Curso: VIZ de datos con ggplot y Rmarkdown

Introducción al paquete ggplot2 - Histogramas

Author

Danny Murillo González - UTP - CIDITIC

1 Requisitos

1.1 Crear proyecto

Para seguir este curso debe descargar el documento curso_VIZ-DI.zip que se encuentra en el Repositorio Ridda2. Al descargar el documento, coloque el archivo en cualquier ubicación de su computador y descomprimalo. Dentro del documento aparecerá un archivo llamado curso_VIZ-DI.Rproj con un icono con un cubo celeste y una R (ver imagen), haga doble click sobre el. Se abrirá el Rstudio con la configuración del proyecto a utilizar. esta es la carpeta con los códigos y datos iniciales el curso.


En la carpeta code del proyecto creado, hay un archivo con el nombre cargar-librerias.R, puede ejecutar el código que se muestra en la figura paar instalar los paquetes que nececita para el curso.

1.2 Cargar librerias

Librerias necesarias para el curso. Se deben haber instalado los paquetes previamente con install.packages(nombre del paquete).

library(tidyverse) # incluye ggplot2
library(readxl) # funciones para importar xlsx
library(janitor) # funciones de limpieza
library(patchwork) #combinar gráficos de ggplot
library(ggExtra)
library(ggthemes) # nuevas temas para los plots
library(plotly) #gráficos interactivos # remotes::install_github("plotly/plotly")
library(tibble)
library(skimr) # reseumen numerico
library(modeest)
library(ggrepel) # añadir etiquetas a los gráficos
library(RColorBrewer) #paletas de colores
library(plotly) #graficos interactivos
library(corrplot)
library(ggridges)

1.3 Carga de datos

Para cargar los datos debe crear un nuevo archivo script de R y empezar a utilizar lo ssiguientes códigos.

Se utilizará una versión de los datos palmerpinguins, recopilados y puestos a disposición por la Dra. Kristen Gorman y la Estación Palmer, Antártida LTER , miembro de Long Term Ecological Research Network.

datos_pinguinos <- read.csv("data/data_penguins.csv")
head(datos_pinguinos,5)
  X SPECIES   ISLAND. bill.lenght bill.depth flipper.lenght MALE FEMALE
1 1  Adelie Torgersen        39.1       18.7            181 3750     NA
2 2  Adelie Torgersen        39.5       17.4            186   NA   3800
3 3  Adelie Torgersen        40.3       18.0            195   NA   3250
4 4  Adelie Torgersen        36.7       19.3            193   NA   3450
5 5  Adelie Torgersen        39.3       20.6            190 3650     NA

2 Objetivo del curso

Hacer uso efectivo de la reglas, principios y recomendaciones en la visualización de datos al generar gráficos con la herramienta Rstudio utilizando lenguaje R y el paquete ggplot2 para crear visualización de datos e informes reproducibles y automatizados con Rmarkdown.

3 EDA

En el año de 1971 el matematico Jhon W. Turkey creo una filosofía o enfoque para el análisis de datos que empleaba técnicas (principalmenet visuales) para maximizar el conocimiento de un conjunto de datos, extraer variables importantes, detectar valores atípicos, desarrollar modelos, detectar patrones, entre otros, a este conjunto de técnicas le llamo E.D.A.(Exploratory data analysis). De manera simplificada el EDA ayuda a determinar las mejores formas de manipular la fuente de datos dada para obtener la respuesta que se necesita garantizando que los resultados sean válidos y aplicables, para ello se apolla de diversos tipos de análisis, donde cada análisis utiliza diveras representaciones gráficas para mostrar los datos de manera visual.

El EDA se vale de diferentes tipos de análisis exploratorios y estas utilizan las representaciones gráficas para mostra de manera visual los datos. Las representaciones graficas pueden darse según el tipo de análisis exploratorio (univariado, bivariado, multivariado), según el tipo de variable o según objetivo del estudio.

Las técnicas gráficas típicas utilizadas en EDA son:

  • Histograma
  • Diagrama de caja
  • Gráficos de barras
  • Diagrama de puntos
  • Diagrama de tallo y hojas
  • Gráficos multivariables
  • Mapas de calor
  • otros

4 Visualización de datos

La visualización de datos es la técnica utilizada para brindar información sobre los datos utilizando señales visuales como gráficos, tablas, mapas y muchos otros. Esto es útil ya que ayuda a comprender fácilmente y de forma intuitiva grandes cantidades de datos y, por lo tanto, a tomar mejores decisiones al respecto.

La visualización de datos tiene dos propósitos principales:

  • Análisis de datos exploratorios e identificación de problemas de datos.
  • Comunicar conocimientos y resultados

Las herramientas populares de visualización de datos disponibles son Tableau, Plotly, R, Phyton, Google Charts, DataWraper, Flourish , entre otros. Las distintas plataformas de visualización de datos tienen diferentes capacidades, funcionalidades , sin embargo una de las mayores diferencias de R, es que es lenguaje diseñado para análisis de datos, estadística, visualización e investigación científica. Si bien como lenguaje de programación, su curva de aprendizaje suele resultar compleja, el componente de reprodicibilidad y flexibilidad en las funciones que contienen son una de las mayores ventajas de quienes lo utilizan..

5 Librería ggplot2

El paquete ggplot2 es una paquete inlcuido en la libreria tidyverse (librerias: ggplot2, dplyr, tidyr, readr, purr,tibble, forcats, lubridate), cuya finalidad es entender los gráficos como parte integrar del procesamiento y modelado de los datos, basándose en la idea de Leland Wilkinson, la gramática de los gráficos. Este concepto permite combinar diferentes elementos en el gráficos como si fueran capas superpuestas para vincularlas a los datos, además de mapear atrubutos estéticos como , color, forma, tamaño y la visualización de objetos geompetricos (puntos, barras, lineas). gplot es la abreviación de Grammar of Graphics plot.

