Visualização de dados com ggplot2

Introdução

ggplot2 é uma das bibliotecas de visualização mais poderosas e versáteis do R, baseada na Gramática da Gráfica. Neste tutorial, você aprenderá a criar vários tipos de gráficos e personalizá-los para comunicar com eficácia suas percepções sobre os dados. Seja você um iniciante ou alguém que deseja aprimorar suas habilidades de visualização, este guia irá guiá-lo pelos fundamentos, bem como por algumas técnicas avançadas de personalização.

Primeiros passos

Antes de mergulhar na criação de gráficos, certifique-se de que ggplot2 está instalado e carregado em sua sessão R:

Instale o pacote, se ainda não o fez:

#| label: install-ggplot2
install.packages("ggplot2")

Carregar a biblioteca:

library(ggplot2)

Gráficos básicos com ggplot2

Vamos começar criando um gráfico de dispersão simples usando o conjunto de dados mtcars integrado. Este conjunto de dados contém vários atributos de diferentes modelos de carros.

# Crie um gráfico de dispersão básico de mpg (milhas por galão) vs. wt (peso)
ggplot(data = mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  labs(
    title = "Scatter Plot of MPG vs. Weight",
    x = "Car Weight (1000 lbs)",
    y = "Miles per Gallon"
  )

Personalização do seu gráfico

A personalização é fundamental para tornar suas visualizações informativas e atraentes. Aqui estão algumas maneiras de melhorar seus gráficos:

Alterando a estética e os temas

Você pode modificar a aparência do seu gráfico alterando cores, tamanhos e temas.

ggplot(data = mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point(size = 3) +
  labs(
    title = "MPG vs. Weight by Cylinder Count",
    x = "Car Weight (1000 lbs)",
    y = "Miles per Gallon",
    color = "Cylinders"
  ) +
  theme_minimal()

Adicionar suavizadores

Os suavizadores ajudam a revelar tendências nos dados, ajustando uma linha aos pontos.

ggplot(data = mtcars, aes(x = wt, y = mpg)) +
  geom_point(color = "steelblue", size = 3) +
  geom_smooth(method = "lm", se = FALSE, color = "red") +
  labs(
    title = "MPG vs. Weight with Linear Trend Line",
    x = "Car Weight (1000 lbs)",
    y = "Miles per Gallon"
  ) +
  theme_classic()

Técnicas avançadas

Faceting

A faceta divide seu gráfico em vários painéis com base em uma variável fatorial, o que é útil para comparar subconjuntos de dados.

ggplot(data = mtcars, aes(x = wt, y = mpg)) +
  geom_point(color = "darkgreen", size = 3) +
  facet_wrap(~ factor(cyl)) +
  labs(
    title = "MPG vs. Weight by Cylinder Count",
    x = "Car Weight (1000 lbs)",
    y = "Miles per Gallon"
  ) +
  theme_light()

Multicamadas

Combine várias camadas, como anotações de texto e geoms adicionais, para criar visualizações complexas.

ggplot(data = mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point(size = 3) +
  geom_smooth(method = "loess", se = FALSE, color = "black") +
  geom_text(aes(label = rownames(mtcars)), vjust = -0.5, size = 3) +
  labs(
    title = "Enhanced Scatter Plot of MPG vs. Weight",
    x = "Car Weight (1000 lbs)",
    y = "Miles per Gallon",
    color = "Cylinders"
  ) +
  theme_bw()

Conclusão

Com ggplot2, você pode transformar dados brutos em visualizações atraentes que comunicam insights com clareza. Este tutorial abordou os fundamentos da criação de gráficos básicos, personalização estética e uso de técnicas avançadas, como faceting e multicamadas. Experimente esses exemplos e explore mais opções de personalização para criar gráficos prontos para publicação.

Leitura adicional

• Organização de dados com dplyr
• Modelagem estatística com lm() e glm()
• Painéis interativos com Shiny

Boa programação e divirta-se criando belas visualizações com ggplot2!

Explore mais artigos

Nota

Aqui estão mais artigos da mesma categoria para ajudá-lo a se aprofundar no tópico.