O que em r em graficos comparativos

R é uma linguagem e ambiente de programação estatística e gráfica. Considerando apenas a parte gráfica existem muitos recursos, sendo possível fazer desde gráficos simples de pontos ou barras até figuras complexas como mapas e filogenias. Para fazer um gráfico muitos parâmetros devem ser especificados sendo que a tarefa de produzir um bom gráfico não é das tarefas mais fáceis. Os problemas são principalmente pela quantidade de parâmetros que podem ser especificados e que a documentação que não é apresentada de maneira visual.

A proposta deste texto é mostrar as principais opções para construção de gráficos utilizando as funções gráficas básicas. O objetivo não é explorar todos os parâmetros e nem esgotar as possibilidades do R, apenas mostrar as principais funções e argumentos. O conjunto básico de funções gráficas já é suficiente para produzir bons gráficos, embora essa não seja a única opção disponível no programa. Pacotes como ggplot2 estão se tornando populares por aparentemente apresentar soluções mais simples e eficientes. Entretanto os opções básicas são bastante fléxiveis para adicionar qualquer elemento gráfico sem a necessidade de formatação prévia específica.

Este texto é dividido em cinco partes. A primeira parte apresenta as funções básica para adicionar os elementos gráficos básicos em qualquer gráfico. A segunda apresenta resumidamente alguns princípios de design eficaz de gráficos. A terceira parte aborda a construção de gráficos personalizados onde são abordados os tipos de gráficos mais comuns utilizados nas publicações. A quarta parte apresenta opções para a elaboração de painéis gráficos. A quinta parte aborda opções de exportação. Ao final também é apresentado um guia de ajuda rápida mostrando visualmente as principais argumentos das funções gráficas. Os códigos apresentados ao longo do texto podem ser executados passo-a-passo para entender o funcionamento de cada argumento sendo que os dados de exemplos provêm de conjuntos de dados inclusos em alguns pacotes do R. Para carregar esses dados basta usar a função data com o nome do conjunto de dados (ex, data(“anscombe”)). Além disso, antes de executar os cógidos dos gráficos os dados foram organizados em dataframes para padromizar a indexação das variáveis.

Para construir um gráfico usa-se função genérica plot. A função plot é uma função que produz gráficos de maneira automático dependendo do tipo de informação e classe do objeto passado para ela. Quando apropriado, os eixos, nomes dos eixos e títulos são gerados automaticamente (a menos se especificado o contrário). Ainda existem várias funções auxiliares para adicionar elementos ao gráfico.

Dados anscombe é um conjunto de dados didáticos para uso em regressões lineares. O conjunto é formado por 4 pares de variávis independente e dependente totalizando 11 observações.

data(anscombe) dados <- anscombe str(dados) 'data.frame': 11 obs. of 8 variables: $ x1: num 10 8 13 9 11 14 6 4 12 7 ... $ x2: num 10 8 13 9 11 14 6 4 12 7 ... $ x3: num 10 8 13 9 11 14 6 4 12 7 ... $ x4: num 8 8 8 8 8 8 8 19 8 8 ... $ y1: num 8.04 6.95 7.58 8.81 8.33 ... $ y2: num 9.14 8.14 8.74 8.77 9.26 8.1 6.13 3.1 9.13 7.26 ... $ y3: num 7.46 6.77 12.74 7.11 7.81 ... $ y4: num 6.58 5.76 7.71 8.84 8.47 7.04 5.25 12.5 5.56 7.91 ...

Se x e y são dois vetores do tipo numeric o gráfico resultante é de pontos, sendo mostrado x as coordenadas dos pontos no eixo horizontal e y as coordenadas do eixo vertical.

plot(dados$x1, dados$y1) # plot(y1 ~ x1, data=dados) produz o mesmo resultado.

Se apenas um vetor do tipo numeric é fornecido a função gera uma série com os dados, seguindo a ordem que os valores estão no vetor.

Se apenas um vetor do tipo factor é fornecido a função gera um gráfico de barra.

plot(as.factor(dados$x1))

Se são fornecidos um vetor do tipo factor e outro do tipo numeric a função plot gera um boxplot.

plot(as.factor(dados$x1), dados$y1)

Se um objeto do tipo dataframe é fornecido a função gera gráficos com os pares de todas as variáveis.

Os parâmetros gráficos gerais são predefinidos pela função par, e podem ser acessados pela função de ajuda ?par. O R possui vários dispositivos que são usados para gerar os gráficos. Normalmente usa-se um dispositivo para visualizar os gráficos e outro para exportar para o gráfico para um arquivo de imagem ou vetorial. Informações sobre cada dispositivo podem ser obtidas na ajuda ?Devices, sendo que cada dispositivo possui uma lista de parâmetros própria.

ls(par()) # Parâmetros gráficos do dispositivo ativo [1] "adj" "ann" "ask" "bg" [5] "bty" "cex" "cex.axis" "cex.lab" [9] "cex.main" "cex.sub" "cin" "col" [13] "col.axis" "col.lab" "col.main" "col.sub" [17] "cra" "crt" "csi" "cxy" [21] "din" "err" "family" "fg" [25] "fig" "fin" "font" "font.axis" [29] "font.lab" "font.main" "font.sub" "lab" [33] "las" "lend" "lheight" "ljoin" [37] "lmitre" "lty" "lwd" "mai" [41] "mar" "mex" "mfcol" "mfg" [45] "mfrow" "mgp" "mkh" "new" [49] "oma" "omd" "omi" "page" [53] "pch" "pin" "plt" "ps" [57] "pty" "smo" "srt" "tck" [61] "tcl" "usr" "xaxp" "xaxs" [65] "xaxt" "xlog" "xpd" "yaxp" [69] "yaxs" "yaxt" "ylbias" "ylog"

Cada parâmetro define uma opção de configuração do gráfico. Por exemplo, o parâmetro pch define o tipo de símbolo que é usado em um gráfico de pontos. Os parâmetros definem uma infinidade de opções como cor e tamanho do texto, tamanho das margens e tipos de eixos. Pode-se alterar esses parâmetros de duas formas.

A primeira maneira de alterar um parâmetro gráficos é especificando o nome do parâmetro e o novo valor que receberá diretamente da função plot. Desta maneira o gráfico que será construído mostrará a nova opção, conforme especificado. Uma segunda maneira de alterar é especificar na função par, antes de começar a construir o gráfico. Desta maneira os parâmetros serão alterados de maneira permanete para todos os gráficos feitos pelo dispositivo, até o dispositivo ser reiniciado. De uma maneira geral os parâmetros mais gerais da figura como tamanho das margens só podem ser alterados pela função par.

Pode-se salvar as alterações da função par em um objeto, isso permite que os parâmetros alterado possam ser restaurados facilmente a qualquer momento.

op <- par(las = 1) # Alterar parâmetro las para todos os gráficos par(op) # Restaurar parâmetros originais

Uma das opções mais utilizada na elaboração de gráficos se refere as alterações dos aspectos relacionados aos eixos. Em quase todos os gráficos altera-se os nomes dos eixos, títulos e os limites dos eixos.

Argumentos:

xlab e ylab - Alterar nomes dos eixos x e y respectivamente. Podem ser usados junto com font.lab para alterar o tipo de fonte, col.lab para alterar cor e cex.lab para alterar o tamanho da fonte.

main - Alterar nomes do título do gráfico. Pode ser usado junto com font.main, col.main e cex.main, para alterar fonte, cor e tamanho do título respectivamente.

plot(dados$x1, dados$y1, xlab = "Variável preditora", ylab = "Variável resposta", main = "Anscombe")

las - Alterar orientação do números nos eixos. Valores aceitos 0 (paralelo ao eixo), 1 (horizontal), 2 (perpendicular) e 3 (vertical).

xlim e ylim - Alterar limites dos eixos x e y respectivamente. Argumento do tipo vetor com dois valores, sendo o primeiro valor o mínimo e o segundo o valor máximo do eixo.

xaxs e yaxs - Alterar o estilo de cálculo dos limites dos eixos x e y respecivamente. Valores aceitos “r” (o limite de cada eixo estende por quatro porcento em cada lado do eixo) e “i” (o limite fica exatamente no estabelecidos pelos argumentos xlim e ylim ou pelos dados).

cex.axis - Altera o tamanho da fonte para os valores dos eixos. Argumento numérico com padrão = 1. Pode ser usado junto com font.axis para alterar o tipo de fonte e col.axis para alterar a cor.

plot(dados$x1, dados$y1, xlab = "Variável preditora", ylab = "Variável resposta", main = "Anscombe", las = 1, xlim = c(0, 16), ylim = c(0, 12), xaxs = "i", yaxs = "i", cex.axis = 1)

xaxp e yaxp - Alterar a posiçao e quantidade de separadores dos eixos x e y respectivamente. Argumento do tipo vetor com c(x1, x2, n), onde x1 e x2, são o mínimo e máximo e representa o alcance do separadores e n a quantidade de espaços internos.

tck - Alterar o comprimento dos separados dos eixos. Argumento númerico, valores expressos em fração do tamanho do eixo. Se positivos os marcadores ficam na parte interna do gráfico, se negativo ficam na parte externa e se zero separadores não são mostrados.

mgp - Alterar a linha da margem onde são mostrados os textos do eixos, valores dos eixos e próprio eixo. Argumento do tipo vetor com padrão c(3, 1, 0). O primeiro valor altera texto do eixo, o segundo altera os valores dos eixos e o terceiro linha no próprio eixo. Valores próximos de 0 aproximam os textos ou valores ao eixo. Pode ser usado valores negativos.

plot(dados$x1, dados$y1, xlab = "Variável preditora", ylab = "Variável resposta", main = "Anscombe", las = 1, xlim = c(0, 16), ylim = c(0, 12), xaxs = "i", yaxs = "i", cex.axis = 1, xaxp = c(0, 16,8), yaxp = c(0, 12, 6), tck = 0.01, mgp = c(1.5, 0.5, 0))

Assim como elementos podem ser adicionados ao gráfico, eles também podem ser removidos.

