Apresentação

• Marcus Nunes, professor do Departamento de Estatística da UFRN

• Big Data

• Visualização de dados

• http://marcusnunes.me/

• marcus@marcusnunes.me

Preparação

• Curso em duas partes

• Hoje: introdução ao ggplot2 e ao dplyr

• Ideias básicas, mudança de paradigma e exemplos

• Amanhã: aula prática

• Análise de dados de gastos de deputados federais

Preparação

• O material deste curso está disponível em um pacote no R

• Este pacote poder ser instalado com os comandos

install.packages("devtools")
devtools::install_github("mnunes/curso.ggplot2", build_vignettes=TRUE)

• Para ter acesso ao material em seu computador, carregue o pacote normalmente através do comando

library(curso.ggplot2)

Preparação

• Além dos conjuntos de dados, este pacote vem com um tutorial idêntico a este conjunto de slides. Basta rodar

vignette("curso.ggplot2")

para acessá-lo dentro da sua instalação do R ou do RStudio

Introdução

• ggplot2 é um pacote de visualização de dados

• Foi criado por Hadley Wickham em 2007, baseado no livro Grammar of Graphics, de Leland Wilkinson

• A ideia principal é criar gráficos como se eles fossem frases de uma língua, onde cada elemento do gráfico é uma palavra

Introdução

• Isto nos permite construir gráficos tão complexos quanto quisermos

• Os gráficos criados com esta ferramenta são, em geral, mais bonitos do que os gráficos tradicionais do R

Introdução

• Entretanto, esta versatilidade tem dois custos associados:

  • A curva de aprendizagem do ggplot2 é um pouco maior do que das funções gráficas tradicionais do R (por exemplo, plot, boxplot e hist)

  • É uma ferramenta um pouco mais lenta para exibir os resultados dos gráficos criados

Introdução

• Por exemplo, veja o gráfico do próximo slide

• Este gráfico foi criado com ggplot2, utilizando poucas linhas de código

• Como seria possível criá-lo utilizando as ferramentas tradicionais do R?

Introdução

Sintaxe Básica

• O ggplot2 exige que os dados a serem plotados estejam em um data frame

• Não é possível plotar diretamente os dados presentes em uma matriz ou um vetor

• Sempre teremos que transformar os dados para data frame ou construir um data frame com os dados que possuímos

Sintaxe Básica

• Cada gráfico é formado por sete camadas: dados, estética, geometria, facets, estatística, coordenadas e tema

• As três primeiras são fundamentais: todo gráfico vai possuí-las

  • dados: consistem na camada base; a partir dos dados que pensaremos quais variáveis serão trabalhadas

  • estética: consiste nas variáveis selecionadas para plotagem, agrupamento, coloração etc.

  • geometria: camada onde definimos as formas dos elementos gráficos, tais como pontos, linhas e e intervalos

Sintaxe Básica

• As quatro seguintes são opcionais: elas permitem que personalizemos nossas visualizações

  • facets: útil quando desejamos dividir informações do gráfico para uma melhor visualização, podendo ser utilizada para comparações de grupos

  • estatística: é a camada que representa a análise dos dados, caso eles sejam transformados

  • coordenadas: informa onde o gráfico será construído, se em coordenadas cartesianas ou polares, por exemplo

  • tema: é a última camada, referente à visualização geral do gráfico

Sintaxe Básica

• Trabalharemos com o conjunto de dados sleepstudy

• Originalmente, este conjunto de dados faz parte do pacote lme4

• Carregue este arquivo na memória do R através do comando

library(curso.ggplot2)
data("sleepstudy")

Sintaxe Básica

• Verifique se está tudo correto através dos comandos

str(sleepstudy)
#> Classes 'tbl_df', 'tbl' and 'data.frame':    180 obs. of  3 variables:
#>  $ Reaction: num  250 259 251 321 357 ...
#>  $ Days    : num  0 1 2 3 4 5 6 7 8 9 ...
#>  $ Subject : Factor w/ 18 levels "308","309","310",..: 1 1 1 1 1 1 1 1 1 1 ...
head(sleepstudy)
#> # A tibble: 6 x 3
#>   Reaction  Days Subject
#>      <dbl> <dbl> <fct>  
#> 1     250.     0 308    
#> 2     259.     1 308    
#> 3     251.     2 308    
#> 4     321.     3 308    
#> 5     357.     4 308    
#> 6     415.     5 308

