Scales

As funções do tipo scale_function controlam como você apresenta cada representação gráfica (aes) do seu gráfico. Por exemplo, estas funções permitem alterações nos eixos x e y, e nas outras representações como color, fill, shape, entre outros.

Ajustando os eixos.

Os exemplos mais básicos das funções scale_ se referem aos eixos x e y. Alguns exemplos:

• scale_x_log10 e scale_y_log10 : converte um eixo númerico para escala de log.
• scale_y_reverse e scale_x_reverse : inverte os valores de x e y.
• scale_x_continuous e scale_y_continous: formata x e y quando são variáveis continuas.
• scale_x_discrete e scale_y_discrete: formata x e y quando são variáveis discretas.
• scale_x_date e scale_y_date: formata x e y quando são variáveis discretas.

library(gapminder)
library(tidyverse)

# Convertendo scale x para log. 
ggplot(data=gapminder, 
       aes(y=lifeExp, x=gdpPercap)) + 
      geom_point()  +
      scale_x_log10(name="Log gdp") 

gap_grouped <- gapminder %>%
                group_by(year, continent) %>%
                summarise(m=mean(lifeExp, na.rm = TRUE))

ggplot(data=gap_grouped, 
       aes(y=m, x=year, 
           color=continent)) + 
      geom_point(size=3) +
      geom_line() +
      scale_x_continuous(breaks = unique(gap_grouped$year)) +
      scale_y_continuous(limits = c(25,100))

Ajustando outras representações gráficas.

As funções scale são também muito úteis para ajustar outras representações gráficas, como fill, color, shape, size, entre outras. Alguns exemplos destas funções:

• scale_aes_manual: altera cores, shapes, fill para cada grupo de sua variável.
• scale_aes_gradient: altera escalas de cores de forma continua.
• scale_aes_brewer: altera palleta de cores para representação gráfica.

ggplot(data=gap_grouped, 
       aes(y=m, x=year, 
           color=continent)) + 
      geom_point(size=3) +
      geom_line() +
      scale_x_continuous(breaks = unique(gap_grouped$year)) +
      scale_y_continuous(limits = c(25,100)) +
      scale_color_manual(name="Continent", 
                         values = c("white", "blue", "red", "yellow", "green"))

#devtools::install_github("karthik/wesanderson")
library(wesanderson)
pal < wes_palette("Royal2")

## Error in eval(expr, envir, enclos): object 'pal' not found

# Novo gráfico
ggplot(data=gap_grouped, 
       aes(y=m, x=year, 
           color=continent)) + 
      geom_point(size=3) +
      geom_line() +
      scale_x_continuous(breaks = unique(gap_grouped$year)) +
      scale_y_continuous(limits = c(25,100)) +
      scale_color_manual(name="Continent", 
                         values = pal)

## Error in is_reference(x, quote(expr = )): object 'pal' not found

ggplot(data=gapminder, 
       aes(y=lifeExp, x=gdpPercap, 
           fill=lifeExp)) + 
      geom_point(shape=21, size=2) +
  scale_x_log10() +
  scale_fill_gradient(low="yellow", high="red", 
                      name="Life Expectancy")

# Exemplo 1
ggplot(data=gapminder, ## Etapa dos Dados
       aes(y=lifeExp, x=continent, 
           fill=continent)) + # Etapa de Mapear
      
      # Pontos
      
    geom_boxplot(size=1.5, 
                 alpha=.5)  # Etapa do Geom

# Exemplo 2
ggplot(data=gapminder, ## Etapa dos Dados
       aes(y=lifeExp, x=continent, 
           fill=continent)) + # Etapa de Mapear
      
      # Pontos
      
    geom_boxplot(size=1.5, 
                 alpha=.5) +  # Etapa do Geom

    scale_fill_brewer(palette = "Blues")

# Exemplo 3
ggplot(data=gapminder, ## Etapa dos Dados
       aes(y=lifeExp, x=continent, 
           fill=continent)) + # Etapa de Mapear
    geom_boxplot(size=1.5, 
                 alpha=.5) +  # Etapa do Geom
  
    # fill 

    scale_fill_brewer(palette = "Set1")

#install.packages("RColorBrewer")
library(RColorBrewer)
RColorBrewer::display.brewer.all()

Labels e Títulos

Ajustar os labels dos seus gráficos e títulos usando ggplot2 é super intuitivo. Como você pode imaginar, precisamos somente adicionar uma nova camada com a função labs()

ggplot(data=gapminder,  aes(y=lifeExp, x=continent, 
           fill=continent)) + # Etapa de Mapear
    geom_boxplot(size=1.5, alpha=.5) +  # Etapa do Geom
    scale_fill_brewer(palette = "Set1") +
  
    # Nova camada
  
  labs(
    x = "Continentes", 
    y = "Expectativa de Vida", 
    fill = "Continente",
    title = "Expectativa de Vida Por Continente",
    subtitle = "Fonte: gapminder", 
    caption = " Author: Tiago Ventura"
  )

Facetting.