Argumentos:

type - Alterar o tipo de gráfico que será construído. Vários valores são aceitos, os principais são “p” (gráfico de pontos), “l” (gráfico de linhas), “b” (gráficos com pontos e linhas) e “n” (para não mostrar nada referente aos dados).

plot(dados$x1, dados$y1, type = "n", xlab = "", ylab = "")

xaxt e yaxt - Especificar se o eixo x e y, respectivamente, deve ser mostrado. Quando o valor for “n” o eixo não é mostrado.

plot(dados$x1, dados$y1, type = "n", xlab = "", ylab = "", xaxt = "n", yaxt = "n")

bty - Alterar o tipo de caixa (box) usado envolta do gráfico. Valores aceito “o”, “l”, “7”, “c”, “u” e “]” que resultam em contorno igual a forma do símbolo ou “n” para não mostrar o contorno.

plot(dados$x1, dados$y1, type = "n", xlab = "", ylab = "", xaxt = "n", yaxt = "n", bty = "n")

A figura acima ficou totalmente branca, sem elementos visíveis. As margens e limites dos eixos são os mesmos do gráfico original, mas os elementos foram ocultos.

A função auxiliar points adiciona pontos ou linhas ao gráfico.

Argumentos:

x e y - Valor único ou vetores com as coordenadas dos pontos para os eixos x e y respectivamente.

pch - Alterar o tipo de símbolo dos pontos. Valores aceitos entre 0 e 25. Se for um único valor todos os símbolos serão idênticos, se for um vetor cada ponto receberá um símbolo conforme especificado.

cex - Alterar o tamanho do símbolos. Argumento com valor numérico com padrão = 1. Se for um único valor todos os símbolos serão do mesmo tamanho, se for um vetor cada ponto será do tamanho especificado.

plot(dados$x1, dados$y1, type = "n", xlab = "", ylab = "", xaxt = "n", yaxt = "n", bty = "n") points(x = dados$x1, y = dados$y1, pch = 23, cex = 1.3)

A função auxiliar box adiciona linhas de contorno ao gráfico.

Argumentos:

bty - Alterar o tipo de caixa (box) usado envolta do gráfico. Valores aceito “o”, “l”, “7”, “c”, “u”e “]” que resultam em contorno igual a forma do símbolo ou “n” que não mostra contorno.

plot(dados$x1, dados$y1, type = "n", xlab = "", ylab = "", xaxt = "n", yaxt = "n", bty = "n") points(x = dados$x1, y = dados$y1, pch = 23, cex = 1.3) box(bty = "l")

Função auxiliar axis adiciona eixos ao gráfico.

Argumentos:

side - Especificar a posição do eixo. Argumento numérico com os valores de 1 (eixo inferior), 2 (eixo à esquerda), 3 (eixo superior) e 4 (eixo à direita).

las - Alterar orientação do rótulos do eixo. Valores aceitos 0 (paralelo ao eixo), 1 (horizontal), 2 (perpendicular) e 3 (vertical).

Função auxiliar lines adiciona linhas a um gráfico. Pode ser usada para adicionar linhas de modelos lineares.

Argumentos:
lty - Alterar o tipo de linha. Valores aceitos 0 (sem linha), 1 (linha sólida), 2 (linha tracejada), 3 (linha pontilhada), 4 (pontilhada e tracejada), 5 (linha com traço longo) e 6 (linha com traço duplo). Alternativamente pode ser usado os valores “blank”, “solid”, “dashed”, “dotted”, “dotdash”, “longdash”e “twodash”, que substitui dos números de 1 a 6 respectivamente.
lwd - Alterar a espessura da linha. Argumento númerico com padrão = 1.

mod <- lm(dados$y1 ~ dados$x1) mod # Modelo linear Call: lm(formula = dados$y1 ~ dados$x1) Coefficients: (Intercept) dados$x1 3.0001 0.5001 ypredito <- predict(mod) ypredito # Valores preditos pelos modelo linear 1 2 3 4 5 6 8.001000 7.000818 9.501273 7.500909 8.501091 10.001364 7 8 9 10 11 6.000636 5.000455 9.001182 6.500727 5.500545 plot(dados$x1, dados$y1, type = "n", xlab = "", ylab = "", xaxt = "n", yaxt = "n", bty = "n") points(x = dados$x1, y = dados$y1, pch = 23, cex = 1.3) box(bty = "l") axis(side = 1) axis(side = 2, las = 1) lines(x = dados$x1, y = ypredito, lty = 1, lwd = 3)

A função legend adiciona legenda ao gráfico.

Argumentos:

x e y - Coordenadas para a posição da legenda. Alternativamente pode ser substituido pelos valores “bottomright”, “bottom”, “bottomleft”, “left”, “topleft”, “top”, “topright”, “right” e “center” para usar posições predefinidas.

legend - Texto que será mostrado na legenda. Pode ser uma única expressão ou uma vetor, sendo que cada um representará um item na legenda.

lty, lwd, pch, angle e density - Especificar o tipo de símbolo usado na legenda. Os argumentos são os mesmo usado na construção de linhas (lty e lwd), pontos (pch) e barras (angle e density).

bty - Alterar o tipo de caixa (box) usado envolta da legenda. Valores aceito “o” (com contorno) e “n” (sem contorno).

Função auxiliar abline adiciona linhas simples ao gráfico.

Argumentos:

h e v - Especificar valor para linha horizontal e vertical respectivamente.

Função auxiliar arrows adiciona setas ao gráfico.

Argumentos:

x0, y0, x1 e y1 - Coordenadas para o início e fim da seta. Sendo que x0 e y0 são para a origem da seta e x1 e y1 para o destino da seta. Pode ser um único valor ou um vetor para adicionar várias setas.

length - Alterar o comprimento da ponta da seta. Argumento númerico expresso em polegadas com padrão = 0.25.

Função auxiliar text adiciona texto ao gráfico.

Argumentos:

x e y - Coordendas para o texto. Pode ser um vetor com uma série de valores.

labels - Texto ou expressão para adicionar a coordenada. Pode ser um vetor com o texto de será adicionado em cada coordenada fornecida.

Função auxiliar segments adiciona pequenos segmentos ao gráfico.

Argumentos:

x0, y0, x1 e y1 - Coordenadas para o início e fim do segmento. Sendo que x0 e y0 são para a origem e x1 e y1 para o fim do segmento. Pode ser um único valor ou um vetor para adicionar várias segmentos.

Função auxiliar grid adiciona uma grade de linhas ao gráfico.

Argumentos:

nx e ny - Especificar o número de células do grid para as direções de x e y respectivamente. Se for NULL as linhas são mostrada nos marcadores de cada eixo.

plot(dados$x1, dados$y1, type = "n", xlab = "", ylab = "", xaxt = "n", yaxt = "n", bty = "n") points(x = dados$x1, y = dados$y1, pch = 23, cex = 1.3) box(bty = "l") axis(side = 1) axis(side = 2, las = 1) lines(x = dados$x1, y = ypredito, lty = 1, lwd = 3) legend(x = "topleft", legend = "Regressão linear", lty = 1, lwd = 3, bty = "n") abline(h = 7.5, lty = 3) arrows(x0 = 5.5, y0 = 8, x1 = 5.5, y1 = 7.5, length = 0.1) text(x = 5.5, y = 8.3, labels = "Média") segments(x0 = 5, y0 = 8.1, x1 = 6, y1 = 8.1) grid(nx = NULL, ny = NULL, lty = 3, lwd = 1, col = "gray")

A função auxiliar title adiciona títulos ao gráfico e aos eixos.

Argumentos:

main, xlab e ylab - Texto para o título do gráfico e para os rótulos dos eixos x e y, respectivamente.

font - Especificar tipo de fonte. O tipo de fonte depende do dispositivo usado. De uma maneira básica 1 (fonte normal), 2 (fonte em negrito), 3 (fonte em itálico) e 4 (fonte em negrito e itálico).

A função auxiliar polygon adiciona polígonos ao gráfico, desde figuras simples até contornos complexos.