Sintaxe Básica

• Este conjunto de dados reporta o tempo médio de reação (Reaction) de 18 voluntários após um certo número de dias (Days) em que eles dormiram 3 horas por noite

• Queremos fazer a análise exploratória deste conjunto de dados

• O objetivo ao final é que consigamos entender como construir o gráfico que vimos alguns slides atrás

Sintaxe Básica

Sintaxe Básica - Gráfico de Dispersão

• O comando principal a ser utilizado se chama ggplot

• Através dele vamos definir qual é a variável preditora e qual é a variável resposta em nosso conjunto de dados

• O comando básico a partir do qual vamos gerar todos os gráficos é

ggplot(dados, aes(x=Preditora, y=Resposta))

Sintaxe Básica - Gráfico de Dispersão

ggplot(sleepstudy, aes(x=Days, y=Reaction))

Sintaxe Básica - Gráfico de Dispersão

Sintaxe Básica - Gráfico de Dispersão

ggplot(sleepstudy, aes(x=Days, y=Reaction)) +
  geom_point()

Sintaxe Básica - Gráfico de Dispersão

Sintaxe Básica - Gráfico de Dispersão

ggplot(sleepstudy, aes(x=Days, y=Reaction)) +
  geom_point() +
  labs(x="Dias", y="Tempo de Reação (ms)", title="Estudo sobre Fadiga")

Sintaxe Básica - Gráfico de Dispersão

Sintaxe Básica - Gráfico de Dispersão

ggplot(sleepstudy, aes(x=Days, y=Reaction)) +
  geom_point() +
  labs(x="Dias", y="Tempo de Reação (ms)", title="Estudo sobre Fadiga") +
  scale_x_continuous(breaks=seq(0, 9, 3))

Sintaxe Básica - Gráfico de Dispersão

Sintaxe Básica - Gráfico de Dispersão

ggplot(sleepstudy, aes(x=Days, y=Reaction)) +
  geom_point() +
  labs(x="Dias", y="Tempo de Reação (ms)", title="Estudo sobre Fadiga") +
  scale_x_continuous(breaks=seq(0, 9, 3)) +
  facet_wrap(~ Subject, nrow=3)

Sintaxe Básica - Gráfico de Dispersão

Sintaxe Básica - Gráfico de Dispersão

ggplot(sleepstudy, aes(x=Days, y=Reaction)) +
  geom_point() +
  labs(x="Dias", y="Tempo de Reação (ms)", title="Estudo sobre Fadiga") +
  scale_x_continuous(breaks=seq(0, 9, 3)) +
  facet_wrap(~ Subject, nrow=3) +
  geom_smooth(method="lm", se=FALSE, colour="black")

Sintaxe Básica - Gráfico de Dispersão

Sintaxe Básica - Boxplot

ggplot(sleepstudy, aes(x=Subject, y=Reaction)) +
  geom_boxplot() +
  labs(x="Sujeito", y="Tempo de Reação (ms)", title="Estudo de Fadiga - Boxplots")

Sintaxe Básica - Boxplot

Sintaxe Básica - Boxplot

ggplot(sleepstudy, aes(x="", y=Reaction)) +
  geom_boxplot() +
  labs(x="Sujeito", y="Tempo de Reação (ms)", title="Estudo de Fadiga - Boxplots") +
  facet_wrap(~ Subject, nrow=3)

Sintaxe Básica - Boxplot

Sintaxe Básica - Boxplot

ggplot(sleepstudy, aes(x="", y=Reaction)) +
  geom_boxplot() +
  labs(x="Sujeito", y="Tempo de Reação (ms)", title="Estudo de Fadiga - Boxplots") +
  facet_wrap(~ Subject, nrow=3, scales="free_y")

Sintaxe Básica - Boxplot

Sintaxe Básica - Histograma

ggplot(sleepstudy, aes(x=Reaction)) +
  geom_histogram(binwidth=20)

Sintaxe Básica - Histograma

Sintaxe Básica - Histograma

ggplot(sleepstudy, aes(x=Reaction)) +
  geom_histogram(binwidth=20) +
  labs(x="Tempo de Reação (ms)", y="Frequência", title="Estudo de Fadiga - Histograma")

