En este tema, aprenderemos a crear gráficos utilizando las funciones gráficas base de R. Estas funciones son fundamentales para la visualización de datos y son una parte esencial del análisis de datos en R. A lo largo de esta sección, cubriremos los siguientes puntos:
- Introducción a las funciones gráficas base de R
- Creación de gráficos básicos
- Personalización de gráficos
- Añadir elementos adicionales a los gráficos
- Guardar gráficos
- Introducción a las funciones gráficas base de R
R proporciona una serie de funciones gráficas que permiten crear gráficos de manera rápida y sencilla. Algunas de las funciones más comunes incluyen:
plot(): Crea gráficos de dispersión y otros tipos de gráficos básicos.hist(): Crea histogramas.boxplot(): Crea diagramas de caja.barplot(): Crea gráficos de barras.pie(): Crea gráficos de pastel.
- Creación de gráficos básicos
Gráfico de Dispersión
El gráfico de dispersión es una de las formas más comunes de visualizar la relación entre dos variables. Utilizaremos la función plot() para crear un gráfico de dispersión.
# Datos de ejemplo x <- c(1, 2, 3, 4, 5) y <- c(2, 3, 5, 7, 11) # Crear un gráfico de dispersión plot(x, y, main="Gráfico de Dispersión", xlab="Eje X", ylab="Eje Y")
Histograma
Un histograma es útil para visualizar la distribución de una variable numérica. Utilizaremos la función hist() para crear un histograma.
# Datos de ejemplo data <- c(1, 2, 2, 3, 3, 3, 4, 4, 5) # Crear un histograma hist(data, main="Histograma", xlab="Valores", ylab="Frecuencia", col="blue")
Diagrama de Caja
Un diagrama de caja es útil para visualizar la distribución de una variable y detectar posibles valores atípicos. Utilizaremos la función boxplot() para crear un diagrama de caja.
# Datos de ejemplo data <- c(1, 2, 2, 3, 3, 3, 4, 4, 5) # Crear un diagrama de caja boxplot(data, main="Diagrama de Caja", ylab="Valores")
Gráfico de Barras
Un gráfico de barras es útil para comparar diferentes categorías. Utilizaremos la función barplot() para crear un gráfico de barras.
# Datos de ejemplo
categories <- c("A", "B", "C", "D")
values <- c(3, 7, 2, 5)
# Crear un gráfico de barras
barplot(values, names.arg=categories, main="Gráfico de Barras", xlab="Categorías", ylab="Valores", col="green")Gráfico de Pastel
Un gráfico de pastel es útil para mostrar la proporción de diferentes categorías. Utilizaremos la función pie() para crear un gráfico de pastel.
# Datos de ejemplo
values <- c(10, 20, 30, 40)
labels <- c("A", "B", "C", "D")
# Crear un gráfico de pastel
pie(values, labels=labels, main="Gráfico de Pastel", col=rainbow(length(values)))
- Personalización de gráficos
R permite personalizar los gráficos de muchas maneras. A continuación, se muestran algunas opciones comunes de personalización:
main: Título del gráfico.xlab,ylab: Etiquetas de los ejes X e Y.col: Color de los elementos del gráfico.pch: Tipo de punto en gráficos de dispersión.lty: Tipo de línea en gráficos de líneas.lwd: Ancho de línea.
Ejemplo de personalización
# Datos de ejemplo x <- c(1, 2, 3, 4, 5) y <- c(2, 3, 5, 7, 11) # Crear un gráfico de dispersión personalizado plot(x, y, main="Gráfico de Dispersión Personalizado", xlab="Eje X", ylab="Eje Y", col="red", pch=16)
- Añadir elementos adicionales a los gráficos
Podemos añadir elementos adicionales a los gráficos, como líneas, puntos y texto, utilizando funciones como abline(), points(), lines(), y text().
Ejemplo de añadir elementos adicionales
# Datos de ejemplo x <- c(1, 2, 3, 4, 5) y <- c(2, 3, 5, 7, 11) # Crear un gráfico de dispersión plot(x, y, main="Gráfico con Elementos Adicionales", xlab="Eje X", ylab="Eje Y", col="blue", pch=16) # Añadir una línea horizontal abline(h=5, col="red", lty=2) # Añadir puntos adicionales points(c(2, 4), c(4, 8), col="green", pch=17) # Añadir texto text(3, 6, "Punto Extra", col="purple")
- Guardar gráficos
Podemos guardar los gráficos en diferentes formatos utilizando funciones como png(), jpeg(), pdf(), y svg().
Ejemplo de guardar un gráfico
# Datos de ejemplo
x <- c(1, 2, 3, 4, 5)
y <- c(2, 3, 5, 7, 11)
# Guardar el gráfico como PNG
png("grafico_dispersión.png")
plot(x, y, main="Gráfico de Dispersión", xlab="Eje X", ylab="Eje Y")
dev.off()Ejercicios Prácticos
Ejercicio 1: Crear un histograma
Crea un histograma utilizando los siguientes datos y personalízalo con un título y etiquetas para los ejes.