Argumentos:

x, y - Vetor com as coordenadas para cada vértice do polígono, sendo coordenadas para os eixos x e y, respectivamente.

col - Especificar cor para o preenchimento. No exemplo foi aletarado do transparência da cor, ver mais na seção cores abaixo.

density - Especificar densidade de linhas de sombreamento, em linhas por polegada. Se for NULL a figura será sólida.

border - Especificar cor para a linha da borda. Se NA a borda não é mostrada.

Muitas funções usadas para adicionar itens aos gráficos precisam da localização exata dentro do gráfico. Uma opção para obter a localização é usar a função locator. Executamdo a função locator() permitirá clicar na área do gráfico e obter as coordenadas dos pontos. A função fecha automaticamente quando clicado no botão direito do mouse ou especificando o argumento n com a quantidade de pontos que serão obtidos.

locator(n = 1, labels = "Cliquei aqui")

Elementos com formatação especiais, notaçoes matemáticas e letras gregas podem ser mostrados na forma de texto, títulos e eixos usando a função expression (ver ?expression). Mais informações podem ser encontradas na função plotmath (ver ?plotmath) e em demo(plotmath). As figuras abaixo mostram alguns exemplos de expressões que podem ser usadas, as mesmas foram geradas a partir do exemplos de demo(plotmath).

As cores de cada um dos itens podem ser alteradas pelo argumento col. As cores podem ser alteradas pelo nome da cor (por exemplo col = “black”) ou por outras codificações como números hexadecimais e RGB. Cores básicas para as maioria dos gráficos são ’black’ e ’grey’, mais informações sobre podem ser buscadas na ajuda de ?colors, demo(colors) e ?rgb. Ao fazer gráficos coloridos certifique que as cores sejam apropriadas para daltônicos. As figuras abaixo mostram alguns exemplos com nomes das cores.

Existem algumas paletas de cores prontas no R. A paleta básica pode ser encontrada com a função palette(). Essa paleta é composta por apenas 8 cores (“black”, “red”, “green3”, “blue”, “cyan”, “magenta”, “yellow” e “gray”), mas essa pode ser alterada permitindo adicional, remover ou personalizar novas cores. Os pacotes fields e RColorBrewer oferecem algumas funções interessantes para criar paletas. Essas paletas podem ser expandidas usando a função colorRampPalette. A figura a seguir mostra algumas opções de comandos que podem ser utilizados para gerar paletas de cores.

Por padrão as cores são sólidas, ou seja, não permitem a visualização de elementos sobrepostos. A opacidade das cores podem ser ajustadas usando a função adjustcolor, principalmente alterando o argumento alpha. Na figura a seguir foi gerada apenas apenas a cor “black” com diferentes valores dos parâmetros alpha. Valores de alpha próximos a 0 deixam as cores mais opacas (mais transparências) enquanto que valores próximos a 1 deixam as cores mais sólidas. Gráficos feitos com essas opções permitem sobrepor elementos para mostrar diferentes informações em uma mesma figura. Note a área de interação entre os diferentes elementos.

Cada dispositivo gráfico do R possui um conjunto próprio de fontes. A lista de fontes pode ser acessada pelas funções: quartzFonts() para OS X, X11Fonts() para Linux, windowsFonts() para Windows, pdfFonts() para pdf e postscriptFonts() para postscript. As fontes podem ser alteradas pelo argumentos family e font.

O R trabalha com o conceito de reciclagem também nos parâmetros gráficos. Quando um vetor de comprimento n é esperado (sequência de valores), mas é forcenido um único valor ou vetor de comprimento menor que n esses valores são reciclados até os valores fornecidos preencherem o vetor de tamanho n. No exemplo abaixo os dados são três variávels e 10 observações. As variáveis numéricas x e y são duas sequência de 1 a 10 representando as respectivas coordenadas dos pontos no gráfico e a variável fator categoriza as observações em duas classes.

dados <- data.frame(x = 1:10, y = 1:10, fator = as.factor(rep(c("A", "B"), each = 5))) str(dados) 'data.frame': 10 obs. of 3 variables: $ x : int 1 2 3 4 5 6 7 8 9 10 $ y : int 1 2 3 4 5 6 7 8 9 10 $ fator: Factor w/ 2 levels "A","B": 1 1 1 1 1 2 2 2 2 2

Ao fazer um gráfico especificando apenas o tipo de ponto e cor dos pontos essas especificações são usadas para todos os pontos do gráfico.

plot(dados$x, dados$y, pch = 19, col = "black")

Para especificar cores para cada ponto uma opção seria fornecer 10 cores, uma para cada ponto.

plot(dados$x, dados$y, pch = 19, col = c("black", "black", "deeppink", "deeppink", "grey", "grey", "blue", "blue", "red", "red"))

Se apenas duas cores são fornecidas, no exemplo “black” e “red”, a cor será repetida para os demais pontos. Nesse exemplo o R esperava 10 nomes de cores, mas só foram fornecidas duas. Como resultado as cores foram reclinadas até comprimento esperado.

plot(dados$x, dados$y, pch = 19, col = c("black", "red"))

Os parâmtros gráficos podem ser especificados usando outras variáveis. No exemplo abaixo as cores foram especificadas usando como base a variável y. As cores resultantes foram obtidas usando a paleta básica de cores. Por padrão a paleta básica é composta por apenas 8 cores (ver seção Cores acima), no exemplo as cores preta e vermelha (as primeiras da paleta) foram repetida nos últimos dois pontos.

plot(dados$x, dados$y, pch = 19, col = dados$y)

Ainda uma variável categoria poderia ser usada para definir as cores. No exemplo a variável fator foi usada para atribuir as cores, sendo os pontos da categoria A foram mostrados como pretos e da categoria B como vermelhos (novamente as primeiras cores da paleta básica).

plot(dados$x, dados$y, pch = 19, col = dados$fator)

Os argumentos gráficos (pch, col, lwd, cex, entre outros) podem ser especificados com ajuda da funções básicas como rep, seq, factor e ifelse. A função rescale do pacote scales permite rescalar uma variável para uma novo intervalo. Essa função pode ser útil para atribuir tamanhos dos pontos em função de uma variável.

Argumentos:

to - Um vetor número como o mínimo e máximo do novo intervalo para a variável.

require(scales) plot(dados$x, dados$y, pch = 19, col = dados$fator, cex = scales::rescale(dados$x, to = c(0.5, 2.5)))

A comunicação visual efetiva de informações facilita a compreensão e tomada de decisões, por essa razão é importante levar em consideração alguns pontos para melhorar o design nos gráficos. Primeiro passo é identificar a finalidade do gráfico e as informações essenciais para apoiar os objetivos do gráfico. Além disso, é preciso considerar o público-alvo e adaptar as possíveis restrições de espaço e formatação. É importante ressaltar que criar um gráfico é um processo iterativo envolvendo etapas de produção, revisão e refinamento.

Os seguintes princípios foram extraídos de Vandemeulebroecke et al. 2018.

Proximidade - agrupe elementos relacionados.
Alinhamento - elementos no mesmo plano vertical ou horizontal são percebidos como tendo propriedades semelhantes.
Simplicidade - corte qualquer coisa supérflua, inclua apenas elementos que agreguem valor, limite a 2-3 cores ou fontes.
Espaço vazio - use espaço em branco para minimizar a distração e fornecer clareza.
Legibilidade - fontes como sans e serif são mais fáceis de ler, use cores para dar ênfase em vez de um novo tipo de letra.
Cor - selecione cores que apresentem contraste suficiente para tornar o gráfico legível. Escolha esquemas de cores monocromáticas para evitar confrontos. Use cores escuras e cores acentuadas para enfatizar informações importantes. Considere usar cores adaptadas para daltónicos.
Hierarquia visual - use cores, fontes, tamanho da imagem, tipo de letra, alinhamento e posicionamento para criar uma ordem de visualização.
Pontos Focais - tente organizar uma área principal no gráfico para atrair imediatamente os olhos, enfatizar o conceito mais importante em torno de um ponto focal. Use cores contrastantes para chamar a atenção.
Repetição - elementos repetitivos podem ser visualmente atraentes, formas repetidas, rótulos, cores.
Familiaridade - usando estilos familiares, ícones, estrutura de navegação faz com que os espectadores se sintam confiantes.
Consistência - seja consistente com tamanhos de títulos, opções de fontes, esquema de cores e espaçamento. Use imagens com estilos semelhantes.

Nesta seção o objetivo é mostrar alguns tipos de gráficos simples que podem ser contruídos a partir do R. Nem todos os elementos gráficos são aplicados em todos os gráfico, sendo que são mostradas apenas as opções mas comuns usadas em cada tipo de gráfico.