Sintaxe Básica - Histograma

Sintaxe Básica - Histograma

ggplot(sleepstudy, aes(x=Reaction)) +
  geom_histogram(binwidth=20) +
  labs(x="Tempo de Reação (ms)", y="Frequência", title="Estudo de Fadiga - Histogramas") +
  facet_wrap(~ Subject, nrow=3)

Sintaxe Básica - Histograma

Sintaxe Básica - Histograma

ggplot(sleepstudy, aes(x=Reaction)) +
  geom_histogram(aes(y=..density..), binwidth=20) +
  labs(x="Tempo de Reação (ms)", y="Frequência", title="Estudo de Fadiga - Histogramas") +
  facet_wrap(~ Subject, nrow=3) +
  geom_density(colur="red")

Sintaxe Básica - Histograma

dplyr

• O pacote dplyr é utilizado para manipular dados

• Foi lançado por Hadley Wickham, Romain François, Lionel Henry e Kirill Müller em 2014

• Segue as ideias principais do ggplot2: criar uma gramática de análise de dados, como se comandos fossem verbos e frases pudessem ser construídas a partir deles

dplyr

• Isto nos permite manipular dados para extrairmos informações tão complexas quanto quisermos

• O código utilizado para fazer estas manipulações é, em geral, mais limpo e enxuto do que os códigos tradicionais do R

• Código mais limpo é mais fácil de ser auditado por outras pessoas e por nós mesmos no futuro, quando tivermos que procurar bugs

dplyr

• O dplyr possui algumas funções bastante simples

• Entretanto, quando combinadas, elas produzem uma infinidade de resultados diferentes

dplyr

• Algumas destas funções são as seguintes:
  • `select: seleciona variáveis baseada em seus nomes (colunas)
  • filter: selecionas casos baseados em seus valores (linhas)
  • summarise: resume múltiplos valores a apenas um
  • arrange: muda a ordem das linhas
  • mutate: cria novas variáveis em função de outras já existentes

dplyr

• Vamos ver como utilizar as funções select e filter

• O funcionamento básico delas nos ajudará a entender como utilizar as demais funções do pacote

• Vamos utilizar o conjunto de dados gapminder para aprender a utilizar o dplyr

dplyr

data(gapminder)
str(gapminder)
#> Classes 'tbl_df', 'tbl' and 'data.frame':    3313 obs. of  6 variables:
#>  $ pais        : Factor w/ 187 levels "Afghanistan",..: 1 1 1 1 1 1 1 1 1 1 ...
#>  $ continente  : Factor w/ 6 levels "Africa","Americas",..: 3 3 3 3 3 3 3 3 3 3 ...
#>  $ ano         : int  1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 ...
#>  $ expVida     : num  28.8 30.3 32 34 36.1 ...
#>  $ pop         : int  8425333 9240934 10267083 11537966 13079460 14880372 12881816 13867957 16317921 22227415 ...
#>  $ pibPerCapita: num  779 821 853 836 740 ...

dplyr

select(gapminder, pibPerCapita)
#> # A tibble: 3,313 x 1
#>    pibPerCapita
#>           <dbl>
#>  1         779.
#>  2         821.
#>  3         853.
#>  4         836.
#>  5         740.
#>  6         786.
#>  7         978.
#>  8         852.
#>  9         649.
#> 10         635.
#> # ... with 3,303 more rows

dplyr

select(gapminder, pais, pibPerCapita)
#> # A tibble: 3,313 x 2
#>    pais        pibPerCapita
#>    <fct>              <dbl>
#>  1 Afghanistan         779.
#>  2 Afghanistan         821.
#>  3 Afghanistan         853.
#>  4 Afghanistan         836.
#>  5 Afghanistan         740.
#>  6 Afghanistan         786.
#>  7 Afghanistan         978.
#>  8 Afghanistan         852.
#>  9 Afghanistan         649.
#> 10 Afghanistan         635.
#> # ... with 3,303 more rows

