Last updated: 2021-05-16

Checks: 7 0

Knit directory: 2021/

This reproducible R Markdown analysis was created with workflowr (version 1.6.2). The Checks tab describes the reproducibility checks that were applied when the results were created. The Past versions tab lists the development history.

R Markdown file: up-to-date

Great! Since the R Markdown file has been committed to the Git repository, you know the exact version of the code that produced these results.

Environment: empty

Great job! The global environment was empty. Objects defined in the global environment can affect the analysis in your R Markdown file in unknown ways. For reproduciblity it’s best to always run the code in an empty environment.

Seed: set.seed(20210412)

The command set.seed(20210412) was run prior to running the code in the R Markdown file. Setting a seed ensures that any results that rely on randomness, e.g. subsampling or permutations, are reproducible.

Session information: recorded

Great job! Recording the operating system, R version, and package versions is critical for reproducibility.

Cache: none

Nice! There were no cached chunks for this analysis, so you can be confident that you successfully produced the results during this run.

File paths: relative

Great job! Using relative paths to the files within your workflowr project makes it easier to run your code on other machines.

Repository version: 29cdc5f

Great! You are using Git for version control. Tracking code development and connecting the code version to the results is critical for reproducibility.

The results in this page were generated with repository version 29cdc5f. See the Past versions tab to see a history of the changes made to the R Markdown and HTML files.

Note that you need to be careful to ensure that all relevant files for the analysis have been committed to Git prior to generating the results (you can use wflow_publish or wflow_git_commit). workflowr only checks the R Markdown file, but you know if there are other scripts or data files that it depends on. Below is the status of the Git repository when the results were generated: 


Ignored files:
    Ignored:    .Rhistory
    Ignored:    .Rproj.user/

Untracked files:
    Untracked:  Curso_Bioestadistica_MTripp_cuatriII.docx
    Untracked:  Curso_Bioestadistica_MTripp_cuatriII.pdf
    Untracked:  Diapositivas/
    Untracked:  README.html
    Untracked:  Resources/
    Untracked:  analysis/images/
    Untracked:  data/Consumo_oxigeno_wide.csv
    Untracked:  data/Data_enzimas_Experimento1.txt
    Untracked:  data/Data_enzimas_Experimento2.txt
    Untracked:  data/Data_enzimas_Experimento3.txt
    Untracked:  data/Data_enzimas_Experimento4.txt
    Untracked:  data/Tabla1_Muestreo.txt
    Untracked:  data/Transcriptome_Anotacion.csv
    Untracked:  data/Transcriptome_DGE.csv
    Untracked:  data/datasets_Pokemon.csv
    Untracked:  data/datasets_Pokemon.xls
    Untracked:  data/penguins_size.csv
    Untracked:  data/pokemon_extended.csv
    Untracked:  output/Plot_all_penguins.pdf
    Untracked:  output/Plot_all_penguins.tiff
    Untracked:  output/graficos/

Note that any generated files, e.g. HTML, png, CSS, etc., are not included in this status report because it is ok for generated content to have uncommitted changes.

These are the previous versions of the repository in which changes were made to the R Markdown (analysis/Clase3_GraficosBase.Rmd) and HTML (docs/Clase3_GraficosBase.html) files. If you’ve configured a remote Git repository (see ?wflow_git_remote), click on the hyperlinks in the table below to view the files as they were in that past version.

File Version Author Date Message
html b1ca7f3 Miguel Tripp 2021-05-16 Build site.
html b3002cc Miguel Tripp 2021-05-04 Build site.
html 2c60db3 Miguel Tripp 2021-05-04 Build site.
html 65fa0ee Miguel Tripp 2021-05-04 Build site.
html b3c3d89 Miguel Tripp 2021-04-26 Build site.
html 195c2e9 Miguel Tripp 2021-04-25 Build site.
html e322dac Miguel Tripp 2021-04-25 Build site.
Rmd 7d0111c Miguel Tripp 2021-04-25 Publish the initial files for myproject

Uno de los aspectos mas poderosos de R es su capacidad de producir una gran variedad de gráficos los cuales pueden ser reproducibles, modificables y publicables con solo unos poco comandos.