Dados disponíveis no pacote ade4 com o nome de tortues. Os dados são 48 observações de tartarugas descritas por quatro variáveis (gênero, comprimento, largura e altura). Para cada gênero pode-se calcular média e desvio padrão das observações.

require(ade4) data(tortues) str(tortues) 'data.frame': 48 obs. of 4 variables: $ long: num 93 94 96 101 102 103 104 106 107 112 ... $ larg: num 74 78 80 84 85 81 83 83 82 89 ... $ haut: num 37 35 35 39 38 37 39 39 38 40 ... $ sexe: Factor w/ 2 levels "M","F": 1 1 1 1 1 1 1 1 1 1 ... dados <- rbind(tapply(tortues[, 1], tortues[, 4], mean), tapply(tortues[, 2], tortues[, 4], mean), tapply(tortues[, 1], tortues[, 4], mean)) rownames(dados) <- names(tortues)[1:3] dados # Média por gênero M F long 113.37500 136.0000 larg 88.29167 102.7083 haut 113.37500 136.0000 dados_sd <- rbind(tapply(tortues[, 1], tortues[, 4], sd), tapply(tortues[, 2], tortues[, 4], sd), tapply(tortues[, 3], tortues[, 4], sd)) rownames(dados_sd) <- names(tortues)[1:3] dados_sd # Desvio padrão por gênero M F long 11.779911 21.245971 larg 7.074013 13.113150 haut 3.352481 8.464654

A função barplot é específica para desenhar gráficos de barras horizontais e verticais. Neste caso dos dados são uma pequena tabela com duas colunas e três linhas. Pode-se construir um gráfico mostrando seis barras com as medidas, agrupadas pelo gênero (pelas colunas). Neste gráfico as cores são definidas de maneira automática, mostradas em tons de cinza por padrão.

Argumentos:

width - Especificar largura das barras, com padrão de 1.

beside - Algumento lógico para especificar se colunas devem ser mostradas lado a lado.

legend - Especificar o texto de cada nível no gráfico.

args.legend - Especificar argumentos que serão ser usados na construção da legenda.

x - Parte de args.legend usado para especificar posição da legenda.

bty - Parte de args.legend usado para especificar tipo de borda da legenda.

ncol - Parte de args.legend usado para especificar número de colunas para os argumentos da legenda.

names - Especificar nomes usados em cada grupo de barras.

barplot(dados, beside = TRUE, width = 0.7, ylim = c(0, 180), las = 1, legend = c("Comprimento","Largura", "Altura"), args.legend = list(x = "top", bty = "n", ncol = 3), names = c("Machos","Fêmeas"), main = "Tartarugas")

Para adicionar os linhas com o desvio padrão pode-se usar a função arrows (para setas). Uma alternativa é usar a função plotCI do pacote plotrix. Essa função permite adicionar barras de erros tanto na horizontal quanto na vertical. Um pequeno truque no caso do gráfico de barras e salvar os comandos do primeiro gráfico em um objeto qualquer (Neste caso objeto xx). O objeto terá a posição no eixo x de cada barra. A posição no eixo y são os próprios dados usados para construir o gráfico. A altura de cada barra de erro foi calculada pelo desvio padrão de cada grupo.

Argumentos:

x e y - Coordenadas para o início da cada linha de erro.

uiw e liw - Comprimento da linha de erro para a parte superior e inferior, respectivamente.

add - Argumento lógico para especificar se linhas de erro devem ser adicionadas ao gráfico existente ou não. Padrão é FALSE.

pch - Tipo de símbolo usado no centro da barra de erro. Se for NA não é mostrado nenhum símbolo.

require(plotrix) xx <- barplot(dados, beside = TRUE, width = 0.7, ylim = c(0, 180), las = 1, legend = c("Comprimento","Largura", "Altura"), args.legend = list(x = "top", bty = "n", ncol = 3), names = c("Machos","Fêmeas"), main = "Tartarugas", xaxs = "r") xx [,1] [,2] [1,] 1.05 3.85 [2,] 1.75 4.55 [3,] 2.45 5.25 plotCI(x = xx, y = dados, uiw = dados_sd, liw = 0, add = TRUE, pch = NA)

Dados sobre a população brasileira na década de 2010. Os valores são em proporções para 4 faixas etárias arbitrárias. Extraído do United Nations, Department of Economic and Social Affairs.

dados <- data.frame(Mulheres = c(0.328, 0.461, 0.159, 0.052), Homens = c(0.351, 0.464, 0.146, 0.039)) rownames(dados) <- c("0-19", "20-49", "50-69", "70+") dados <- as.matrix(dados) dados Mulheres Homens 0-19 0.328 0.351 20-49 0.461 0.464 50-69 0.159 0.146 70+ 0.052 0.039

A função barplot é específica para usar em gráficos de barras horizontais e verticais. Neste caso dos dados são uma pequena matriz (classe matrix) com duas colunas e quatro linhas. Pode-se mostrar uma barra para cada grupo (coluna) com as informações das linhas embilhadas umas sobre as outras. Neste gráfico as cores serão em tons de cinza para gerar quatro padrões de prencimento das barras. Além disso, uma legenda a direita das barras será adicionada, bem como uma linha no eixo x na altura zero.

Argumentos:

col - Especificar cores usadas no gráfico.

density - Especificar a densidade das linhas de sombreado para as barras. Valores em linhas por polegada.

angle - Especificar ângulo da direção das linhas de sombreamento.

xlim e ylim - Especificar limites para os eixos x e y respectivamente.

xaxs - Especificar métodos para calcular os limites dos eixos.

Para adicionar legenda a opção mais fácil é especificar diretamente na função barplot. Para adicionar uma linha no limite para o eixo x na altura do zero pode-se usar a função axis. Neste caso é importante que os limites dos eixos sejam calculados exatamente como o especificado pelos limites.

Argumentos:

legend - Especificar nomes para os itens da legenda.

args.legend - Especificar argumentos adicionas para a legenda.

x - Parte de args.legend usado para especificar posição da legenda.

bty - Parte de args.legend usado para especificar tipo de borda da legenda.

title - Parte de args.legend usado para especificar título da legenda.

side - Especificar posição do eixo.

label - Especificar nomes para os separadores do eixo.

tck - Especificar tamanho dos marcadores do eixo.

barplot(dados, col = c("white", "black", "grey", "black"), density = c(0, 20, 50, 200), angle = c(0,45, 135, 0), ylab = "Proporção", las = 1, xaxs = "i", main = "População Brasileira (2010)", ylim = c(0, 1), xlim = c(0, 3.5), legend = rownames(dados), args.legend = list(x = "right", bty = "n", title = "Faixa etária")) axis(side = 1, label = FALSE, tck = 0)

Dados sobre criminalidade dos Estados Unidos da América em 1973, descrito por quatro variáveis. Pode-se aplicar uma Análise de Componentes Principais (PCA) e usar os scores para construir o gráfico com os dois primeiros eixos.

data(USArrests) str(USArrests) 'data.frame': 50 obs. of 4 variables: $ Murder : num 13.2 10 8.1 8.8 9 7.9 3.3 5.9 15.4 17.4 ... $ Assault : int 236 263 294 190 276 204 110 238 335 211 ... $ UrbanPop: int 58 48 80 50 91 78 77 72 80 60 ... $ Rape : num 21.2 44.5 31 19.5 40.6 38.7 11.1 15.8 31.9 25.8 ... require(FactoMineR) Rpca <- PCA(USArrests, graph = FALSE) # PCA str(Rpca$eig) # Autovalores num [1:4, 1:3] 2.48 0.99 0.357 0.173 62.006 ... - attr(*, "dimnames")=List of 2 ..$ : chr [1:4] "comp 1" "comp 2" "comp 3" "comp 4" ..$ : chr [1:3] "eigenvalue" "percentage of variance" "cumulative percentage of variance" str(Rpca$var$coord) # Correlação com os eixos num [1:4, 1:4] 0.844 0.918 0.438 0.856 -0.416 ... - attr(*, "dimnames")=List of 2 ..$ : chr [1:4] "Murder" "Assault" "UrbanPop" "Rape" ..$ : chr [1:4] "Dim.1" "Dim.2" "Dim.3" "Dim.4" str(Rpca$ind$coord) # Scores das unidades amostrais num [1:50, 1:4] 0.986 1.95 1.763 -0.141 2.524 ... - attr(*, "dimnames")=List of 2 ..$ : chr [1:50] "Alabama" "Alaska" "Arizona" "Arkansas" ... ..$ : chr [1:4] "Dim.1" "Dim.2" "Dim.3" "Dim.4" dados_unidades <- Rpca$ind$coord[, 1:2] str(dados_unidades) # Scores das unidades amostrais para os dois primeiros eixos num [1:50, 1:2] 0.986 1.95 1.763 -0.141 2.524 ... - attr(*, "dimnames")=List of 2 ..$ : chr [1:50] "Alabama" "Alaska" "Arizona" "Arkansas" ... ..$ : chr [1:2] "Dim.1" "Dim.2" dados_variaveis <- Rpca$var$coord[, 1:2] str(dados_variaveis) # Correlação das variáveis para os dois primeiros eixos num [1:4, 1:2] 0.844 0.918 0.438 0.856 -0.416 ... - attr(*, "dimnames")=List of 2 ..$ : chr [1:4] "Murder" "Assault" "UrbanPop" "Rape" ..$ : chr [1:2] "Dim.1" "Dim.2"

Para construir o diagrama de dispersão e mostrar simultaneamente os dados das unidades amostrais e a correlação com as variáveis o gráfico precisa ter quatro eixos, com duas escalas diferentes. A primeira coisa que deve ser feita é alterar as margens padrão do gráfico. O argumento mar deve ser alterado antes de começar a construir o gráfico na função par.