dplyr

filter(gapminder, pibPerCapita > 10000)
#> # A tibble: 1,409 x 6
#>    pais      continente   ano expVida      pop pibPerCapita
#>    <fct>     <fct>      <int>   <dbl>    <int>        <dbl>
#>  1 Argentina Americas    1977    68.5 26983828       10079.
#>  2 Argentina Americas    1997    73.3 36203463       10967.
#>  3 Argentina Americas    2007    75.3 40301927       12779.
#>  4 Aruba     Americas    1982    74.1    61569       10875.
#>  5 Aruba     Americas    1987    74.5    65415       17674.
#>  6 Aruba     Americas    1992    74.1    67174       25121.
#>  7 Aruba     Americas    1997    73.0    68341       26484.
#>  8 Aruba     Americas    2002    73.5    70441       26468.
#>  9 Aruba     Americas    2007    74.2    72194       27231.
#> 10 Australia Oceania     1950    69.0  8267337       10031.
#> # ... with 1,399 more rows

dplyr

filter(gapminder, pais=="Brazil")
#> # A tibble: 12 x 6
#>    pais   continente   ano expVida       pop pibPerCapita
#>    <fct>  <fct>      <int>   <dbl>     <int>        <dbl>
#>  1 Brazil Americas    1952    50.9  56602560        2109.
#>  2 Brazil Americas    1957    53.3  65551171        2487.
#>  3 Brazil Americas    1962    55.7  76039390        3337.
#>  4 Brazil Americas    1967    57.6  88049823        3430.
#>  5 Brazil Americas    1972    59.5 100840058        4986.
#>  6 Brazil Americas    1977    61.5 114313951        6660.
#>  7 Brazil Americas    1982    63.3 128962939        7031.
#>  8 Brazil Americas    1987    65.2 142938076        7807.
#>  9 Brazil Americas    1992    67.1 155975974        6950.
#> 10 Brazil Americas    1997    69.4 168546719        7958.
#> 11 Brazil Americas    2002    71.0 179914212        8131.
#> 12 Brazil Americas    2007    72.4 190010647        9066.

dplyr

• Embora os comandos isolados já sejam bastante úteis, o verdadeiro poder deles surge quando os combinamos

• Utilizamos o comando %>%, chamado de pipe, para isto

• Este comando serve para concatenar duas ou mais operações no dplyr

dplyr

• Por exemplo, se quisermos filtrar o país Brazil e obter apenas as colunas ano e pibPerCapita, fazemos o seguinte:

dplyr

gapminder %>%
  filter(pais=="Brazil") %>%
  select(ano, pibPerCapita)
#> # A tibble: 12 x 2
#>      ano pibPerCapita
#>    <int>        <dbl>
#>  1  1952        2109.
#>  2  1957        2487.
#>  3  1962        3337.
#>  4  1967        3430.
#>  5  1972        4986.
#>  6  1977        6660.
#>  7  1982        7031.
#>  8  1987        7807.
#>  9  1992        6950.
#> 10  1997        7958.
#> 11  2002        8131.
#> 12  2007        9066.

dplyr

gapminder %>%
  filter(pais=="Brazil") %>%
  select(ano, pibPerCapita) %>%
  print(n=5)
#> # A tibble: 12 x 2
#>     ano pibPerCapita
#>   <int>        <dbl>
#> 1  1952        2109.
#> 2  1957        2487.
#> 3  1962        3337.
#> 4  1967        3430.
#> 5  1972        4986.
#> # ... with 7 more rows

dplyr

gapminder %>%
  filter(pais=="Brazil") %>%
  select(ano, pibPerCapita) %>%
  print(n=Inf)
#> # A tibble: 12 x 2
#>      ano pibPerCapita
#>    <int>        <dbl>
#>  1  1952        2109.
#>  2  1957        2487.
#>  3  1962        3337.
#>  4  1967        3430.
#>  5  1972        4986.
#>  6  1977        6660.
#>  7  1982        7031.
#>  8  1987        7807.
#>  9  1992        6950.
#> 10  1997        7958.
#> 11  2002        8131.
#> 12  2007        9066.

dplyr

• A função group_by permite agrupar observações similares

• Utilizada em conjunto com summarise_all, podemos calcular estatísticas sobre grupos

• Por exemplo, se desejarmos calcular a média de cada variável por continente:

dplyr

gapminder %>%
  group_by(continente) %>%
  na.omit() %>%
  summarise_all(mean)
#> Warning in mean.default(pais): argument is not numeric or logical:
#> returning NA

#> Warning in mean.default(pais): argument is not numeric or logical:
#> returning NA

#> Warning in mean.default(pais): argument is not numeric or logical:
#> returning NA

#> Warning in mean.default(pais): argument is not numeric or logical:
#> returning NA