O último truque do ggplot que é muito útil quando trabalhamos com dados agrupados são as funções facet_.

Estas funções nos permitem dividir os gráficos em pequenas partes (sub-gráficos) a partir de determinados grupos.

Essas funções funcionam como formulas em R. O que vem depois do tilda ~ será dividido em pequenos gráficos. Vejamos alguns exemplos:

# Colunas
ggplot(data = gapminder, mapping = aes(x = year, y = gdpPercap)) +
  geom_line(color="gray70", aes(group = country)) +
  geom_smooth(size = 1.1, method = "loess", se = FALSE) +
  scale_y_log10() +
  labs(x = "Year",
         y = "GDP per capita",
         title = "GDP per capita on Five Continents") +
  # facet
  facet_wrap(~ continent) 

Customização de forma consistente.

A maioria dos ajustes que você pode fazer em seu gráfico vão dentro da função theme. Ao trabalhar em um projeto, é importante que seus gráficos sejam consistentes e que você adicione essa consistência ao seu fluxo de trabalho.

Isso significa que é fundamental que seus gráficos possuam a mesma identidade para o projeto inteiro. E essa consistência é fácil de ser mantida com o ggplot2.

Uma forma de ter gráficos consistentes é desenvolver seu própria tema e aplicar este mesmo tema a todos os seus gráficos. Abaixo segue um exemplo de um tema que desenvolvi para meus gráficos.

# Set up my theme  ------------------------------------------------------------
my_font <- "Palatino Linotype"
my_bkgd <- "#f5f5f2"
pal <- RColorBrewer::brewer.pal(9, "Spectral")
my_theme <- theme(text = element_text(family = my_font, color = "#22211d"),
                  rect = element_rect(fill = my_bkgd),
                  plot.background = element_rect(fill = my_bkgd, color = NA),
                  panel.background = element_rect(fill = my_bkgd, color = NA),
                  panel.border = element_rect(color="black"), 
                  strip.background = element_rect(color="black", fill="gray85"), 
                  legend.background = element_rect(fill = my_bkgd, color = NA),
                  legend.key = element_rect(size = 6, fill = "white", colour = NA), 
                  legend.key.size = unit(1, "cm"),
                  legend.text = element_text(size = 14, family = my_font),
                  legend.title = element_text(size=14),
                  plot.title = element_text(size = 22, face = "bold", family=my_font),
                  plot.subtitle = element_text(size=16, family=my_font),
                  axis.title= element_text(size=10),
                  
                  axis.text = element_text(size=10, family=my_font),
                  axis.title.x = element_text(hjust=1),
                  strip.text = element_text(family = my_font, color = "#22211d",
                                            size = 10, face="italic"))

my_theme  <- theme_bw() + my_theme

A partir daí, você precisa dizer ao seu ambiente em R para utilizar este tema como modelo:

# This sets up for all your plots
theme_set(theme_bw() + my_theme)

Ou você pode fazer isto manualmente em cada gráfico:

graph <- ggplot(data=gapminder, 
                aes(y=lifeExp, x=continent, 
           fill=continent)) + # Etapa de Mapear
    geom_boxplot(size=1.5, alpha=.5) +  # Etapa do Geom
    scale_fill_brewer(palette = "Set1") 

graph +  my_theme

Outra opção, mais recomendada para quem está iniciando em R, é usar temas pré-construídos do ggplot2 e outros pacotes.

#install.packages(c("ggthemes", "hbrthemes"))
library(ggthemes)
library(hrbrthemes)
 

graph + 
  theme_minimal()

graph + 
  theme_economist()

graph + 
  theme_fivethirtyeight()

graph + 
  theme_ipsum()

Desafio (Valendo Ponto Extra).

Valendo ponto extra para o exercício da próxima semana. Eu compartilhei no slack alguns artigos que escrevi nos últimos anos usando ggplot. O desafio de vocês é escolher um gráfico favorito dentre estes artigos, e me mandar via slack. Na próxima aula, vamos reproduzir integralmente os gráficos que vocês escolherem.

E nesta semana não teremos exercício. Podem descansar!