Argumentos:

mar - Especificar margens para o gráfico. O argumento é do tipo vetor que indica o número de linhas de margem para os quatro lados na forma c(margem inferior, à esquerda, superior, margem à direita). O padrão é c (5.1, 4.1, 4.1, 2.1).

pch - Tipo de símbolo para os pontos.

op <- par(mar = c(4, 4, 3, 3)) plot(dados_unidades, pch = 19, cex = 0.6, ylab = "PCA 2 (24.74%)", xlab = "PCA 1 (62.01%)", xlim = c(-3.2, 3.2), ylim = c(-2.5, 2.5), las = 1)

A segunda parte do gráfico consiste em sobrepor sobre o mesmo gráfico o segundo conjunto de dados. A função par é usada novamente com o argumento new = TRUE, isso faz com que o próximo gráfico seja construído sobreposto ao gráfico antigo. Eixos e nomes dos eixos não devem ser mostrados, eles deverão ser adicionados pela função axis.

Argumentos:

new - Argumento lógico para especificar ser próximo gráfico deve ser construído sem apagar o gráfico antigo.

side - Especificar lado que o eixo deve ser mostrado. Valores aceitos 1 (eixo inferior), 2 (eixo à esquerda), 3 (eixo superior) e 4 (eixo à direita).

O segundo conjuntos de pontos indicando a correlação entre as variáveis e os eixos serão mostrado na forma de texto.
Argumentos:

labels - Especificar texto a ser adicionado em cada coordenada.

cex - Especificar tamanho da fonte do texto.

adj - Especificar se o texto deve se mostrado centrado exatamente da coordenada ou adjacente a coordenada. Argumento do tipo c(x, y), onde os valores representam o ajuste nos eixos x e y respectivamente. Se adj for 0 os texto é mostrado justificado a esquerda da coordenada.

op <- par(mar = c(4, 4, 3, 3)) plot(dados_unidades, pch = 19, cex = 0.6, ylab = "PCA 2 (24.74%)", xlab = "PCA 1 (62.01%)", xlim = c(-3.2, 3.2), ylim = c(-2.5, 2.5), las = 1) op <- par(new = TRUE) plot(dados_variaveis, xlab = "", ylab = "", xaxt = "n", yaxt = "n", type = "n", ylim = c(-1.2, 1.2), xlim = c(-1.2, 1.2)) axis(side = 4, las = 1) axis(side = 3) text(dados_variaveis, labels = rownames(dados_variaveis), cex = 0.6, adj = 0)

Para finalizar adiciona-se setas que partem da origem até os valores de cada uma das coordenadas de texto e linhas simples na origem de ambos os eixos.

Argumentos:

lenght - Comprimento da ponta da seta, em polegadas.

h e v - Posição para adicionar linha na horizontal e vertical, respectivamente.

op <- par(mar = c(4, 4, 3, 3)) plot(dados_unidades, pch = 19, cex = 0.6, ylab = "PCA 2 (24.74%)", xlab = "PCA 1 (62.01%)", xlim = c(-3.2, 3.2), ylim = c(-2.5, 2.5), las = 1) op <- par(new = TRUE) plot(dados_variaveis, xlab = "", ylab = "", xaxt = "n", yaxt = "n", type = "n", ylim = c(-1.1, 1.1), xlim = c(-1.1, 1.1)) axis(side = 4, las = 1) axis(side = 3) text(dados_variaveis, labels = rownames(dados_variaveis), cex = 0.6, adj = 0) arrows(x0 = 0, y = 0, x1 = dados_variaveis[, 1], y1 = dados_variaveis[, 2], length = 0.1) abline(h = 0, v = 0, lty = 3)

par(op) # Restaurar parâmetros gráficos originais.

Dados de experimento sobre o rendimento (peso seco de plantas) obtidos sob controle e dois tratamento. Uma ANOVA seguida por um teste de Tukey foram realizados para verificar se existem diferenças significativas entre os tratamentos.

data(PlantGrowth) dados <- PlantGrowth str(dados) 'data.frame': 30 obs. of 2 variables: $ weight: num 4.17 5.58 5.18 6.11 4.5 4.61 5.17 4.53 5.33 5.14 ... $ group : Factor w/ 3 levels "ctrl","trt1",..: 1 1 1 1 1 1 1 1 1 1 ... mod <- lm(weight ~ group, data = dados) # ANOVA summary.aov(mod) Df Sum Sq Mean Sq F value Pr(>F) group 2 3.766 1.8832 4.846 0.0159 * Residuals 27 10.492 0.3886 --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 TukeyHSD(aov(weight ~ group, data = dados)) # Tukey Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = weight ~ group, data = dados) $group diff lwr upr p adj trt1-ctrl -0.371 -1.0622161 0.3202161 0.3908711 trt2-ctrl 0.494 -0.1972161 1.1852161 0.1979960 trt2-trt1 0.865 0.1737839 1.5562161 0.0120064

Gráfico do tipo boxplot permite visualizar o efeito dos tratamentos. Neste caso é usado a notação de fórmula para as variáveis.

Argumento:

boxwex - Especificar largura das caixas.

boxplot(weight ~ group, data = dados, ylab = "Peso seco", xlab = "Tratamentos", main = "Rendimento", boxwex = 0.7, las = 1, ylim = c(3.5, 6.5))

Pode-se usar a função text para destacar no gráfico as diferenças significativas entre os tratamentos.

boxplot(weight ~ group, data = dados, ylab = "Peso seco", xlab = "Tratamentos", main = "Rendimento", boxwex = 0.7, las = 1, ylim = c(3.5, 6.5)) text(x = c(2, 3), y = c(6.2, 6.45), labels = "*", cex = 1.5)

Para mudar a ordem dos tratamentos no gráfico é preciso alterar a ordem dos fatores nos dados. Além disso, pode-se inverter as cores das caixas e trocar o símbolo dos outliers.

Argumentos:

col - Cor das caixas.

border - Cor das bordas das caixas.

whiskcol - Cor das linhas.

staplecol - Cor das barras limites.

outpch - Tipo de símbolo para os outliers.

dados$group <- factor(dados$group, levels = c("ctrl", "trt2", "trt1")) str(dados) 'data.frame': 30 obs. of 2 variables: $ weight: num 4.17 5.58 5.18 6.11 4.5 4.61 5.17 4.53 5.33 5.14 ... $ group : Factor w/ 3 levels "ctrl","trt2",..: 1 1 1 1 1 1 1 1 1 1 ... boxplot(weight ~ group, data = dados, ylab = "Peso seco", xlab = "Tratamentos", main = "Rendimento", las = 1, ylim = c(3.5, 6.5), col = "black", border = "white", whiskcol = "black", staplecol = "black", outcol = "black", outpch = 19, boxwex = 0.4)

Para finalizar pode-se alterar os nomes dos tratamentos e alterar o alcançe das barras do boxplot. Por padrão o alcançe das barras estendem-se até 1.5 desvios quantílicos, que é a medida da diferença entre o primeiro e o terceiro quatil da variável.

Argumentos:

names - Alterar nome dos níveis.

medcol - Alterar cores da linha do meio.

range - Determinar o range das barras. Padrão é 1.5, se for 0 as barras são mostradas até o limites dos dados.

boxplot(weight ~ group, data = dados, ylab = "Peso seco", xlab = "Tratamentos", main = "Rendimento", las = 1, ylim = c(3.5, 6.5), col = "black", border = "white", whiskcol = "black", staplecol = "black", outcol = "black", medcol = "black", outpch = 19, range = 0, boxwex = 0.4, names = c("Controle","T2", "T1"))

Os beanplot podem ser uma alternativa bastante interessante para os boxplot, já que além de mostrar a distribuição geral dos dados é possível mostrar todas as observações individuais. Os gráficos são realizados com a ajuda do pacote beanplot.

Os dados ToothGrowth são respostas do comprimento dos odontoblastos (células responsáveis pelo crescimento dentário) em 60 cobaias. Cada animal recebeu um dos três níveis de dose de vitamina C (0,5, 1 e 2 mg/dia) por um dos dois métodos de entrega, suco de laranja (OJ) ou ácido ascórbico (VC).

require(beanplot) data(ToothGrowth) dados <- ToothGrowth dados$dose <- as.factor(dados$dose) str(dados) 'data.frame': 60 obs. of 3 variables: $ len : num 4.2 11.5 7.3 5.8 6.4 10 11.2 11.2 5.2 7 ... $ supp: Factor w/ 2 levels "OJ","VC": 2 2 2 2 2 2 2 2 2 2 ... $ dose: Factor w/ 3 levels "0.5","1","2": 1 1 1 1 1 1 1 1 1 1 ...