#> Warning in mean.default(pais): argument is not numeric or logical:
#> returning NA

#> Warning in mean.default(pais): argument is not numeric or logical:
#> returning NA
#> # A tibble: 6 x 6
#>   continente  pais   ano expVida       pop pibPerCapita
#>   <fct>      <dbl> <dbl>   <dbl>     <dbl>        <dbl>
#> 1 Africa        NA 1979.    49.0  9728850.        2176.
#> 2 Americas      NA 1980.    67.1 39416728.       10803.
#> 3 Asia          NA 1980.    62.4 95444180.       10074.
#> 4 Europe        NA 1979.    72.7 15315944.       16551.
#> 5 FSU           NA 1992.    68.8 31793002.        7327.
#> 6 Oceania       NA 1982.    69.7  5424172.       14057.

dplyr

• A função summarise permite que trabalhemos com apenas uma das colunas

• Além disso, não é necessário ficar restrito a apenas uma estatística

dplyr

gapminder %>%
  group_by(continente) %>%
  summarise(Media=mean(expVida), DesvPad=sd(expVida))
#> # A tibble: 6 x 3
#>   continente Media DesvPad
#>   <fct>      <dbl>   <dbl>
#> 1 Africa      49.0    9.24
#> 2 Americas    67.1    8.75
#> 3 Asia        62.4   11.8 
#> 4 Europe      72.7    4.51
#> 5 FSU         68.8    2.35
#> 6 Oceania     69.7    7.15

dplyr

gapminder %>%
  group_by(continente) %>%
  summarise(Media=mean(expVida), DesvPad=sd(expVida)) %>%
  arrange(Media)
#> # A tibble: 6 x 3
#>   continente Media DesvPad
#>   <fct>      <dbl>   <dbl>
#> 1 Africa      49.0    9.24
#> 2 Asia        62.4   11.8 
#> 3 Americas    67.1    8.75
#> 4 FSU         68.8    2.35
#> 5 Oceania     69.7    7.15
#> 6 Europe      72.7    4.51

dplyr

gapminder %>%
  group_by(continente) %>%
  summarise(Media=mean(expVida), DesvPad=sd(expVida)) %>%
  arrange(desc(Media))
#> # A tibble: 6 x 3
#>   continente Media DesvPad
#>   <fct>      <dbl>   <dbl>
#> 1 Europe      72.7    4.51
#> 2 Oceania     69.7    7.15
#> 3 FSU         68.8    2.35
#> 4 Americas    67.1    8.75
#> 5 Asia        62.4   11.8 
#> 6 Africa      49.0    9.24

dplyr

gapminder %>%
  group_by(ano) %>%
  count()
#> # A tibble: 58 x 2
#> # Groups:   ano [58]
#>      ano     n
#>    <int> <int>
#>  1  1950    39
#>  2  1951    24
#>  3  1952   144
#>  4  1953    24
#>  5  1954    24
#>  6  1955    24
#>  7  1956    24
#>  8  1957   144
#>  9  1958    25
#> 10  1959    25
#> # ... with 48 more rows

dplyr

• Podemos usar a função mutate para adicionar colunas ao conjunto de dados, realizando operações sobre elas

• Por exemplo, suponha que desejamos converter a coluna pibPerCapita para reais e padronizar as observações de pibPerCapita apenas para o ano de 2007:

dplyr

gapminder %>%
  filter(ano==2007) %>%
  select(pibPerCapita) %>%
  mutate(pibPerCapitaReais=pibPerCapita*3.5, 
         pibPerCapitaPadronizado=scale(pibPerCapita))
#> # A tibble: 183 x 3
#>    pibPerCapita pibPerCapitaReais pibPerCapitaPadronizado
#>           <dbl>             <dbl>                   <dbl>
#>  1         975.             3411.                 -0.826 
#>  2        5937.            20780.                 -0.468 
#>  3        6223.            21782.                 -0.447 
#>  4        4797.            16790.                 -0.550 
#>  5       12779.            44728.                  0.0272
#>  6        4943.            17299.                 -0.539 
#>  7       27231.            95307.                  1.07  
#>  8       34435.           120524.                  1.59  
#>  9       36126.           126443.                  1.72  
#> 10        7709.            26980.                 -0.339 
#> # ... with 173 more rows

