index.knit

class: center, middle, inverse, title-slide

# <center>
<img src= 'img/rainbow.png' width = '30%' alt='R-Ladies Logo'></br>
</center>
## R-Ladies São Paulo <BR> <strong>Princípios de Dataviz com R e ggplot2</strong> <BR> Semana da Estatística (SEst) UFSCar e USP 2021
### 19, 20 e 21 de outubro/2021 - 18h30 às 20h00

---

layout: true
  
<div class="my-footer"><span>

<a href="https://www.meetup.com/pt-BR/R-Ladies-Sao-Paulo">Meetup</a> |
<a href="https://twitter.com/RLadiesSaoPaulo">Twitter</a> | 
<a href="http://instagram.com/RLadiesSaoPaulo">Instagram</a> |
<a href="http://facebook.com/RLadiesSaoPaulo">Facebook</a> |
<a href="https://github.com/rladies/meetup-presentations_sao-paulo">GitHub</a> |
<a href="https://www.youtube.com/channel/UCU3ePTnZQurDkYgPK61DAOw">YouTube</a>

</span></div> 
---
class:

# Programação

**Princípios de Dataviz com R e ggplot2**

- 19/out: Introdução do pacote `ggplot2`

- 20/out: Explorando gráficos com `ggplot2`

- 21/out: Storytelling com dados

<div class="figure" style="text-align: center">
<img src="img/horst/ggplot2_exploracao_pt.png" alt="Art by &lt;a href='https://github.com/allisonhorst/stats-illustrations'&gt;Allison Horst&lt;/a&gt;" width="35%" />
<p class="caption">Art by <a href='https://github.com/allisonhorst/stats-illustrations'>Allison Horst</a></p>
</div>

---
class:

# Hoje

**Introdução do pacote `ggplot2`**

- Instalação do pacote `ggplot2`

- Lógica e estrutura básica de montagem de um gráfico no `ggplot`

- Camadas de um gráfico

---
class:

# Pré-requisitos

## `R` e `RStudio` instalados no seu notebook

- Instale o R [fazendo o download aqui](https://cran.r-project.org/) e o RStudio [aqui](https://rstudio.com/products/rstudio/download/#download).

- Passo a passo da instalação (livro Curso-R) [aqui](https://livro.curso-r.com/1-instalacao.html)

---
class:

# R-Studio

RStudio é a **IDE** (integrated development environment) da Linguagem R, ou seja, o ambiente que utilizamos para editar e executar os códigos em R. Tem quatro áreas, conforme a figura abaixo:

<div class="figure" style="text-align: center">
<img src="img/intro-rstudio/RStudio_screen.png" alt="Fonte: &lt;a href='https://github.com/MaryMS/2018-11-R-Course-FatecZS'&gt;Curso Introdução ao R - Fatec&lt;/a&gt;" width="80%" />
<p class="caption">Fonte: <a href='https://github.com/MaryMS/2018-11-R-Course-FatecZS'>Curso Introdução ao R - Fatec</a></p>
</div>

---
class: center, middle, inverse

# Vamos começar?

---
class:

# O que é o ggplot2?
Pacote para visualização de dados, criado por [Hadley Wickham](https://github.com/hadley) e mantido pela [RStudio](https://rstudio.com/).

Referência: livro [Elegant Graphics for Data Analysis](https://ggplot2-book.org/index.html), do Hadley Wickham.

### Por que usar o ggplot2 para montar minhas visualizações?

- Versátil e Esteticamente rico.

- Implementação dos conceitos de *Grammar of Graphics*.

<div class="figure" style="text-align: center">
<img src="img/horst/ggplot2_obra_prima_pt.png" alt="Art by &lt;a href='https://github.com/allisonhorst/stats-illustrations'&gt;Allison Horst&lt;/a&gt;" width="35%" />
<p class="caption">Art by <a href='https://github.com/allisonhorst/stats-illustrations'>Allison Horst</a></p>
</div>
---
class:

# Grammar of Graphics

- A origem do nome **GG**plot

- Estrutura que segue uma abordagem em camadas para descrever e construir visualizações ou gráficos de maneira estruturada.

- Uma visualização geralmente tem vários componentes ou aspectos, e alavancar essa gramática de gráficos em camadas nos ajuda a descrever e entender cada componente envolvido na visualização - em termos de dados, estética, escala, objetos e assim por diante.

---
class:

# Sintaxe básica do ggplot

- Um gráfico feito com ggplot2 é uma soma de **camadas**.

- Não precisa utilizar todos os componentes seguintes em seu gráfico, mas é interessante saber que existem.

<BR>

---
class:

# Sintaxe básica do ggplot

- A função `ggplot()` inicia um gráfico ggplot.