Gráfico do tipo beanplot permite visualizar o efeito dos tratamentos. Neste caso é usado a notação de fórmula para as variáveis. Além disso, os dois conjuntos de tratamento serão mostrados no mesmo gráfico para facilitar a visualização. Essa função apresenta muitas opções, ver ?beanplot para mais detalhes.

Argumentos:

boxwex - Fator de escala aplicado para definir a largura das distribuições.

at - Posição de cada variável.

subset - Subconjunto de dados utilizado no gráfico atual.

log - Argumento para forçar ou não a transformação dos eixos em escala logarítmica.

what - Vetor de quatro elementos descrevendo o que mostrar no gráfico, sendo que 0 significa não mostrar e 1 mostrar. Na forma c(média total, distribuições, média de cada categoria, observações individuais). Padrão é c(1,1,1,1).

beanlines - método usado para determinar as linhas médias. Valores aceitos são “mean”, “median” e “quantiles”.

add - Argumento lógico para indicar se as informações devem ser adicionadas ao gráfico existente ou não. Padrão é FALSE.

Para finalizar adiciona-se o eixo e as legendas.

Argumentos:

lwd.ticks - espessura da linha das marcas de escala.

fill - cor do preenchimento usado nas caixas ao lado do texto da legenda.

beanplot(len ~ dose, data = dados, boxwex = 0.4, at = 1:3 - 0.15, subset = supp == "VC", col = adjustcolor("grey", alpha.f = 0.2), ylim = c(0, 40), xlab = "Dose de vitamina C (mg/dia)", ylab = "Comprimento do dente", log = "", las = 1, what = c(0,1,1,1), beanlines = "median", xaxt = "n") beanplot(len ~ dose, data = dados, boxwex = 0.4, at = 1:3 + 0.15, subset = supp == "OJ", col = adjustcolor("grey", alpha.f = 0.8), what = c(0,1,1,1), xaxt = "n", add = TRUE ) axis(side = 1, at = 1:3, label = levels(dados$dose), lwd = 0, lwd.ticks = 1) legend("topleft", bty = "n", legend = c("Ácido ascórbico", "Suco de laranja"), fill = c(adjustcolor("grey", alpha.f = 0.2), adjustcolor("grey", alpha.f = 0.8)))

Dados iron disponível no pacote AICcmodavg descrevem o teor de ferro de alimentos cozidos em diferentes tipos de panelas. Nos dados são dois factores e uma varíavel dependente. Pode-se calcular a média para cada nível dos factores combinados.

require(AICcmodavg) data(iron) str(iron) 'data.frame': 36 obs. of 3 variables: $ Pot : Factor w/ 3 levels "aluminium","clay",..: 1 1 1 1 2 2 2 2 3 3 ... $ Food: Factor w/ 3 levels "legumes","meat",..: 2 2 2 2 2 2 2 2 2 2 ... $ Iron: num 1.77 2.36 1.96 2.14 2.27 1.28 2.48 2.68 5.27 5.17 ... dados <- tapply(iron[, 3], list(iron[, 1], iron[, 2]), mean) dados legumes meat vegetables aluminium 2.3300 2.0575 1.2325 clay 2.4725 2.1775 1.4600 iron 3.6700 4.6800 2.7900

O gráfico de interação pode mostrar a influência dos dois fatores sobre a variável dependente. Pode-se usar a função matplot, que funciona muito bem para este tipo de dados, mas não é tão simples. Alternativamente pose-se usar a função interaction.plot, que já calcula a média para cada tratamento e constrói o gráfico, mas não permite tantas personalizações. Primeiramente define-se os limites para o eixo x. Neste caso, os dados são três colunas e três linhas, os limites podem ser definidos com valores um pouco abaxo de um e um pouco acima de três, pois cada nível será mostrado sobre o número inteiro de um a três. Além disso, não é mostrado nenhuma informação sobre o eixo x.

matplot(dados, type = "b", xlim = c(0.8, 3.2), ylim = c(1, 5), lty = 3, lwd = 1, pch = c(15, 19, 17), col = "black", xaxt = "n", xlab = "Tipo de panela", ylab = "Quantidade de ferro (mg/100g)")

Para adicionar o eixo x personalizado, basta definir os marcadores para o eixo e os nomes conforme os níveis da variável. É importante verificar qual dos níveis é mostrado no eixo x e qual dos nívels é mostrado nas linhas.

Argumentos:

side - Lado para mostrar o eixo.

at - Localização dos marcadores do eixo. Um vetor com todos os separadores.

labels - Texto para adicionar nos marcadores.

Para finalizar adicionar a legenda.

Argumentos:

pch - Tipo de marcado para cada nível. Nesta caso também é importante verificar a ordem de cada nível nos dados.

inset - Deslocamento da inserção da legenda, tendo como referência a palavra-chave da localização.

title - Título para a legenda.

matplot(dados, type = "b", xlim = c(0.8, 3.2), ylim = c(1, 5), lty = 3, lwd = 1, pch = c(15, 19, 17), col = "black", xaxt = "n", xlab = "Tipo de panela", ylab = "Quantidade de ferro (mg/100g)") axis(side = 1, at = 1:3, labels = c("Alumínio", "Barro", "Ferro")) legend("topleft", legend = c("Legumes", "Carne", "Vegetais"), pch = c(15, 19, 17), bty = "n", inset = 0.04, title = "Tipo de alimento")

Os dados airquality descrevem a qualidade do ar de New York em alguns meses de 1973.

data(airquality) dados <- airquality str(dados) 'data.frame': 153 obs. of 6 variables: $ Ozone : int 41 36 12 18 NA 28 23 19 8 NA ... $ Solar.R: int 190 118 149 313 NA NA 299 99 19 194 ... $ Wind : num 7.4 8 12.6 11.5 14.3 14.9 8.6 13.8 20.1 8.6 ... $ Temp : int 67 72 74 62 56 66 65 59 61 69 ... $ Month : int 5 5 5 5 5 5 5 5 5 5 ... $ Day : int 1 2 3 4 5 6 7 8 9 10 ...

Gráfico de linhas representado duas séries temporais com duas escalas no eixo y. Primeiramente deve-se redefinir as margens da figura. Depois mostrar a primeira série ocultando os valores e marcadores do eixo x.

Argumentos:

type - Altera o tipo de gráfico que será construído. Vários valores são aceito, os principais são “p” (gráfico de pontos), “l”(gráfico de linhas) e “b”(gráficos com pontos e linhas).

lty - Especificar tipo de linha.

lwd - Especificar espessura da linha.

op <- par(mar = c(3, 4, 4, 4)) plot(dados$Temp, type = "l", lty = 3, ylim = c(30, 100), lwd = 1.4, xaxt = "n", ylab = "Temperatura (F)", xlab = "")

Os intervalos de marcação no eixo x são estabelecidos com base na divisão mensal, transformando o eixo contínuo em categórico.

Argumentos:

side - Posição para o eixo.

at - Especificar posição dos marcadores do eixo.

label - Especificar nome para os marcadores do eixo.

A próximo passo consiste em sobrepor sobre o mesmo gráfico o segundo conjunto de dados. A função par é usada novamente com o argumento new = TRUE, isso faz com que o próximo gráfico seja construído sobreposto ao gráfico antigo. Eixos e nomes dos eixos não devem ser mostrados, eles deverão ser adicionados pela função axis.

Argumento:

new - Argumento lógico para especificar ser próximo gráfico deve ser construído sem apagar o gráfico antigo.

Pode-se adicionar o eixo e nome do eixo na margem direita do gráfico. A função mtext é usada para adicionar texto nas margens do gráfico.

Argumentos:

side - Posição para o eixo e texto na função mtext.

line - Linha para mostrar texto. Valores próximo a 1 corresponde a posição próximo ao eixo.

O título e subtítulo podem ser adicionados ao gráficos usando a função title.

Argumentos:

line - Linha para mostrar texto. Valores próximo a 1 corresponde a posição próximo ao eixo.

cex - Tamanho do texto.

op <- par(mar = c(3, 4, 4, 4)) plot(dados$Temp, type = "l", lty = 3, ylim = c(30, 100), lwd = 1.4, xaxt = "n", ylab = "Temperatura (F)", xlab = "") axis(side = 1, at = c(1, cumsum(table(dados[, 5]))), label = c("M", "J", "J", "A", "S", "O")) op <- par(new = TRUE) plot(dados$Ozone, type = "l", xlab = "", ylab = "", yaxt = "n", xaxt = "n", lty = 1) axis(side = 4, las = 3) mtext(text = "Ozônio (ppb)", side = 4, las = 0, line = 3) title(main = "New York", line = 1.5) title(main = "1973", line = 0.5, cex = 0.8, font.main = 1)

Para finalzar pode-se adicionar legenda ao gráfico.