R puede producir gráficos utilizando tres paquetes principales: ggplot, lattice y gráficos base. En esta sección nos enfocaremos a los gráficos base.

Para estos ejercicios, utilizaremos la base de datos de pingünos del Archipielago de Palmer la cual se encuentra disponible en la carpeta data

penguins <- read.table("data/penguins_size.csv", sep = ",", na.strings = "NA", header = TRUE, as.is = FALSE)
penguins <- penguins[complete.cases(penguins), ]

El archivo penguins_size.csv contiene las variables:

  • species: Especies de pingüino (Chnstrap, Adelie o Gentoo)
  • culmen_length_mm: longitud del culmen (mm)
  • culmen_depth_mm: profundidad del culmen
  • flipper_length_mm: longitud de la aleta (mm)
  • body_mass_g: masa corporal (g)
  • island: nombre de la isla (Dream, Torgersen o Biscoe)
  • sex: sexo

Los pingüinos:

@AllisonHorst

@AllisonHorst

@AllisonHorst

@AllisonHorst

1: Histograma hist()

Para crear un histograma usamos la función hist(), que siempre nos pide como argumento x un vector numérico. El resto de los argumentos de esta función son opcionales. Si damos un vector no numérico, se nos devolverá un error.

Para obtener un hitograma de frecuencias del peso corporal body_mass_g de todos los pingüinos, se ejecuta el siguiente comando:

hist(x = penguins$body_mass_g)

Para la longitud del culmen culmen_lengh_mm:

hist(x = penguins$culmen_length_mm)

Vamos a cambiar el título del gráfico con el argumento main, y el nombre de los ejes x y Y con xlab y ylab, respectivamente.

hist(x = penguins$culmen_length_mm,
     
     #colora el titulo principal
     main = "histograma de longitud del culmen (mm)",
     
     #etiqueta del eje x
     xlab = "longitud (mm)",
     
     #etiqueta del eje y
     ylab = "Frecuencia")

La funcion hist auntomaticamente selecciona el número de intervales (“breaks”) mas adecuado. Pero es posible definirlos manualmente con el parametro “breaks”

hist(x = penguins$culmen_length_mm,
     breaks = 20)

hist(x = penguins$culmen_length_mm,
     breaks = 30)

Probemos cambiando el color de las barras del histograma agregando el argumento col. Este argumento acepta nombres de colores genéricos en inglés como “red”, “blue” o “purple”; y también acepta colores hexadecimales, como “#00FFFF”, “#08001a” o “#1c48b5”.

hist(x = penguins$culmen_length_mm,
     main = "histograma de longitud total (mm)",
     xlab = "longitud (mm)",
     ylab = "Frecuencia",
     col = "lightblue")

Y finalmente podemos añadir dos histogramas en una sola grafica. Para esto, baso a aplicar lo que hemos visto hasta ahora para generar un subset con los datos de longitud del culmen culmen_length_mm de los machos y otro de las hembras

Posteriormente, se llama la función hist() para cada subset, pero al segundo se le debe añadir el parametro: add = TRUE

#generar el subset de dato de los machos
male_peng <- penguins[penguins$sex == "MALE", "culmen_length_mm"]

#subset de datos de hembrsa
female_peng <- penguins[penguins$sex == "FEMALE","culmen_length_mm" ]


#generar el primer histograma
hist(male_peng, breaks = 25, col = "lightblue",
     main = "histograma de frecuencias por sexo",
     ylab = "Frecuencia",
     xlab = "Longitud (mm)")

hist(female_peng, breaks = 25, col = "salmon", add = TRUE)

2:Función plot()

Esta función tiene un comportamiento especial, pues dependiendo del tipo de dato que le demos como argumento, generará diferentes tipos de gráfica. Además, para cada tipo de gráfico, podremos ajustar diferentes parámetros que controlan su aspecto, dentro de esta misma función.