Un gráfico en ggplot se compondrá de las siguientes capas:

  • Datos: nuestro gráfico estará vinculado a un conjunto de datos.
  • Mapeado de elementos (aesthetics): ejes, color, forma, tamaño, etc (en función de los datos)
  • Elementos geométricos (geom): puntos, líneas, barras, polígonos, etc.
  • Componer gráficas (facet): visualizar varias gráficas a la vez.
  • Transformaciones estadísticas (stat): ordenar, resumir, agrupar, etc.
  • Sistema de coordenadas (coord): coordenadas, grids, etc.
  • Temas (theme): fuente, tamaño de letra, subtítulos, captions, leyenda, ejes, etc.

5.1 Operador pipe

El operador pipe que simbolicamente se puede utilizar como %>% o |> (versiones recientes) se utiliza para tomar el resultado de una expresión y pasarlo a la siguiente expresión, como si estuvieras encajando las operaciones una dentro de la otra. Para utilizar el simbolo del pipe, debemos utilizar las siguientes teclas CTRL+SHIFT+M.
Este componente es parte de los elementos utilizados en la transformación de datos o Data Wrangling y se utilizará en algunos códigos en este curso.

# Ejemplo 1
# Listar los primeros 10 obs de la tabla
head(datos_pinguinos, 10)
    X SPECIES   ISLAND. bill.lenght bill.depth flipper.lenght MALE FEMALE
1   1  Adelie Torgersen        39.1       18.7            181 3750     NA
2   2  Adelie Torgersen        39.5       17.4            186   NA   3800
3   3  Adelie Torgersen        40.3       18.0            195   NA   3250
4   4  Adelie Torgersen        36.7       19.3            193   NA   3450
5   5  Adelie Torgersen        39.3       20.6            190 3650     NA
6   6  Adelie Torgersen        38.9       17.8            181   NA   3625
7   7  Adelie Torgersen        39.2       19.6            195 4675     NA
8   8  Adelie Torgersen        41.1       17.6            182   NA   3200
9   9  Adelie Torgersen        38.6       21.2            191 3800     NA
10 10  Adelie Torgersen        34.6       21.1            198 4400     NA
# Utilizando pipe
# llamamos el tibble de datos
datos_pinguinos |> 
  head(10)
    X SPECIES   ISLAND. bill.lenght bill.depth flipper.lenght MALE FEMALE
1   1  Adelie Torgersen        39.1       18.7            181 3750     NA
2   2  Adelie Torgersen        39.5       17.4            186   NA   3800
3   3  Adelie Torgersen        40.3       18.0            195   NA   3250
4   4  Adelie Torgersen        36.7       19.3            193   NA   3450
5   5  Adelie Torgersen        39.3       20.6            190 3650     NA
6   6  Adelie Torgersen        38.9       17.8            181   NA   3625
7   7  Adelie Torgersen        39.2       19.6            195 4675     NA
8   8  Adelie Torgersen        41.1       17.6            182   NA   3200
9   9  Adelie Torgersen        38.6       21.2            191 3800     NA
10 10  Adelie Torgersen        34.6       21.1            198 4400     NA
# Ejemplo 2
# Resumen de lso datos 
summary(datos_pinguinos)
       X         SPECIES            ISLAND.           bill.lenght   
 Min.   :  1   Length:333         Length:333         Min.   :32.10  
 1st Qu.: 84   Class :character   Class :character   1st Qu.:39.50  
 Median :167   Mode  :character   Mode  :character   Median :44.50  
 Mean   :167                                         Mean   :43.99  
 3rd Qu.:250                                         3rd Qu.:48.60  
 Max.   :333                                         Max.   :59.60  
                                                                    
   bill.depth    flipper.lenght      MALE          FEMALE    
 Min.   :13.10   Min.   :172    Min.   :3250   Min.   :2700  
 1st Qu.:15.60   1st Qu.:190    1st Qu.:3900   1st Qu.:3350  
 Median :17.30   Median :197    Median :4300   Median :3650  
 Mean   :17.16   Mean   :201    Mean   :4546   Mean   :3862  
 3rd Qu.:18.70   3rd Qu.:213    3rd Qu.:5312   3rd Qu.:4550  
 Max.   :21.50   Max.   :231    Max.   :6300   Max.   :5200  
                                NA's   :165    NA's   :168   
# Usando pipe
datos_pinguinos |> 
  summary()
       X         SPECIES            ISLAND.           bill.lenght   
 Min.   :  1   Length:333         Length:333         Min.   :32.10  
 1st Qu.: 84   Class :character   Class :character   1st Qu.:39.50  
 Median :167   Mode  :character   Mode  :character   Median :44.50  
 Mean   :167                                         Mean   :43.99  
 3rd Qu.:250                                         3rd Qu.:48.60  
 Max.   :333                                         Max.   :59.60  
                                                                    
   bill.depth    flipper.lenght      MALE          FEMALE    
 Min.   :13.10   Min.   :172    Min.   :3250   Min.   :2700  
 1st Qu.:15.60   1st Qu.:190    1st Qu.:3900   1st Qu.:3350  
 Median :17.30   Median :197    Median :4300   Median :3650  
 Mean   :17.16   Mean   :201    Mean   :4546   Mean   :3862  
 3rd Qu.:18.70   3rd Qu.:213    3rd Qu.:5312   3rd Qu.:4550  
 Max.   :21.50   Max.   :231    Max.   :6300   Max.   :5200  
                                NA's   :165    NA's   :168   
# Ejemplo 3
# Seleccionar las columnas 3 y 5 del tibble datospinguinos
# donde island es igual a Torgersen
# mostrar priemaras 5 filas
head(datos_pinguinos[datos_pinguinos$ISLAND.=="Torgersen",c(4,5)],5)
  bill.lenght bill.depth
1        39.1       18.7
2        39.5       17.4
3        40.3       18.0
4        36.7       19.3
5        39.3       20.6
# Utilizando pipe
datos_pinguinos |> 
  filter(ISLAND.=="Torgersen") |> 
  select(bill.lenght,bill.depth) |> 
  head(5)
  bill.lenght bill.depth
1        39.1       18.7
2        39.5       17.4
3        40.3       18.0
4        36.7       19.3
5        39.3       20.6

5.2 Estructura de ggplot

La estrutura base de ggplot es la siguiente:

5.3 Función ggplot()

Se crea un lienzo o espacio de trabajo para el gráfico.

ggplot()

5.3.1 Cargar datos

data: es el nombre del tabla en formato tibble o dataframe y se utiliza para cargar los datos, en este caso la tabla datos_pinguinos.

ggplot(data=datos_pinguinos)

5.3.2 Mapeado y estética

mapping: define el mapeo estético de señales proporcionadas por el set de datos, las variables que modifican estas señales deben estar integradas en aes() que integran las escalas, x, y, que representarán cada observación según variables, tambien en este apartado se identifican otras señales como color, size. En este ejemplo utilizaremos solo la varable SPECIES.
Se mostrará en el eje de las X los datos CATEGORICOS de la variable SPECIES.

ggplot(data = datos_pinguinos, 
      mapping = aes(x=SPECIES))

5.3.3 Geometría

Para poder dibujar el gráfico, ggplot necesita que añadamos una nueva capa de la geometria o tipo de gráfico a utilizar, para añadir la nueva capa debemos de colocar el signo de + al final d ela linea de mapping y luego el tipo de geometría Geometrías ggplot.
En este ejemplo utilizaremos geom_bar(): representa el tipo de geometría de barras que muestra la figura de los gráficos que interperta las señales dados por lo valores de las variables.

ggplot(data = datos_pinguinos, 
      mapping = aes(x=SPECIES))+
  geom_bar()

5.3.4 Ejemplo de gráficos en ggplot

A manera de ejemplo mostraremos tres tipos de gráficos en ggplot con diferentes geometrías, solo con el objetivo de ver la estructura básica funcionando. Al avanzar el curso de mostrará como funciona el paquete ggplot y el funcionamiento de estas geometrias de forma más detallada.

#Ejemplo de gráfico de puntos
ggplot(data = datos_pinguinos, 
       mapping = aes(x=bill.lenght, y=bill.depth))+
       geom_point()

# Ejemplo de gráfico de barras una variable
ggplot(data = datos_pinguinos, 
       mapping = aes(x=SPECIES))+
       geom_bar()

# Ejemplo de gráfico de barras dos variables
ggplot(data = datos_pinguinos, 
       mapping = aes(x=factor(ISLAND.), y=bill.lenght))+
       geom_col()

6 Datos en ggplot

Para hacer gráficos con ggplot es necesario que el conjunto de datos sea un tipo de datos estructurado como son los dataframes o los tibble.

6.1 Objeto tipo dataframe

Los data frame son datos estructurados, lo que comunmente conocemos como tablas. Su mayor características es que los datos que lo conforman pueden ser de diferentes tipos, numéricos (discretos, continuos), caracteres, lógicos, etc. Una de sus limitantes es que al cargar los datos R puede modificarr el nombre de las variables si contienen espacios en blancos o algunos carateres especiales.

# data.frame mtcars muestra todas las filas, se indica con head, mostrar solo 25
head(datos_pinguinos,25)
    X SPECIES   ISLAND. bill.lenght bill.depth flipper.lenght MALE FEMALE
1   1  Adelie Torgersen        39.1       18.7            181 3750     NA
2   2  Adelie Torgersen        39.5       17.4            186   NA   3800
3   3  Adelie Torgersen        40.3       18.0            195   NA   3250
4   4  Adelie Torgersen        36.7       19.3            193   NA   3450
5   5  Adelie Torgersen        39.3       20.6            190 3650     NA
6   6  Adelie Torgersen        38.9       17.8            181   NA   3625
7   7  Adelie Torgersen        39.2       19.6            195 4675     NA
8   8  Adelie Torgersen        41.1       17.6            182   NA   3200
9   9  Adelie Torgersen        38.6       21.2            191 3800     NA
10 10  Adelie Torgersen        34.6       21.1            198 4400     NA
11 11  Adelie Torgersen        36.6       17.8            185   NA   3700
12 12  Adelie Torgersen        38.7       19.0            195   NA   3450
13 13  Adelie Torgersen        42.5       20.7            197 4500     NA
14 14  Adelie Torgersen        34.4       18.4            184   NA   3325
15 15  Adelie Torgersen        46.0       21.5            194 4200     NA
16 16  Adelie    Biscoe        37.8       18.3            174   NA   3400
17 17  Adelie    Biscoe        37.7       18.7            180 3600     NA
18 18  Adelie    Biscoe        35.9       19.2            189   NA   3800
19 19  Adelie    Biscoe        38.2       18.1            185 3950     NA
20 20  Adelie    Biscoe        38.8       17.2            180 3800     NA
21 21  Adelie    Biscoe        35.3       18.9            187   NA   3800
22 22  Adelie    Biscoe        40.6       18.6            183 3550     NA
23 23  Adelie    Biscoe        40.5       17.9            187   NA   3200
24 24  Adelie    Biscoe        37.9       18.6            172   NA   3150
25 25  Adelie    Biscoe        40.5       18.9            180 3950     NA
# Verificar Objeto tipo data.frame
class(datos_pinguinos)
[1] "data.frame"

6.2 Objeto tipo tibble

Los tibble son un tipo de data frame para una gestión más ágil, eficiente y coherente. Las tablas en formato tibble tienen 4 ventajas principales frente a los data frame:

  • Permiten imprimir por consola la tabla con mayor información de las variables, solo imprime por defecto las primeras filas (todas si son 20 o menos, 10 si son más de 20 filas). Puedes imprimir las filas y columnas que quieras con print(nombre de tibble), pero por defecto te aseguras de no saturar la consola.
  • Mantiene la integridad de los datos (no cambia los tipos de las variables y hace una carga de datos inteligente, interpretando los tipos de datos y colocandolos encima de cada variable.
  • Si accedes a una columna que no existe avisa con un warning.
  • No solo no cambiará el tipo de datos sino que no cambiará el nombre de las variables (los data frame transforma los caracteres que no sean letras).
# transformat dataframe a tible 
datos_pinguinos <- as_tibble(datos_pinguinos)

