Gráficos de pontos

Boas práticas de visualização em R

Nick Strayer

Instructor

Quando o gráfico de barras não é ideal

Não é uma quantidade
Transformações não lineares

Gráficos de pontos

Basta trocar a barra por um ponto
Também chamados de gráficos de pontos ou dot plots

Vantagens dos gráficos de pontos

Alta precisão
Representação eficiente
Simples

Dados da lição

Trabalhando com um subconjunto de dados da WHO
Países são um subconjunto "interessante" — vamos ver por quê

interestingCountries <- c("NGA", "SDN", "FRA", "NPL", "MYS", "TZA", "YEM", "UKR", "BGD", "VNM")

who_subset <- who_disease %>%
  filter(
    countryCode %in% interestingCountries,
    disease == 'measles',
    year %in% c(2006, 2016)) %>% 
  mutate(year = paste0('cases_', year)) %>% 
  arrange(year, region) %>%
  pivot_wider(names_from = year, values_from = cases)

who_subset

who_subset

# A tibble: 10 x 6
   region countryCode country     disease cases_2006 cases_2016
   <chr>  <chr>       <chr>       <chr>        <dbl>      <dbl>
 1 AFR    NGA         Nigeria     measles        704      17136
 2 AFR    TZA         Tanzania    measles       2362         33
 3 EMR    SDN         Sudan (the) measles        228       1767
 4 EMR    YEM         Yemen       measles       8079        143
 5 EUR    FRA         France      measles         40         79
 6 EUR    UKR         Ukraine     measles      42724        102
 7 SEAR   BGD         Bangladesh  measles       6192        972
 8 SEAR   NPL         Nepal       measles       2838       1269
 9 WPR    MYS         Malaysia    measles        564       1569
10 WPR    VNM         Viet Nam    measles       1978         46

Código para gráficos de pontos

geom_point() com um eixo categórico e um numérico

who_subset %>% 
  # Fazemos log transform aqui, então barras não são apropriadas
  ggplot(aes(y = country, x = log10(cases_2016))) +
  # geom_point() simples
  geom_point()

Ordenando seus gráficos de pontos

Ordenação ajuda muito na legibilidade
Use a função reorder() na atribuição estética

who_subset %>% 
  # calcular a variação log2 entre 2016 e 2006
  mutate(logFoldChange = log2(cases_2016/cases_2006)) %>% 
  ggplot(aes(x = logFoldChange, y = reorder(country, logFoldChange))) +
  geom_point()

Vamos praticar!

Boas práticas de visualização em R