Dependiendo del tipo de dato que demos a x y y será el gráfico que obtendremos, de acuerdo a las siguientes reglas:

x y Gráfico
Continuo Continuo Diagrama de dispersión (Scatterplot)
Continuo Discreto Diagrama de dispersión, y coercionada a numérica
Continuo Ninguno Diagrama de dispersión, por número de renglón
Discreto Continuo Diagrama de caja (Box plot)
Discreto Discreto Gráfico de mosaico (Diagrama de Kinneman)
Discreto Ninguno Gráfica de barras
Ninguno Cualquiera Error

por ejemplo, si graficamos solamente la longitud del culmen (continuo + Ninguno):

plot(penguins$culmen_length_mm)

pero si graficamos longitud del culmen por la masa corporal (continuo + continuo)

plot(x = penguins$culmen_length_mm, y = penguins$body_mass_g)

ahora si graficamos Longitud total x Sitio (continuo x discreto)

plot(penguins$culmen_length_mm, penguins$species)

si graficamos la especies (discreto x niunguno)

plot(penguins$species)

Ahora si graficamos isla x sexo (discreto x discreto)

plot(penguins$island, penguins$sex)

ahora si graficamos isla y longitud total (discreto x continuo)

plot(penguins$island,  penguins$culmen_length_mm)

La función plot es particularmente util para graficar series de tiempo. Para visualizar esto, vamos a generar un vector con una serie de 31 años, desde 1990 hasta el 2020 usando la función seq() y rnorm()

year <- seq(1990,2020,1)
value <- rnorm(31)

plot(year, value)

Para controlar el tipo de grafico dentre de esta función, usamos el parametro `type" donde puede ser:

  • “l” = linea
  • “o” = puntos
  • “b” = ambos
plot(year, value, type = "l")

plot(year, value, type ="b")

Al igual que con hist() es posible cambiar el color de una grafica, asi como los nombres usando los parametros main, col y xlab, ylab

plot(year, value, type="l", col ="red", main = "gráfico anual", xlab = "Año", ylab = "anomalia")

3:Boxplots boxplot()

Los diagrams de caja, o boxplots, son gráficos que muestra la distribución de una variable usando cuartiles, de modo que de manera visual podemos inferir algunas cosas sobre su dispersión, ubicación y simetría.

Una gráfica de este tipo dibuja un rectángulo cruzado por una línea recta horizontal. Esta linea recta representa la mediana, el segundo cuartil, su base representa el pimer cuartil y su parte superior el tercer cuartil. Al rango entre el primer y tercer cuartil se le conoce como intercuartílico.

EN la sección anterior vimos como generar un boxplot usando la funcion plot(). Una alternativa es utilizar la función boxplot().

En la segunda manera necesitamos dar dos argumentos:

  • formula: Para esta función las fórmulas tienen el formato y ~ x, donde x es el nombre de la variable continua a graficar, y la x es la variable que usaremos como agrupación.
  • data: Es el data frame del que serántomadas las variable

Por ejemplo, para generar diagramas de la longitud total por sitio de colecta, se ejecuta el comando:

boxplot(culmen_length_mm ~ island, data = penguins)

Esta opción nos permite generar graficos con interacción. Por ejemplo, si quieremos graficar la longitud total en función del sitio de colecta y del sexo, ejecutamos:

boxplot(culmen_length_mm ~ sex * island, data = penguins)

Para facilitar la lectura de la gráfica, se le puede asignar un color difente a cada grupo

boxplot(culmen_length_mm ~ sex * island, data = penguins, col = c("tomato", "lightblue"))

4:Edición

Asignar un color de acuerdo a una variable con el parametro col

plot(x = penguins$culmen_length_mm, 
     y = penguins$body_mass_g, 
     col = penguins$sex)

Cambiar el tamaño del simbolo o forma del simbolo:

plot(x = penguins$culmen_length_mm, 
     y = penguins$body_mass_g, 
     col = penguins$sex,
     pch = 16,
     cex = 2)

En donde pch() indica el simbolo, mientras que cex()el tamaño.