# Verificar Objeto tipo tibble
class(datos_pinguinos)
[1] "tbl_df"     "tbl"        "data.frame"
# tibble imprime solo las primeras 10 
# coloca el tipo de dato sencima del nombre de la variable
head(datos_pinguinos,10)
# A tibble: 10 × 8
       X SPECIES ISLAND.   bill.lenght bill.depth flipper.lenght  MALE FEMALE
   <int> <chr>   <chr>           <dbl>      <dbl>          <int> <int>  <int>
 1     1 Adelie  Torgersen        39.1       18.7            181  3750     NA
 2     2 Adelie  Torgersen        39.5       17.4            186    NA   3800
 3     3 Adelie  Torgersen        40.3       18              195    NA   3250
 4     4 Adelie  Torgersen        36.7       19.3            193    NA   3450
 5     5 Adelie  Torgersen        39.3       20.6            190  3650     NA
 6     6 Adelie  Torgersen        38.9       17.8            181    NA   3625
 7     7 Adelie  Torgersen        39.2       19.6            195  4675     NA
 8     8 Adelie  Torgersen        41.1       17.6            182    NA   3200
 9     9 Adelie  Torgersen        38.6       21.2            191  3800     NA
10    10 Adelie  Torgersen        34.6       21.1            198  4400     NA

6.3 Resumen de datos

Dos dos formas de mostrar la estructura de los datos datos_pinguinos (dataframe o tibble) con sus tipos de datos según variables es utilizando la función summary() y glipmse(), esto permite identificar anomalías en los nombre de las variables o en el tipo de variables.

# Muestra la estructura de los datos y el tipo de datos
datos_pinguinos |> 
  summary()
       X         SPECIES            ISLAND.           bill.lenght   
 Min.   :  1   Length:333         Length:333         Min.   :32.10  
 1st Qu.: 84   Class :character   Class :character   1st Qu.:39.50  
 Median :167   Mode  :character   Mode  :character   Median :44.50  
 Mean   :167                                         Mean   :43.99  
 3rd Qu.:250                                         3rd Qu.:48.60  
 Max.   :333                                         Max.   :59.60  
                                                                    
   bill.depth    flipper.lenght      MALE          FEMALE    
 Min.   :13.10   Min.   :172    Min.   :3250   Min.   :2700  
 1st Qu.:15.60   1st Qu.:190    1st Qu.:3900   1st Qu.:3350  
 Median :17.30   Median :197    Median :4300   Median :3650  
 Mean   :17.16   Mean   :201    Mean   :4546   Mean   :3862  
 3rd Qu.:18.70   3rd Qu.:213    3rd Qu.:5312   3rd Qu.:4550  
 Max.   :21.50   Max.   :231    Max.   :6300   Max.   :5200  
                                NA's   :165    NA's   :168   
# La función glimpse es otra forma de mostrar los datos
# sobre todo cuando son muchas variables
# Muestra tambien el tipo de dato por variable
# Permite mostrar la estructura de datos de forma más ordenada
datos_pinguinos |> 
  glimpse()
Rows: 333
Columns: 8
$ X              <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, …
$ SPECIES        <chr> "Adelie", "Adelie", "Adelie", "Adelie", "Adelie", "Adel…
$ ISLAND.        <chr> "Torgersen", "Torgersen", "Torgersen", "Torgersen", "To…
$ bill.lenght    <dbl> 39.1, 39.5, 40.3, 36.7, 39.3, 38.9, 39.2, 41.1, 38.6, 3…
$ bill.depth     <dbl> 18.7, 17.4, 18.0, 19.3, 20.6, 17.8, 19.6, 17.6, 21.2, 2…
$ flipper.lenght <int> 181, 186, 195, 193, 190, 181, 195, 182, 191, 198, 185, …
$ MALE           <int> 3750, NA, NA, NA, 3650, NA, 4675, NA, 3800, 4400, NA, N…
$ FEMALE         <int> NA, 3800, 3250, 3450, NA, 3625, NA, 3200, NA, NA, 3700,…

6.4 Limpieza de nombre de variables

Si bien la limpieza de los datos es un elemento importante al visualizar datos, no es un tema que veremos en este curso, sin embargo podemos evaluar si el nombre de las variables no están normalizados, que tengan espacios en blanco, ya que R los carga con um punto (.), además de que algunas están en mayúscula y otra en minuscula. Por otro lado podemso eliminar las columnas irrelavntes como la columna X en el tibble, que no representa ningún datos de interés en la tabla.

# Nombre de las variables
datos_pinguinos |> 
  names()
[1] "X"              "SPECIES"        "ISLAND."        "bill.lenght"   
[5] "bill.depth"     "flipper.lenght" "MALE"           "FEMALE"        
# limpieza y normalización de nombres de las variables con janitor
datos_pinguinos <- janitor::clean_names(datos_pinguinos)

# eliminar primera columna
datos_pinguinos <- datos_pinguinos[,-1]
datos_pinguinos |> 
  names()
[1] "species"        "island"         "bill_lenght"    "bill_depth"    
[5] "flipper_lenght" "male"           "female"        
# Resumen de datos
datos_pinguinos |> 
  glimpse()
Rows: 333
Columns: 7
$ species        <chr> "Adelie", "Adelie", "Adelie", "Adelie", "Adelie", "Adel…
$ island         <chr> "Torgersen", "Torgersen", "Torgersen", "Torgersen", "To…
$ bill_lenght    <dbl> 39.1, 39.5, 40.3, 36.7, 39.3, 38.9, 39.2, 41.1, 38.6, 3…
$ bill_depth     <dbl> 18.7, 17.4, 18.0, 19.3, 20.6, 17.8, 19.6, 17.6, 21.2, 2…
$ flipper_lenght <int> 181, 186, 195, 193, 190, 181, 195, 182, 191, 198, 185, …
$ male           <int> 3750, NA, NA, NA, 3650, NA, 4675, NA, 3800, 4400, NA, N…
$ female         <int> NA, 3800, 3250, 3450, NA, 3625, NA, 3200, NA, NA, 3700,…

6.5 Transformación de variables

El resumen de datos tambien permite identificar las variables por tipo, en este caso, dos variables han sido identificadas de tipo caracter species, island, pero realmente son variables categoricas. Una representa las especies de pinguinos y la otra la isla donde se realizo la observación, por lo que debe realizarse su transformación a tipo categórico o en este caso tipo factor.