Sintaxe Avançada

• Já vimos como preparar alguns dos gráficos mais utilizados na estatística

• Já aprendemos como utilizar o dplyr

• A partir de agora veremos como sofisticar nossas análises descritivas

• Veremos diversos gráficos que combinam e remixam ideias já conhecidas

Sintaxe Avançada - Bubble Chart

library(dplyr)
gapminder %>%
  filter(ano==2007) %>%
  ggplot(., aes(x=log(pibPerCapita), y=expVida, colour=continente)) +
  geom_point(aes(size=pop, alpha=0.25)) +
  labs(x="Logaritmo do PIB per capita", y="Expectativa de Vida ao Nascer", colour="continente")

Sintaxe Avançada - Bubble Chart

Sintaxe Avançada - Histograma Marginal

library(ggExtra)
g <- gapminder %>%
  filter(ano==2007) %>%
  ggplot(., aes(x=log(pibPerCapita), y=expVida, colour=continente)) +
  geom_point(aes(size=pop, alpha=0.25)) +
  labs(x="Logaritmo do PIB per capita", y="Expectativa de Vida ao Nascer", colour="continente")
ggMarginal(g, type = "histogram", fill="transparent")

Sintaxe Avançada - Histograma Marginal

Sintaxe Avançada - Gráfico de Área

gapminder %>%
  filter(pais=="France") %>%
  mutate(variacao=c(0, diff(pibPerCapita))) %>%
  ggplot(., aes(x=ano, y=variacao)) +
  geom_area() +
  labs(x="Ano", y="Variação Anual do PIB per Capita")

Sintaxe Avançada - Gráfico de Área

Sintaxe Avançada - Gráfico de Linha

anos   <- seq(from=1952, to=2007, by=5)
paises <- c("Argentina", "Bolivia", "Brazil", "Chile", "Colombia", "Equador", "Paraguay", "Peru", "Uruguay", "Venezuela")
gapminder %>%
  filter(ano %in% anos) %>%
  filter(pais %in% paises) %>%
  ggplot(., aes(x=ano, y=expVida, colour=pais)) +
  geom_line() +
  labs(x="Ano", y="Expectativa de Vida ao Nascer", colour="Países") +
  scale_x_continuous(breaks=anos)

Sintaxe Avançada - Gráfico de Linha

Sintaxe Avançada - Gráfico de Linha

anos   <- seq(from=1952, to=2007, by=5)
paises <- c("Argentina", "Bolivia", "Brazil", "Chile", "Colombia", 
            "Equador", "Paraguay", "Peru", "Uruguay", "Venezuela")
gapminder %>%
  filter(ano %in% anos) %>%
  filter(pais %in% paises) %>%
  ggplot(., aes(x=ano, y=expVida, colour=pais)) +
  geom_line() +
  labs(x="Ano", y="Expectativa de Vida ao Nascer", colour="Países") +
  scale_x_continuous(breaks=anos) +
  scale_color_brewer(palette="Reds")

Sintaxe Avançada - Gráfico de Linha

Sintaxe Avançada - Gráfico de Linha

anos   <- seq(from=1952, to=2007, by=5)
paises <- c("Argentina", "Bolivia", "Brazil", "Chile", "Colombia", 
            "Equador", "Paraguay", "Peru", "Uruguay", "Venezuela")
gapminder %>%
  filter(ano %in% anos) %>%
  filter(pais %in% paises) %>%
  ggplot(., aes(x=ano, y=expVida, colour=pais)) +
  geom_line() +
  labs(x="Ano", y="Expectativa de Vida ao Nascer", colour="Países") +
  scale_x_continuous(breaks=anos) +
  scale_color_brewer(palette="Spectral")

Sintaxe Avançada - Gráfico de Linha

Sintaxe Avançada - Gráfico de Linha

anos   <- seq(from=1952, to=2007, by=5)
paises <- c("Argentina", "Bolivia", "Brazil", "Chile", "Colombia", 
            "Equador", "Paraguay", "Peru", "Uruguay", "Venezuela")
gapminder %>%
  filter(ano %in% anos) %>%
  filter(pais %in% paises) %>%
  ggplot(., aes(x=ano, y=expVida, colour=pais)) +
  geom_line() +
  labs(x="Ano", y="Expectativa de Vida ao Nascer", colour="Países") +
  scale_x_continuous(breaks=anos) +
  scale_color_brewer(palette="Spectral") +
  theme_bw()