Argumentos:

legend - Especificar o texto para a legenda.

lty e lwd - Especificar tipo e espessura das linhas de cada nível.

bty - Especificar tipo de borda da legenda.

ncol - Especificar número de colunas para a legenda.

par(op) # Resetar parâmetros gráficos

Dados do tempo de espera entre erupções e a duração da erupção do gêiser Old Faithful em Yellowstone National Park, Wyoming, EUA.

data(faithful) dados <- faithful str(dados) 'data.frame': 272 obs. of 2 variables: $ eruptions: num 3.6 1.8 3.33 2.28 4.53 ... $ waiting : num 79 54 74 62 85 55 88 85 51 85 ...

O histograma é construído pela função hist.

Argumentos:

col - Cor para as barras.

border - Cor para as bordas da barra.

hist(dados$waiting, las = 1, col = "black", border = "white")

Pode-se alterar o critério dos limites para cada barra do histograma.

Argumento:

breaks - Especificar os limites de para o agrupamento dos valores em cada barra.

hist(dados$waiting, las = 1, col = "black", border = "white", breaks = c(40, 50, 60, 70, 80,90, 100), xlab = "Tempo de espera (m)", ylab = "Frequência", main = "")

Pode-se ainda fazer com que os eixos fiquem juntos. Para isso é preciso definir o método de calcular os limites do eixo antes de fazer o histograma na função par. Além disso é preciso usar a função box para adicionar um contorno ao gráfico.

Argumentos:

yaxs - Alterar o estilo de cálculo dos limites dos eixos.

bty - Altera o tipo de contorno usado envolta do gráfico.

op <- par(yaxs = "i") hist(dados$waiting, las = 1, col = "black", border = "white", breaks = c(40:100), xlab = "Tempo de espera (m)", ylab = "Frequência", main = "Old Faithful") box(bty = "l")

par(op) # Resetar parâmetros gráficos

A função hist permite também mostrar a densidade dos valores, não apenas a contagem de observações em cada intervalo. Adicionalmente pode-se adicionar a linha de densidade sobre o histograma.

Argumentos:

prob - Argumento lógico para especificar se densidade deve ser mostrada.

lwd - Espessura da linha.

bty - Tipo de contorno para o gráfico.

hist(dados$waiting, prob = TRUE, las = 1, xlab = "Tempo de espera (m)", ylab = "Densidade", main = "Old Faithful") lines(density(dados$waiting), lwd = 4) box(bty = "l")

Dados iris descrevem três espécies de iris com medidas do comprimento e largura de pétalas e sépalas.

data(iris) dados <- iris[, 1:4] str(dados) 'data.frame': 150 obs. of 4 variables: $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ... $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ... $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ... $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...

A função pairs permite visualizar relações entre variáveis. O painel resultante será composto por tantas linhas e colunas de gráficos quanto váriaveis. Adicionalmente pose-se construir funções para adiconar elementos específicos na diagoral, painéis inferiores ou superiores. Abaixo são mostrados dois exemplos modificados das funções mostrada da ajuda da função pairs.

panel.cor <- function(x, y, ...) { par(usr = c(0, 1, 0, 1)) res <- cor.test(x, y, ...) txt <- as.character(round(res$estimate, 2)) txt2 <- paste("p =", round(res$p.value, 3)) text(0.5, 0.7, txt, cex = 2) text(0.5, 0.25, txt2, cex = 1.5) } panel.hist <- function(x, ...) { usr <- par("usr") on.exit(par(usr)) par(usr = c(usr[1:2], 0, 1.5)) h <- hist(x, plot = FALSE) breaks <- h$breaks nB <- length(breaks) y <- h$counts y <- y/max(y) rect(breaks[-nB], 0, breaks[-1], y, col = "black", border = "white", ...) }

Argumento:

upper.panel - Função usada para os gráficos do painel superior.

pairs(dados, upper.panel = panel.cor)

Argumento:

diag.panel - Função usada para os gráficos da diagonal do painel.

pairs(dados, upper.panel = panel.cor, diag.panel = panel.hist)

Um dos recurso disponívels no R é a possibilidade de construir vários gráficos agrupados lado a lado. Estes podem ser exportados juntos formando uma mesma figura. É preciso entender o funcionamento das margens do dipositivo para personalizar o layout dos gráficos múltiplos.

Um gráfico no R é composto por vários elemento, na figura abaixo são mostrados os dois elementos principais de um gráfico. O primeiro deles é a área central chamada de área do gráfico, onde encontram-se os pontos, até os eixos. O segundo elemento é a margem da figura, que é definida entre os eixos e a borda exterior. O argumento mar deve ser especificado antes de começar o construção do gráfico, na função par. Esse argumento é um vetor numérico que indica o número de linhas em cada uma das margens, segundo a forma c(margem inferior, margem à esquerda, margem superior, margem à direita). O padrão é mar = c(5.1, 4.1, 4.1, 2.1), sendo que nessa configuração padrão a margem esquerda é bem menor que os demais.

Adicionalmente é possivel definir um terceiro elemento usando o argumento oma na função par. Este argumento define o tamanho da margem externa da figura como um todo. Da mesma forma que o argumento mar, o argumento oma é um vetor numérico que indica o número de linhas em cada uma das margens externas a figura, segundo a forma c(margem inferior, margem à esquerda, margem superior, margem à direita). O padrão de oma = c(0, 0, 0, 0). A figura abaixo mostra o resultado da alteração dos parâmetros mar e oma em um gráfico.

Uma maneira simples de configurar os painéis é usar os argumentos mfrow e mfcol na função par. Estes argumentos devem ser especificadas antes de começar a construção dos gráficos. Os dois argumentos funcionam da mesma maneira, fornecendo um vetor da forma de c(nr, nc), sendo que nr especifíca o número de colunas e nc especifíca o número de colunas de gráficos no dispositivo. Por exemplo, se fornecido c(4 ,2) o painél será composto por oito gráficos. A diferença entre mfrow e mfcol é que no primeiro os gráficos são construídos pelas linhas, da esquerda para a direita e depois passam para a segunda linha. Ja se o argumento mfcol for usado os gráficos são construídos pelas colunas, antes a primeira coluna e depois a segunda coluna. Alternativamente pose-se usar as funções layout e split.screen para produzir outros layout gráficos.
O exemplo abaixo ilustra o funcionamento da função mfrow sem alterar os argumentos mar e oma. As linhas da borda da figura e os limites de cada gráfico foram destacadas para ilustrar o funcionamento das margens. Originalmente essas linhas não são mostradas.

op <- par(mfrow = c(2, 2), las = 1) plot(anscombe$x1, anscombe$y1, xlim = c(0, 20), ylim = c(0, 14)) plot(anscombe$x2, anscombe$y2, xlim = c(0, 20), ylim = c(0, 14)) plot(anscombe$x3, anscombe$y3, xlim = c(0, 20), ylim = c(0, 14)) plot(anscombe$x4, anscombe$y4, xlim = c(0, 20), ylim = c(0, 14)) par(op) # Restaurar parâmetros gráficos originais.

Na figura acima o espaço entre os gráficos poderia ser melhor aproveitado se as margens dos gráficos fossem alteradas. Abaxo segue o mesmo exemplo alterando os argumentos mar e oma. Novamente as linhas que limitam os gráficos foram destacadas para visualização. A função mtext pode ser usada para adicionar um título geral para o conjunto de gráficos.

op <- par(mfrow = c(2, 2), las = 1, mar = c(4, 4, 0.5, 0.5), oma = c(1, 1, 2.5, 1)) plot(anscombe$x1, anscombe$y1, xlim = c(0, 20), ylim = c(0, 14)) plot(anscombe$x2, anscombe$y2, xlim = c(0, 20), ylim = c(0, 14)) plot(anscombe$x3, anscombe$y3, xlim = c(0, 20), ylim = c(0, 14)) plot(anscombe$x4, anscombe$y4, xlim = c(0, 20), ylim = c(0, 14)) par(op) # Restaurar parâmetros gráficos originais.