#Verifcar si una variable tiene datos cualitaticos repetidos 
# lo que indica que puede ser una var categorica
table(datos_pinguinos$species)

   Adelie Chinstrap    Gentoo 
      146        68       119 
#resultado
# Adelie Chinstrap    Gentoo 
#  146        68       119 


# Transformar variables de tipo caracter a factor
datos_pinguinos$species <- as.factor(datos_pinguinos$species)
datos_pinguinos$island<- as.factor(datos_pinguinos$island)

datos_pinguinos |> 
  glimpse()
Rows: 333
Columns: 7
$ species        <fct> Adelie, Adelie, Adelie, Adelie, Adelie, Adelie, Adelie,…
$ island         <fct> Torgersen, Torgersen, Torgersen, Torgersen, Torgersen, …
$ bill_lenght    <dbl> 39.1, 39.5, 40.3, 36.7, 39.3, 38.9, 39.2, 41.1, 38.6, 3…
$ bill_depth     <dbl> 18.7, 17.4, 18.0, 19.3, 20.6, 17.8, 19.6, 17.6, 21.2, 2…
$ flipper_lenght <int> 181, 186, 195, 193, 190, 181, 195, 182, 191, 198, 185, …
$ male           <int> 3750, NA, NA, NA, 3650, NA, 4675, NA, 3800, 4400, NA, N…
$ female         <int> NA, 3800, 3250, 3450, NA, 3625, NA, 3200, NA, NA, 3700,…

6.6 Tidy data

Un elemento importante en los datos que utiliza ggplot, no es solo el la estructura de la tabla (tibble o dataframe) ya que es posible generar visualizaciones utilizando cualquiera de la datos, lo que si es relevante es es ggplot solo trabaja con datos tipo tidy o datos ordenados.

La librería dplyr, ggplot2 y todos los demás paquetes de tidyverse están diseñados para funcionar con datos ordenados.

Hay tres reglas interrelacionadas que hacen que un conjunto de datos esté ordenado son:

  • Cada variable debe tener su propia columna.
  • Cada observación debe tener su propia fila.
  • Cada valor debe tener su propia celda.

datos_pinguinos |> 
  head(10)
# A tibble: 10 × 7
   species island    bill_lenght bill_depth flipper_lenght  male female
   <fct>   <fct>           <dbl>      <dbl>          <int> <int>  <int>
 1 Adelie  Torgersen        39.1       18.7            181  3750     NA
 2 Adelie  Torgersen        39.5       17.4            186    NA   3800
 3 Adelie  Torgersen        40.3       18              195    NA   3250
 4 Adelie  Torgersen        36.7       19.3            193    NA   3450
 5 Adelie  Torgersen        39.3       20.6            190  3650     NA
 6 Adelie  Torgersen        38.9       17.8            181    NA   3625
 7 Adelie  Torgersen        39.2       19.6            195  4675     NA
 8 Adelie  Torgersen        41.1       17.6            182    NA   3200
 9 Adelie  Torgersen        38.6       21.2            191  3800     NA
10 Adelie  Torgersen        34.6       21.1            198  4400     NA

Adicional a estas tres reglas podemos identificar datos no ordenados porque:

  • Los encabezados de columna son valores, no nombres de variables
  • Las variables se almacenan tanto en filas como en columnas.
  • Los datos de una supuesta variable están en diferentes columnas.

En el caso del tibble datos_pinguinos se observa que existen dos variables male y female que contienen los valores de la masa corporal de los pinguinos body_mass_g.

Dentro de las reglas de los datos tidy, cada variable debe tener su propia columna, La masa corporal de los pinguinos debiera estar en una sola columan y no separada en las variables male y female, por otro lado, los encabezados de columna son valores, no nombres de variables, las variables male y female dibieran ser una variable del tipo sexo.

Esto indica que esta tibble datos_pinguinos no esta ordenado, este tipo de tabla se conoce como data wider o tabla ancha, por lo que debemos tranasformar estos datos, data larga o data longer. Para ellos haremos usos de las funciones pivotes de R, especificamente pivot_longer().

# Transformar  a datos tidy
# Para transformar los datos a tidy, se identifican las columnas o variables 
# que se desean unir y convertir en una sola variable
# se coloca el nombre de la nueva variable con names_to
# los datos que contenian las variable male y female pasan a otra variable 
# a través de values_to.

datos_pinguinos_tidy <- datos_pinguinos |> 
                           pivot_longer(c("male":"female"), 
                           names_to = "sex", 
                           values_to = "body_mass_g")

# numero de observaciones generadas 666
nrow(datos_pinguinos_tidy)
[1] 666
datos_pinguinos_tidy |> 
  head(10)
# A tibble: 10 × 7
   species island    bill_lenght bill_depth flipper_lenght sex    body_mass_g
   <fct>   <fct>           <dbl>      <dbl>          <int> <chr>        <int>
 1 Adelie  Torgersen        39.1       18.7            181 male          3750
 2 Adelie  Torgersen        39.1       18.7            181 female          NA
 3 Adelie  Torgersen        39.5       17.4            186 male            NA
 4 Adelie  Torgersen        39.5       17.4            186 female        3800
 5 Adelie  Torgersen        40.3       18              195 male            NA
 6 Adelie  Torgersen        40.3       18              195 female        3250
 7 Adelie  Torgersen        36.7       19.3            193 male            NA
 8 Adelie  Torgersen        36.7       19.3            193 female        3450
 9 Adelie  Torgersen        39.3       20.6            190 male          3650
10 Adelie  Torgersen        39.3       20.6            190 female          NA

Al mostrar los datos en formato tidy, podemos observar que si se realizó el pivote de la tabla y se crearon las nuevas variables sex y body_mass_g, sin embargo, había valores vacios (NA) en la tabla original que tambien se cargaron en esta tabla ordenada. Para eliminar estos datos debemos realizar nuevamente el proceso de pivoteo e indicarle a pivot_longer() con values_drop_na = TRUE que elimine los datos vacios.