- Utilizamos o símbolo **`+`** para somar as camadas.

```
 ggplot(data, aesthetics) +
    geometries(statistics) +
    facets +
    coordinates +
    theme
```
---
class:

# Construção de um gráfico

1. **Base de dados** que temos interesse em analisar e extrair informação.

---
class:

# Construção de um gráfico

1. **Base de dados** que temos interesse em analisar e extrair informação.

2. **Mapear as variáveis** que queremos relacionar.

---
class:

# Construção de um gráfico

1. **Base de dados** que temos interesse em analisar e extrair informação.

2. **Mapear as variáveis** que queremos relacionar.
  
3. Definir o **objeto geométrico** mais adequado: linha, ponto, barras etc.

---
class:

# Construção de um gráfico

1. **Base de dados** que temos interesse em analisar e extrair informação.

2. **Mapear as variáveis** que queremos relacionar.
  
3. Definir o **objeto geométrico** mais adequado: linha, ponto, barras etc.

```
ggplot(data = [BASE DE DADOS], 
       mapping = aes(x = [VARIÁVEL X], y = [VARIÁVEL Y])) +
  geom_[OBJETO GEOMÉTRICO]()
```

---
class:

# Objetos geométricos

- Gráficos de dispersão: `geom_point()`

- Gráficos de barras: `geom_col()` ou `geom_bar()`

- Gráficos de linhas: `geom_line()`

- Histograma: `geom_hist()`

- Boxplot: `geom_boxplot()`

- Densidade: `geom_density()`

- Suavização: `geom_smooth()`

- Adicionar rótulos ou textos: `geom_label()` ou `geom_text()`

---
class:

# Mão na massa

Primeiro, precisamos instalar os pacotes necessários e carregá-los:
  - Pacote `dplyr` para manuseio dos dados.
  - Pacote `ggplot2` para a visualização dos dados.

```r
# install.packages('dplyr')
# install.packages('ggplot2')

library(ggplot2)
library(dplyr)
```

---
class:

# Mão na massa

#### Selecionar a base de dados

- Na maioria das vezes precisaremos organizar e limpar os dados antes de utilizar o ggplot. Aqui vamos partir de uma base já organizada.

- Para a parte prática, utilizaremos a base do R *airquality*.

```r
# Leitura da base de dados
airquality <- as_tibble(datasets::airquality)
head(airquality)
```

```
## # A tibble: 6 × 6
##   Ozone Solar.R  Wind  Temp Month   Day
##   <int>   <int> <dbl> <int> <int> <int>
## 1    41     190   7.4    67     5     1
## 2    36     118   8      72     5     2
## 3    12     149  12.6    74     5     3
## 4    18     313  11.5    62     5     4
## 5    NA      NA  14.3    56     5     5
## 6    28      NA  14.9    66     5     6
```

---
class:

# Mão na massa

#### Mapear as variáveis

As variáveis escolhidas para a minha análise são: **Wind** e **Temp**.

```r
select(airquality, Wind, Temp)
```

```
## # A tibble: 153 × 2
##     Wind  Temp
##    <dbl> <int>
##  1   7.4    67
##  2   8      72
##  3  12.6    74
##  4  11.5    62
##  5  14.3    56
##  6  14.9    66
##  7   8.6    65
##  8  13.8    59
##  9  20.1    61
## 10   8.6    69
## # … with 143 more rows
```

---
class:

# Mão na massa

#### Definir objeto geométrico

Como as variáveis **Wind** e **Temp** são numéricas, vamos fazer um gráfico de pontos, chamando a camada `geom_point()`.

---
class:

# Mão na massa

1. **Base de dados**: airquality.

2. **Mapear as variáveis**: Wind (x) e Temp (y).
  
3. **Objeto geométrico**: pontos (`geom_point()`).

<BR>

```r
ggplot(data = airquality,
       mapping = aes(x = Wind, y = Temp)) +
  geom_point() # Camada 1
```
---
class:

# Mão na massa

---
class:

# Mão na massa

O mapeamento das variáveis também pode ser inserido no objeto geométrico:

```r
ggplot(data = airquality) +
  geom_point(mapping = aes(x = Wind, y = Temp))
```

---
class:

# Mão na massa

#### Como podemos melhorar?

<div class="figure" style="text-align: center">
<img src="img/horst/ggplot2_obra_prima_pt.png" alt="Art by &lt;a href='https://github.com/allisonhorst/stats-illustrations'&gt;Allison Horst&lt;/a&gt;" width="45%" />
<p class="caption">Art by <a href='https://github.com/allisonhorst/stats-illustrations'>Allison Horst</a></p>
</div>

---
class:

# Mão na massa

#### Como podemos melhorar?

- Títulos e subtítulos
- Nomear eixos
- Cores e tamanhos dos objetos geométricos
- Temas

---
class:

# Mão na massa