# Datos de ejemplo data <- c(1, 2, 2, 3, 3, 3, 4, 4, 5, 5, 5, 5, 6, 6, 7) # Crear un histograma # Tu código aquí
Ejercicio 2: Crear un gráfico de barras
Crea un gráfico de barras utilizando los siguientes datos y personalízalo con un título, etiquetas para los ejes y colores.
# Datos de ejemplo
categories <- c("A", "B", "C", "D", "E")
values <- c(5, 3, 8, 2, 7)
# Crear un gráfico de barras
# Tu código aquíEjercicio 3: Añadir elementos adicionales a un gráfico de dispersión
Crea un gráfico de dispersión utilizando los siguientes datos y añade una línea horizontal en y=4, puntos adicionales en (3, 6) y (4, 8), y un texto en (2, 5) que diga "Punto Extra".
# Datos de ejemplo x <- c(1, 2, 3, 4, 5) y <- c(2, 3, 5, 7, 11) # Crear un gráfico de dispersión # Tu código aquí
Soluciones
Solución Ejercicio 1
# Datos de ejemplo data <- c(1, 2, 2, 3, 3, 3, 4, 4, 5, 5, 5, 5, 6, 6, 7) # Crear un histograma hist(data, main="Histograma de Datos", xlab="Valores", ylab="Frecuencia", col="blue")
Solución Ejercicio 2
# Datos de ejemplo
categories <- c("A", "B", "C", "D", "E")
values <- c(5, 3, 8, 2, 7)
# Crear un gráfico de barras
barplot(values, names.arg=categories, main="Gráfico de Barras", xlab="Categorías", ylab="Valores", col=rainbow(length(values)))Solución Ejercicio 3
# Datos de ejemplo x <- c(1, 2, 3, 4, 5) y <- c(2, 3, 5, 7, 11) # Crear un gráfico de dispersión plot(x, y, main="Gráfico con Elementos Adicionales", xlab="Eje X", ylab="Eje Y", col="blue", pch=16) # Añadir una línea horizontal abline(h=4, col="red", lty=2) # Añadir puntos adicionales points(c(3, 4), c(6, 8), col="green", pch=17) # Añadir texto text(2, 5, "Punto Extra", col="purple")
Conclusión
En esta sección, hemos aprendido a crear y personalizar gráficos utilizando las funciones gráficas base de R. Hemos cubierto gráficos de dispersión, histogramas, diagramas de caja, gráficos de barras y gráficos de pastel. También hemos visto cómo añadir elementos adicionales a los gráficos y cómo guardarlos en diferentes formatos. Con estos conocimientos, estarás preparado para visualizar datos de manera efectiva utilizando las herramientas gráficas base de R. En la próxima sección, exploraremos el uso de ggplot2 para crear visualizaciones más avanzadas y personalizadas.
Programación en R: De Principiante a Avanzado
Módulo 1: Introducción a R
- Introducción a R y RStudio
- Sintaxis Básica de R
- Tipos y Estructuras de Datos
- Operaciones y Funciones Básicas
- Importación y Exportación de Datos
Módulo 2: Manipulación de Datos
- Vectores y Listas
- Matrices y Arreglos
- Data Frames
- Factores
- Manipulación de Datos con dplyr
- Manipulación de Cadenas
Módulo 3: Visualización de Datos
- Introducción a la Visualización de Datos
- Gráficos Base R
- Fundamentos de ggplot2
- ggplot2 Avanzado
- Visualizaciones Interactivas con plotly
Módulo 4: Análisis Estadístico
- Estadísticas Descriptivas
- Distribuciones de Probabilidad
- Pruebas de Hipótesis
- Correlación y Regresión
- ANOVA y Pruebas Chi-Cuadrado
Módulo 5: Manejo Avanzado de Datos
- Manejo de Fechas y Tiempos
- Reestructuración de Datos
- Trabajo con Grandes Conjuntos de Datos
- Web Scraping
- APIs y JSON
Módulo 6: Conceptos Avanzados de Programación
- Escritura de Funciones
- Depuración y Manejo de Errores
- Programación Orientada a Objetos en R
- Programación Funcional
- Computación Paralela
Módulo 7: Aprendizaje Automático con R
- Introducción al Aprendizaje Automático
- Preprocesamiento de Datos
- Aprendizaje Supervisado
- Aprendizaje No Supervisado
- Evaluación y Ajuste de Modelos
Módulo 8: Temas Especializados
- Análisis de Series Temporales
- Análisis de Datos Espaciales
- Minería de Textos y Procesamiento de Lenguaje Natural
- Bioinformática con R
- Análisis de Datos Financieros