# transformar a datos tidy eliminados filas vacias

datos_pinguinos <- datos_pinguinos |> 
                           pivot_longer(c("male":"female"), 
                           names_to = "sex", 
                           values_to = "body_mass_g",
                           values_drop_na = TRUE)

# numero de observaciones generadas 333
nrow(datos_pinguinos)
[1] 333
# Resumend de datos , donde ya no se muestran los datos NA
datos_pinguinos |> 
  head(10)
# A tibble: 10 × 7
   species island    bill_lenght bill_depth flipper_lenght sex    body_mass_g
   <fct>   <fct>           <dbl>      <dbl>          <int> <chr>        <int>
 1 Adelie  Torgersen        39.1       18.7            181 male          3750
 2 Adelie  Torgersen        39.5       17.4            186 female        3800
 3 Adelie  Torgersen        40.3       18              195 female        3250
 4 Adelie  Torgersen        36.7       19.3            193 female        3450
 5 Adelie  Torgersen        39.3       20.6            190 male          3650
 6 Adelie  Torgersen        38.9       17.8            181 female        3625
 7 Adelie  Torgersen        39.2       19.6            195 male          4675
 8 Adelie  Torgersen        41.1       17.6            182 female        3200
 9 Adelie  Torgersen        38.6       21.2            191 male          3800
10 Adelie  Torgersen        34.6       21.1            198 male          4400
#transformar la variable sex a factor
datos_pinguinos$sex <- as.factor(datos_pinguinos$sex)

# write.csv(datos_pinguinos, "data/data_penguins_clean.csv")

6.7 Resumen numérico del tibble

Hcemos un resumen del tiible, donde se muestra el número de observaciones, variables y tipos de datos que contiene la tabla con las modificaciones realizadas.

# Resumen Numérico de la tabla
datos_pinguinos |>  
   skim()
Data summary
Name datos_pinguinos
Number of rows 333
Number of columns 7
_______________________
Column type frequency:
factor 3
numeric 4
________________________
Group variables None

Variable type: factor

skim_variable n_missing complete_rate ordered n_unique top_counts
species 0 1 FALSE 3 Ade: 146, Gen: 119, Chi: 68
island 0 1 FALSE 3 Bis: 163, Dre: 123, Tor: 47
sex 0 1 FALSE 2 mal: 168, fem: 165

Variable type: numeric

skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
bill_lenght 0 1 43.99 5.47 32.1 39.5 44.5 48.6 59.6 ▃▇▇▆▁
bill_depth 0 1 17.16 1.97 13.1 15.6 17.3 18.7 21.5 ▅▆▇▇▂
flipper_lenght 0 1 200.97 14.02 172.0 190.0 197.0 213.0 231.0 ▂▇▃▅▃
body_mass_g 0 1 4207.06 805.22 2700.0 3550.0 4050.0 4775.0 6300.0 ▃▇▅▃▂

7 Gráfico de Histograma

Un histograma visualiza la distribución y frecuencia datos durante un intervalo continuo o un período de tiempo determinado de una varible numérica. Cada barra en un histograma representa la frecuencia tabulada en cada intervalo tambien llamado bin.
Los histogramas ayudan a dar una estimación de dónde se concentran los valores, cuáles son los extremos y si hay valores inusuales.

7.1 Crear histograma en R

Se pueden construir histogramas con ggplot2 utilizando la variable numérica flipper_lenght y la geometría geom_histogram(). En ggplot el número de bins o intervalos predeterminado es de 30.
Este historgrama muestra una distribución de los datos entre los valores de 170 a 230 no simétrica y los valores que más se repiten están entre los intervalos 180 a 200.

# Gráfico de histograma
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram()
`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

7.2 Modifcar el número de bins

Al modificar el número de intervalos, ene este caso menos intervalos, más datos se agrupan en cada intervalo, por lo que el el eje de las y, tiende a incrementarse.

# Modificar número de bins
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(bins = 15)

7.3 Modificar color de las líneas

Utilizando nuevamente el intervalo de 30, es un poco complicado poder identifcarlos con claridad, es por ello que modiricaremos el color de linea de cada intervalo con la propiedad color =“#ffffff”. El valor entre comilla representa el color hexadecimal del blanco.

# Modificar el color de las lineas
# Bins predeterminados = 30
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(color ="#ffffff", bins = 30)

7.4 Modificar color de relleno bins

Para modificar el color del relleno de cada intervalo utilizamos la función fill.
Los colores se pueden colocar con el nombre del color o con el código hexadecimal.
Colores como nombre
Colores hexadecimales

# Gráfico de histograma con colores en los bins para identificar 
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(color ="#ffffff" , 
                 fill = "#EF3C49", 
                 bins = 30)

7.5 Añadir datos al gráfico

Para añadir datos del conteo de la sobservaciones en un histograma, podemos utilizar la función stat_bin(), a esta función se le añade las propiedades label=..count.. , que realiza el conteo por bins, además de la propiedad geom=“text” que indica que la propiedad es de tipo texto.

# Gráfico de histograma con colores en los bins para identificar 
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(color ="#ffffff" , 
                 fill = "#EF3C49", 
                 bins=30)+
  stat_bin(aes(label=..count..), 
            geom="text")
`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

7.6 Ajustar datos en gráfico

Se puede ajustar la posición del texto utilizando las propiedades vjuts (posicion vertical) y hjust(posición horizontal) en la función stat_bin().

# Gráfico de histograma con colores en los bins para identificar 
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(color ="#ffffff" , 
                 fill = "#EF3C49", 
                 bins=30)+
  stat_bin(aes(label=..count..), 
           vjust=-0.1, 
           hjust= 0.5,  
           geom="text")
`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

7.7 Datos en gráfico (bins)

Es importante resaltar que el bins=30 es el valor predeterminado en un histograma, si el valor se modifica como en el ejemplo, este valor se debe modificar tambien en stat_bin() , sino los datos no coincidiran en el gráfico.

