  463. 
10  1967      1132.      781.  351. 
# ℹ 21 more rows
ggplot(data = hbrook_largo, 
       mapping = aes(y = diffDR, x = Year)) +
  geom_line() +
  geom_point(shape = 19) +
  labs(y = bquote(Diferença~de~Vazão (m^3/s)),
       x = "Ano") +
  scale_x_continuous(breaks = seq(1955, 1990, by = 5)) +
  annotate("rect", 
           xmin = 1965, xmax = 1970, 
           ymin = -Inf, ymax = Inf, 
           alpha = 0.2, fill = "red") +
  theme_test()

5 Gráfico de barras

Será criada uma variável categórica Vazao_cat contendo os níveis Extrema (se Flow >= 1000 m^3/s) e Normal caso contrário. Em seguida, será contado o número de observações com vazão extrema.

extremo <- 1000

hbrook2 <- hbrook  |>
  mutate(Vazao_cat = if_else(Flow >= extremo, 
                             true = "Extrema", 
                             false = "Normal"))

ggplot(data = hbrook2, mapping = aes(x = Vazao_cat)) +
  geom_bar()

Se a variável estiver no eixo \(y\), aes(y = Vazao_cat), o gráfico será desenhado na horizontal.

ggplot(data = hbrook2, mapping = aes(y = Vazao_cat)) +
  geom_bar()

6 Temas no ggplot2

O ggplot2 oferece uma série de temas pré-formatados para facilitar a personalização dos gráficos. Para aplicar um tema, basta adicionar uma camada com o nome do tema desejado usando theme_NOME(). Veja um exemplo com o tema theme_classic():

ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_classic()

Os temas básicos disponíveis no ggplot2 incluem:

Código 
g1 <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_grey() +
  labs(title = "theme_grey()")

g2 <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_gray() +
  labs(title = "theme_gray()")

g3 <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_bw() +
  labs(title = "theme_bw()")

g4 <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_linedraw() +
  labs(title = "theme_linedraw()")

g5 <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_light() +
  labs(title = "theme_light()")

g6 <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_dark() +
  labs(title = "theme_dark()")

g7 <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_minimal() +
  labs(title = "theme_minimal()")

g8 <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_classic() +
  labs(title = "theme_classic()")

g9 <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_void() +
  labs(title = "theme_void()")

g10 <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_test() +
  labs(title = "theme_test()")
Código 
gcol1 <- g1 / g2 / g3 / g4 / g5
gcol2 <- g6 / g7 / g8 / g9 / g10

gcol1 | gcol2

7 Salvando uma figura gerada pelo gglot2.

Para salvar um gráfico gerado com ggplot2, utiliza-se a função ggsave(). Veja o exemplo abaixo:

ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_classic()

ggsave(filename = "Exemplo_ggsave.png", 
       width = 20, height = 20, units = "cm")

Por padrão, a função ggsave() salva o último gráfico criado. Caso seja necessário salvar um gráfico específico, pode-se usar o argumento plot = objeto_grafico.

objeto_grafico <- ggplot(hbrook, mapping = aes(x = Year, y = Flow, color = Treatment)) +
  geom_line() +
  theme_classic()

ggsave(filename = "objeto_grafico_plt.png", 
       plot = objeto_grafico,
       device = "png",
       width = 20, 
       height = 20,
       units = "cm",
       dpi = 480)