Outro recurso disponível é sobrepor gráficos para criar um subgráfico. Para fazer isso é preciso alterar os argumentos fig e new na função par. Da mesma forma que os outros argumentos que controlam as opções gerais da figura o argumento fig é um vetor numérico que indica as coordenadas externas da figura, segundo a forma c(x1, x2, y1, y2), sendo o padrão fig = c(0.25, 0.50, 0.60, 0.80). Quando new = TRUE o próximo gráfico é construído sobreposto ao gráfico antigo. O argumento mar pode ser usado para especificar margens do gráfico, nessa caso as margens foram removidas.

curve(dnorm(x, 20, 1), from = 10, to = 25, ylab = "Densidade probabilística", xlab = "Valor de x", main = "Distribuição Normal - Média 20; SD = 1", cex.main = 0.8) op <- par(fig = c(0.3, 0.55, 0.6, 0.8), new = TRUE, mar = c(0, 0, 0, 0)) curve(pnorm(x, 20, 1), from = 15, to = 25, xlab = "", ylab = "", xaxt = "n", yaxt = "n") axis(1, at = c(16, 24)) axis(2, at = c(0, 1))

par(op) # Resetar parâmetros gráficos

A função image pode ser utilizada para gerar grade de cores, como matrizes ou dados espaciais. Essa função também pode ser usada para adicionar legenda em escala de cores personalisada. A legenda é gerada na forma de subgráficos da gráfico principal. No exemplo abaixo os dados são duas variávels numéricas, x e y representando as respectivas coordenadas de 50 observações. O primeiro passo é obter o mínimo e máximo da variável x e definir um número arbitrário de intervalos para a variável (no exemplo 100 intervalos, no objeto intervalos).

set.seed(100) dados <- data.frame(x = runif(50)) dados$y <- cos(dados$x) str(dados) 'data.frame': 50 obs. of 2 variables: $ x: num 0.3078 0.2577 0.5523 0.0564 0.4685 ... $ y: num 0.953 0.967 0.851 0.998 0.892 ... # Definir 100 intervalos entre o mínimo e máximo da variável x intervalos <- seq(min(dados$x, na.rm = TRUE), max(dados$x, na.rm = TRUE), length.out = 100) str(intervalos) num [1:100] 0.0564 0.0658 0.0752 0.0847 0.0941 ...

A seguir é definito um gradiente de cores para cada intervalo definido. As funções heat.colors, colorRampPalette e two.colors dos pacotes fields e RColorBrewer são exemplos de funções que podem ser usadas para definir os gradiente de cores. Ver seção Cores para mais informações. Após isso, a função findInterval é usada para categorizada a variável x nos intervalos definidos.

require(fields) require(RColorBrewer) # Definir uma cor para cada um dos intervalos previamente definidos cores <- two.colors(length(intervalos), start = "blue", end = "red", middle = "green") str(cores) chr [1:100] "#0000FF" "#0008F9" "#000FF2" "#0017EC" ... # Outros exemplos de funções para definir o gradiente de cores # cores <- heat.colors(length(intervalos)) # cores <- colorRampPalette(brewer.pal(8,'Oranges'))(length(intervalos)) # Variável x é categorizada em um dos intervalos previamente definidos quaisintervalos <- findInterval(dados$x, intervalos) str(quaisintervalos) int [1:50] 27 22 53 1 44 46 81 34 53 13 ...

Próximo passo é construir o gráfico organizando o vetor de cores conforme o intervalo que a variável x pertence.

plot(dados$x, dados$y, pch = 19, col = cores[quaisintervalos])

A legenda pode então ser adicionda ao gráfico com a função image. A legenda será adicionada na forma de um subgráfico, para isso é definido uma nova área para no novo gráfico usando a função par alterando os argumentos fig, new e mar. Ver mais detalhes na seção Subgráficos acima. As opções de cores e intervalos definidas anteriomente são usadas para a construção da legenda. Próximo bloco de cógido mostra as opções para a legenda na orientação vertical.

plot(dados$x, dados$y, pch = 19, col = cores[quaisintervalos]) # A legenda ocupará toda a área definida pelo argumento fig op <- par(fig = c(0.82, 0.85, 0.5, 0.75), new = TRUE, mar = c(0,0,0,0)) # Opções para escala de cores na orientação vertical. # Ver próximo bloco de códigos para orientação horizontal. # As próximas 7 linhas do comando não precisam ser alteradas para uma legenda vertical nl <- length(intervalos) nc <- 1 image(nc, intervalos, matrix(intervalos, nc, nl), col = cores, xlab = "", ylab = "", xaxt = "n", yaxt = "n", add = FALSE) # Adicionar eixos axis(2, at = c(0.2, 0.8)) # Adicionar título. Como a margem foram removidas, a função mtext é usada neste caso. mtext("Escala")

par(op) # Resetar parâmetros gráficos

Agora a legenda é adicionada na orientação horizontal.

plot(dados$x, dados$y, pch = 19, col = cores[quaisintervalos]) op <- par(fig = c(0.2, 0.5, 0.32, 0.35), new = TRUE, mar = c(0,0,0,0)) # Opções para escala de cores na orientação hoziontal. # Ver bloco anterior de código para orientação vertical. # As próximas 7 linhas do comando não precisam ser alteradas para uma legenda hoziontal. nl <- 1 nc <- length(intervalos) image(intervalos, nc, matrix(intervalos, nc, nl), col = cores, xlab = "", ylab = "", xaxt = "n", yaxt = "n", add = FALSE) # Adicionar eixos axis(1, at = c(0.2, 0.8)) # Adicionar título. Como a margem foi removida, a função mtext é usada neste caso. mtext("Escala")

par(op) # Resetar parâmetros gráficos

Normalmente as figuras são geradas no dispositivos de visualização e posteriormente exportadas usando outro dispositivo. Os dispositivos para exportar são em dois grupos, o primeiro deles exporta arquivos de imagens que são dependentes de resuluções como jpeg(), bmp(), tiff() e png() e o segundo deles exporta arquivos vetorias independentes de resuluções como pdf(), svg() e postscript().

A estrutura básica para exportar é a seguinte:

pdf("Nome do arquivo.pdf") # Comandos gráficos dev.off()

No exemplo acima do dispositivo de exportação é iniciado pela função pdf() que gera um arquivo chamado Nome do arquivo.pdf. Os comandos gráficos são então executados e o gráfico é construído dentro do arquivo pdf. Se mais de um gráfico é gerado todos serão constrídos dentro do mesmo arquivo. A função dev.off() é usada para finalizar o dispositivo de exportação, essa função é obrigatória para que o arquivo pdf possa ser aberto por outro aplicativo.

Para exportar um gráfico de exemplo pode-se utilizar o conjunto de dados anscombe.

data(anscombe) dados <- anscombe

No caso dos arquivos imagens pode-se exportar em usando a função png(). É preciso especificar as dimensões da figura e resulução da imagem que será exportada.

Argumentos:

res - Resulução em ppi.

height - Altura em pixels.

width - Largura em pixels.

png("Anscombe.png", res = 200, height = 600, width = 600) plot(dados$x1, dados$y1, xlab = "Variável independente", ylab = "Variável dependente", main = "Anscombe", las = 1, xlim = c(0, 16), ylim = c(0, 12), xaxs = "i", yaxs = "i", xaxp = c(0, 16, 8), yaxp = c(0, 12, 6), tck = 0.01, mgp = c(1.5, 0.5, 0)) dev.off()

A imagem exportada perde a formatação e o layout do dispositivo de visualização. Para reajustar é preciso alterar alguns parâmertros gráficos, como por exemplo, mex, cex, cex.main, cex.lab e cex.axis.

Para exportar em arquivo vetorial a resolução não precisa ser ajustada, apenas as dimensões do arquivo de saída.

Argumentos:

height - Altura em polegadas.

width - Largura em polegadas.

pdf("Anscombe.pdf", width = 6, height = 6) plot(dados$x1, dados$y1, xlab = "Variável independente", ylab = "Variável dependente", main = "Anscombe", las = 1, xlim = c(0, 16), ylim = c(0, 12), xaxs = "i", yaxs = "i", xaxp = c(0, 16, 8), yaxp = c(0, 12, 6), tck = 0.01, mgp = c(1.5, 0.5, 0)) dev.off()

Nesse caso a formatação e o layout fica mais próximo ao observado no dispositivo de visualização. Ainda assim, é possível ajustar os parâmetros gráficos para um melhor resultado. A exportação no formato vetorial é recomendada, por ser mais fácil e por não perder a resolução ao aplicar zoom.

É possível salvar o gráfico atual do dispositivo em um objeto. Isso permite renderizar novamente o mesmo gráfico e adicionar difentes elementos a partir de um gráfico base ou salvar vários gráficos em diferentes objetos para posterior exportação. No exemplo as variáveis numéricas x e y são duas sequência de 1 a 10 representando as respectivas coordenadas dos pontos no gráfico.

dados <- data.frame(x = 1:10, y = 1:10) str(dados) 'data.frame': 10 obs. of 2 variables: $ x: int 1 2 3 4 5 6 7 8 9 10 $ y: int 1 2 3 4 5 6 7 8 9 10

O gráfico é contruído com todas as opções e posteriormente salvo com a função recordPlot.

plot(dados$x, dados$y, pch = 19, col = "tomato2", cex = 1.5) title(main = "Exemplo")

pl <- recordPlot() # Gráfico salvo no objeto pl pl # Gráfico originalmente salvo é repetido com todas as opções utilizadas

O objetivo deste texto foi apresentar as principais funções e argumentos utilizados na construção de gráficos utilizando as funções gráficas básicas do R. Os principais elementos gráficos, opções de personalização e exportação foram mostradas e exemplificadas. Espero que este texto tenha sido útil e, por favor, avise-me se tiver dúvidas ou sugestões sobre este texto.

Q&a O que

O que em r em graficos comparativos

Postagens relacionadas

Publicidade

ÚLTIMAS NOTÍCIAS

Toplistas

Publicidade

Populer

Publicidade

Sobre

Jurídica

Ajuda

Social