# Gráfico de histograma con bins =15
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(color ="#ffffff" , 
                 fill = "#EF3C49", 
                 bins=15)+
  stat_bin(aes(label=..count..), 
           vjust=-0.1, 
           hjust= 0.5,  
           geom="text")
`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

# Gráfico de histograma con bins =15 en el histograma y en el texto
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(color ="#ffffff" , 
                 fill = "#EF3C49", 
                 bins=15)+
  stat_bin(aes(label=..count..), 
           vjust=-0.1, 
           hjust= 0.5,  
           geom="text",
           bins = 15)

7.8 Añadir info al gráfico

Para añadir una linea que intercepte o se dibuje en una posición x del gráfico se utilia la función geom_vline(). xintercept = posición de intersección de la línea.
color = color de la línea.
size = tamaño de la línea.

Valor y tipo de linea linetype = 0 linetype = “blank” * linetype = 1 linetype = “solid” * linetype = 2 linetype = “dashed” * linetype = 3 linetype = “dotted” * linetype = 4 linetype = “dotdash” * linetype = 5 linetype = “longdash” * linetype = 6 linetype = “twodash”

#calculo de la media y la mediana
media <- mean(datos_pinguinos$flipper_lenght)
media
[1] 200.967
mediana <- median(datos_pinguinos$flipper_lenght)
mediana
[1] 197
# Gráfico de histograma con colores en los bins para identificar 
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(color ="#ffffff", 
                 fill = "#EF3C49", 
                 bins=30)+
  geom_vline(xintercept = mediana, size = 1) +
  geom_vline(xintercept = media, size = 1, linetype = "dashed", color="blue") 

# Asimétrica, tiene sesgo a la Derecha (cola a la derecha)

7.9 Histograma y densidad

Podemos añadir un gráfico de densidad (poligono) junto al gráfico de histograma utilizando la función geom_density() en una nueva capa y la estetica en el histograma aes(y = ..density..), recordando que para añadir esta nueva geometria, hay que colocar el signo de + al final del cierre del parentesis de geom_histogram .

# Gráfico de histograma con grafico de densidad
# lwd=1.5 , representa el grosor del borde del
# grafico de densidad
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(aes(y = ..density..), 
                 color ="#ffffff", 
                 fill = "#EF3C49", 
                 bins=30)+
  geom_density(lwd=1.5, colour = "blue")

7.10 Histograma con variable categorica

Es posible utilizar una variable categórica en un histograma, en este caso la variable sex que contiene los valores H y M de los pinguinos. Esta variable representa una estetica del gráfico, por lo tanto debe incluirse dentro de la propiedad aes() de la geometria geom_histogram() y la utilizaremos para modificar el color de relleno del hostograma.
Como la variable sex tiene dos categorias, ggplot genera dos histogramas de diferentes colores, uno por cada categoria.

# Gráfico de histograma con dos variables
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(aes(fill=sex), 
                 color ="#ffffff", 
                 bins=30)

7.10.1 Añadir datos al histograma

Los códigos para colocar datos al histograma por categoria, es el mismo visto con el de un histograma.

# Gráfico de histograma dos variables
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(aes(fill=sex), 
                 color ="#ffffff", 
                 bins=30)+
  stat_bin(aes(label=..count..), 
           vjust=-0.1, 
           hjust= 0.5,  
           geom="text")
`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

7.10.2 Histograma con transparencia

Podemos utilizar la propiedad alpha (transparencia) en le geometria geom_histograma() con valores de (0 a 1), 1 = 100%.
Para que usar la tarnsparencia?
Cuando creamos este tipo de histogramas la naturaleza de ggplot, es crear los histograma una encima del otro, como si fueran un solo historgrama pero separando la distribución de los datos según la variable sex, esto no permite comprar realmente la distribución de los datos de ambos histogramas.

# Gráfico de histograma con dos variables
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(aes(fill=sex), 
                 color ="#ffffff", 
                 bins=30,
                 alpha=0.5)

7.10.3 Histograma con transparencia (position)

Si utilizamso la propiedad position = “identity” , en la geometria geom_histogram() podemos ver que ahora los histogramas se solapan, ya que uno esta detrás del otro, permitiendo comparar la distribución de los datos.

# Gráfico de histograma con dos variables
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(aes(fill=sex), 
                 color ="#ffffff", 
                 bins=30,
                 alpha=0.5, 
                 position ="identity")

8 Gráfico de boxplot

El Diagrama de Caja y bigotes (box and whisker plot en inglés ) es un tipo de gráfico que muestra un resumen de una gran cantidad de datos en cinco medidas descriptivas, además de intuir su morfología y simetría.

Este tipo de gráficos nos permite identificar valores atípicos y comparar distribuciones de una variable. Además de conocer de una forma cómoda y rápida como el 50% de los valores centrales se distribuyen, para ello utilizamos la geometria geom_boxplot().

Se puede detectar los siguientes valores en el gráfico:

  • Primer cuartil: representa el 25% de los datos.
  • Tercer cuartil: representa el 75% de los datos acumulados..
  • Mediana o Segundo Cuartil: Divide en dos partes iguales la distribución, acumula el 50% de los datos.
  • Rango Intercuartílico (RIC): representa el 50% intermedio de los datos. Muestra la distancia entre el primer cuartil y el tercer cuartil (Q3-Q1).
  • Vloares mínimo y máximo.
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_boxplot()

# valores de un boxplot
summary(datos_pinguinos$flipper_lenght)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
    172     190     197     201     213     231

8.1 Boxplot vertical

Para girar el gráfico de boxplot en ggplot, solo debemos cambiar la asignación de la varible x= flipper_lenght a y= flipper_lenght en la estética aes().

datos_pinguinos |> 
  ggplot(aes(y= flipper_lenght)) +
  geom_boxplot()

8.2 Boxplot con distribución de puntos

Para añadir los puntos de distribución en el gráfico del boxplot debemos hacer dos pasos: 1. Añadir el eje y=0 en el aes()
2. Utrilizar le geometría geom_jitter().

datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght, y=0)) +
  geom_boxplot()+
  geom_jitter()