Sintaxe Avançada - Gráfico de Linha

Sintaxe Avançada - Gráfico de Barra

gapminder %>%
  filter(ano==2007) %>%
  group_by(continente) %>%
  summarise(ExpVidaMedia=mean(expVida)) %>%
  ggplot(., aes(x=continente, y=ExpVidaMedia)) +
  geom_col() +
  labs(x="Continente", y="Expectativa de Vida ao Nascer")

Sintaxe Avançada - Gráfico de Barra

Sintaxe Avançada - Gráfico de Barra

gapminder %>%
  filter(ano==2007) %>%
  group_by(continente) %>%
  summarise(ExpVidaMedia=mean(expVida)) %>%
  ggplot(., aes(x=reorder(continente, -ExpVidaMedia), y=ExpVidaMedia)) +
  geom_col() +
  labs(x="Continente", y="Expectativa de Vida ao Nascer")

Sintaxe Avançada - Gráfico de Barra

Sintaxe Avançada - Dotplot + Boxplot

gapminder %>%
  filter(ano==2007) %>%
  ggplot(., aes(x=continente, y=expVida)) +
  geom_boxplot() +
  geom_dotplot(binaxis="y", stackdir="center", dotsize = .5, fill="red") +
  labs(x="Continente", y="Expectativa de Vida ao Nascer")

Sintaxe Avançada - Dotplot + Boxplot

Sintaxe Avançada - Violin Plot

gapminder %>%
  filter(ano==2007) %>%
  ggplot(., aes(x=continente, y=expVida, fill=continente)) +
  geom_violin() +
  labs(x="Continente", y="Expectativa de Vida ao Nascer", colour="Continente")

Sintaxe Avançada - Violin Plot

Sintaxe Avançada - Violin Plot

anos   <- seq(from=1952, to=2007, by=5)

gapminder %>%
  filter(ano %in% anos) %>%
  ggplot(., aes(x=continente, y=expVida, fill=continente)) +
  geom_violin() +
  labs(x="Continente", y="Expectativa de Vida ao Nascer", colour="Continente") +
  facet_wrap(~ ano, nrow=3) +
  theme(axis.text.x = element_text(angle = 90, vjust=0.5, hjust = 1))

Sintaxe Avançada - Violin Plot

Exercícios

1. Eu preparei um conjunto de dados com todos os mais de 3 milhões de pedidos de reembolsos feitos por deputados federais brasileiros, originários do nordeste, entre 2009 e 2018. Carregue este conjunto na memória do R através do comando

data(camara.ne)

Para ver a descrição do siginificado de cada coluna deste conjunto de dados, rode

?camara.ne

Exercícios

• Vamos utilizar os conhecimentos aprendidos neste curso para avaliar os gastos de nossos representantes no legislativo. Como os gastos de 2018 ainda não foram finalizados, crie um objeto chamado reembolsos com os gastos entre 2009 e 2017.

Exercícios

2. Encontre o número total de gastos dos deputados da Paraíba neste conjunto de dados utilizando a coluna state.

3. Repita o exercício anterior, mas agrupe os resultados por year.

4. A coluna congressperson_name contém o nome dos deputados brasileiros. Descubra quais os 10 deputados da Paraíba que fizeram mais pedidos únicos de reembolso no último mandato (2015 a 2017), sem considerar o valor destes reembolsos.

Exercícios

5. Utilize a coluna total_net_value e descubra os deputados da Paraíba que tiveram os maiores valores totais ressarcidos durante o atual mandato (2015 a 2017).

6. Agrupe os gastos dos deputados do Brasil inteiro por partido (party). A partir disso, crie um gráfico de linhas mostrando a evolução dos gastos totais por partido entre 2009 e 2017.

7. Crie um gráfico de barras que exiba as categorias de gasto (subquota_description) que de acordo o total de reembolsos pedidos em 2017

Exercícios

8. Dentro da coluna subquota_description, os gastos dos deputados com refeições são identificados como Congressperson meal. Encontre os restaurantes (supplier) com maiores pedidos médios de reembolso feitos pelos deputados da Paraíba durante todo o período disponível.

9. Repita a análise do item anterior, contando o número de gastos em cada local

10. Repita a análise anterior, mantendo no resultado final apenas os locais com 10 ou mais reembolsos