Aqui encontraras una lista con los valores de cada simbolo:

Para los simbolos de 21 a 25, es necesario especificar el color del borde (col=) asi como del relleno (bg=)

CUando usamos plot() es posible unir dos series diferentes. Para esto, primero se gráfica la primera serie, que en este caso es “value” y posteriormente se añada la segunda serie usando la funciones lines(). Por ejemplo, generamos un segundo vector con 31 datos:

value2 <- rnorm(31)

Ahora podemos unir ambos vectores en la misma gráfica de la siguiente forma:

plot(year, value, type = "l", col ="tomato", lwd=2, ylim = c(-5,5))
lines(year, value2, col = "lightblue", lwd = 2, lty= "dashed")

Entre los parametros que se pueden modificar tenemos:

  • lwd = grosor de la linea
  • lty = tipo de linea (“dashed”, “solid”, “dotted” y “longdash”)
  • ylim = limites del eje Y. Este es en forma de vector numerico

Para añadir una leyenda, se usa la función legend() despues del gráfico.

plot(year, value, type = "l", col ="tomato", lwd=2, ylim = c(-5,5))
lines(year, value2, col = "lightblue", lwd = 2, lty= "dashed")
legend("topleft", legend = c("value1", "value2"),
       col=c("tomato", "lightblue"),
       lty = c("solid", "dashed"))

Para unir dos o mas gráficos es posible ajustar el área de gráfico con la funcion par()

par(mfrow=c(1,2)) #numero de filas, numero de columnas

plot(year, value, type = "l", col ="tomato", lwd=2, ylim = c(-5,5))

plot(year, value2, type = "l", col ="lightblue", lwd=2, ylim = c(-5,5))

dev.off() #limpia el area de gráfico
null device 
          1 
par(mfrow=c(2,1)) #numero de filas, numero de columnas

plot(year, value, type = "l", col ="tomato", lwd=2, ylim = c(-5,5))

plot(year, value2, type = "l", col ="lightblue", lwd=2, ylim = c(-5,5))

dev.off()
null device 
          1

Finalmente, es posible usar la función mtext() para agregar titulo a una serie de gráficas.

par(mfrow=c(1,3), oma = c(0, 0, 2, 0)) #numero de filas, numero de columnas

# Grafico de dispersión
plot(x = penguins$culmen_length_mm, 
     y = penguins$body_mass_g, 
     col = penguins$sex,
     type = "p",
     main = "Relacion entre longitud del culmen y masa corporal",
     pch = 15,
     ylab = "Masa corporal (g)",
     xlab = "Longitud del culmen (mm)")


# Boxplot

boxplot(culmen_length_mm ~ island, data = penguins, main = "Longitud del culmen por sitio")

# Histograma
hist(penguins$culmen_length_mm, main="Histograma Logitud del culmen (mm)")

mtext("Datos de longitud del culmen", outer = TRUE)

dev.off() #limpia el area de gráfico
null device 
          1

Observa que para que se despliegue el texto en la parte superior, es necesario ajustar el espacio del gráfico, es decir, incrementar el margen

Los margenes de una figura se ajustan con los parametros mar(), para los margenes internos, y omar()para los margenes externos, tal como se muestra en la siguiente figura:

Para ambos parametros, se asignan cuatro valores para indicar el espacio abajo, izquierda, arriba, derecha.

Ejercicio:

Ejercicio: Usando todos tus conocimientos adquiridos hasta este punto, recrea esta gráfica:

null device 
          1 

sessionInfo()
R version 4.0.5 (2021-03-31)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 19041)

Matrix products: default

locale:
[1] LC_COLLATE=English_United States.1252 
[2] LC_CTYPE=English_United States.1252   
[3] LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                          
[5] LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] workflowr_1.6.2

loaded via a namespace (and not attached):
 [1] Rcpp_1.0.5      whisker_0.4     knitr_1.30      magrittr_2.0.1 
 [5] R6_2.5.0        rlang_0.4.10    fansi_0.4.1     highr_0.8      
 [9] stringr_1.4.0   tools_4.0.5     xfun_0.20       utf8_1.1.4     
[13] git2r_0.27.1    htmltools_0.5.0 ellipsis_0.3.1  rprojroot_2.0.2
[17] yaml_2.2.1      digest_0.6.27   tibble_3.0.4    lifecycle_1.0.0
[21] crayon_1.4.1    later_1.1.0.1   vctrs_0.3.6     promises_1.1.1 
[25] fs_1.5.0        glue_1.4.2      evaluate_0.14   rmarkdown_2.6  
[29] stringi_1.5.3   compiler_4.0.5  pillar_1.6.0    httpuv_1.5.4   
[33] pkgconfig_2.0.3