8.3 Boxplot con colores

Para modificar la apariencia del gráfico de boxplot, debemos de modificar las propiedades en la geomatria geom_boxplot(). * color = colore e la linea del boxplot * fill = color de la caja, si utilizamos **fill=“transparente”* la caja es trasnparente. * size = grosor de la linea del boxplot.

datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght, y=0)) +
  geom_boxplot(color = "red", 
               fill = "lightsalmon", 
               size = 1)+
  geom_jitter()

8.4 Boxplot con dos variables

Se queremos utilizar dos variables para comparar sus distribución, debemos utilizar una variable categorica island en el valor de X o Y en función de si queremso mostrar el boxplot horizontal o verical.

datos_pinguinos |> 
  ggplot(aes(y= flipper_lenght, x=island)) +
  geom_boxplot()+
  geom_jitter()

8.5 Boxplot con dos variables - colores)

Se queremos darle un color diferente a cada boxplot, colocamos en la geoametria del gráfico la propiedad fill=variable categorica, con ello se creará un color para cada boxplot.

datos_pinguinos |> 
  ggplot(aes(y= flipper_lenght, x=island)) +
  geom_boxplot(aes(fill=island))+
  geom_jitter()

9 Gráfico Ridge

Los diagramas de crestas ridges son diagramas de líneas parcialmente superpuestas que crean la impresión de una cadena montañosa. Pueden resultar muy útiles para visualizar cambios en las distribuciones a lo largo del tiempo o el espacio. Para su creación es necesario utilizar la geometria geom_density_ridges() que se encuentra en la libreria ggridges. A diferencia del diagrama de densidad e histograma, este tipo de gráfico necesita que se identifique los valores de X y Y en la estética aes() de ggplot.

# Gráfico Ridge son color
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght,
         y=island)) +
   geom_density_ridges()
Picking joint bandwidth of 3.23

# Gráfico Ridge  color relleno
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght,
         y=island)) +
   geom_density_ridges(fill="salmon")
Picking joint bandwidth of 3.23

9.1 Gráfico Ridge - color

Para modificar el color del relleno en los gráficos tipo Ridge utilizamos la porpiedad fill y la variable island que indica el númeor de categorias, estas deben estar integradas en la estetica aes() de la geoametria geom_density_ridges.

# dos variable en el color de la lineas
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght,
         y=island)) +
   geom_density_ridges(aes(fill=island))
Picking joint bandwidth of 3.23

9.2 Gráfico Ridge - color palette

Podemos modificar el relleno en los gráficos tipo Ridge con colores diferentes a los colores predeterminados utilizando scale_fill_brewer y algún tipo de paleta de colores en ggplot. En otro de los temas veremos el uso de estas paletas de colores.

# colores con paleta de colores 1
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght,
         y=island)) +
   geom_density_ridges(aes(fill=island))+
  scale_fill_brewer(palette = "Blues")
Picking joint bandwidth of 3.23

# colores con paleta de colores 2
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght,
         y=island)) +
   geom_density_ridges(aes(fill=island))+
  scale_fill_brewer(palette = "Pastel2")
Picking joint bandwidth of 3.23

# colores con paleta de colores 8
datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght,
         y=island,
         fill=island)) +
   geom_density_ridges()+
  scale_fill_brewer(palette = "Spectral")
Picking joint bandwidth of 3.23

10 Facetas

Las facetas son una forma más ordenada de mostrar los gráficos que muestran varias categorias, para ello debemos utilizar la geometria facet_grid() con el nombre de la variable. Los simbolos .~ antes de la variable sex le indica a la faceta que debe colocar los gráficos categorizados en columnas, es decir uno al lado del otro.

datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(aes(fill=sex), 
                 color ="#ffffff", 
                 bins=30, 
                 position ="identity")+
  facet_grid(.~sex)

10.1 Recomendación 1

Cuando se utilizan facetas para mostrar distribuciones por grupo, permite comparar las distribuciones por una variable categorica, sin emabrgo al separar los datos es importante mirar el eje x donde el rango de distribución del sexo male es mayor, por lo que por recomendación es recomendable mantener los ejes iguales modificando los valores con la función xlim(170,240) colocando los rangos de la distribución.

datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(aes(fill=sex), 
                 color ="#ffffff", 
                 bins=30, 
                 position ="identity")+
  facet_grid(.~sex)+
  xlim(170,240)
Warning: Removed 4 rows containing missing values (`geom_bar()`).

10.2 Recomendación 2

Otra opción en el uso de facetas para no modificar el eje x, es usar las facetas en foamto de filas.
Para generar las fectas en filas, debemos utilizar los simbolos ~. despues de la variable sex le indica a la faceta que debe colocar los gráficos categorizados en filas, uno debajo del otro. Esto permite una mejor comparación de los histogramas con las mismas coordenasd en el eje x.

datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(aes(fill=sex), 
                 color ="#ffffff", 
                 bins=30, 
                 position ="identity")+
  facet_grid(sex~.)

10.3 Titulos y nombre de ejes

Los simbolos ~. despues de la variable sex le indica a la faceta que debe colocar los gráficos categorizados en filas, uno debajo del otro. Esto permite una mejor comparación de los histogramas.

datos_pinguinos |> 
  ggplot(aes(x= flipper_lenght)) +
  geom_histogram(aes(fill=sex), 
                 color ="#ffffff", 
                 bins=30, 
                 position ="identity")+
  facet_grid(sex~.)+
  labs(title = "Distribución de las longuitud de la aleta de los pinguinos por sexo",
       subtitle = "Datos de las islas...",
       x="Lonuitud",
       y="Cantidad",
       fill="Sexo")

11 Práctica

Crear gráfico de histograma utilizando los datos INEC-morbilidad-2023-10-14.csv que se encuentran en la carpeta data.
Al cargar los datos debe filtralos por la región de “PANAMA METRO” y crear un nuevo tibble llamado inec_0 con los nuevos datos.
En el gráfico debe utilizar el tibble inec_0 y filtrar los datos por casos mayores a 20. Utilizar facetas basado en la variable Genero.

Gráfico de resultado: