Destacar subconjunto de puntos en un diagrama de dispersión con ggplot2

Problema

Deseamos resaltar un determinado número de puntos de un diagrama de dispersión. En nuestro ejemplo, usamos el conjunto de datos mpg (Fuel economy data from 1999 and 2008 for 38 popular models of car). Queremos destacar en rojo y con un tamaño mayor, aquellos cuyo displ (engine displacement) sea mayor de 5 y hwy (highway miles per gallon) mayor de 20.

Solución

Alternativa 1

Añadimos la condición lógica para ambos atributos, color y tamaño del punto dentro de geom_point. Después cambiamos manualmente ambos con scale_colour_manual y scale_size_manual. Finalmente eliminamos la leyenda.

ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy, colour = displ > 5 & hwy > 20, size = displ > 5 & hwy > 20)) + 
  scale_colour_manual(values = c("black", "red")) + 
  scale_size_manual(values =c(1.5, 3))+
  theme(legend.position = "none")

Alternativa 2

Creamos dos capas de puntos con geom_point. La primera en negro incluye todos los puntos. La segunda en rojo y con un tamaño de punto mayor para el subconjunto del data frame deseado.

ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy), colour= "black") +
  geom_point(data = subset(mpg, displ > 5 & hwy > 20), aes(x = displ, y = hwy), colour= "red", size = 3)
 

En ggplot2 las capas se añaden en el orden especificado en el código. Si alteráramos el orden de las dos capas (geom_point), obtendríamos el siguiente resultado.

ggplot(data = mpg) + 
   geom_point(data = subset(mpg, displ > 5 & hwy > 20), aes(x = displ, y = hwy), colour= "red", size = 3) +
   geom_point(mapping = aes(x = displ, y = hwy), colour= "black")
 

Entradas relacionadas

• Etiquetar los puntos de un diagrama de dispersión con ggplot2
• Etiquetar selectivamente los puntos de un diagrama de dispersión con ggplot2
• Diagramas de dispersión con el paquete car en R

Cómo añadir etiquetas a los extremos de una leyenda continua en ggplot2

Problema

Queremos añadir etiquetas a los extremos de una legenda continua en ggplot2. Así podremos saber el mínimo y el máximo.

library(ggplot2)
d <- subset(diamonds, price >= 257 & price <= 8888)
ggplot(d, aes(depth, carat, colour = price)) +
  geom_point() +
  scale_colour_gradient(limits = c(257, 8888))

Se observa en la leyenda como las etiquetas van del 2.000 al 8.000 pero no sabemos ni el mínimo ni el máximo.

Solución

Dentro de scale_colour_gradient, especificamos los argumentos breaks y labels.

ggplot(d, aes(depth, carat, colour = price)) +
  geom_point() +
  scale_colour_gradient(limits = c(257, 8888), 
                        breaks = c(257, 2000, 4000, 6000, 8000, 8888),
                        labels = c(257, 2000, 4000, 6000, 8000, 8888))

Ahora hemos añadido a la leyenda el mínimo 257 y el máximo 8.888.

Extra

Si queremos que en lugar de una escala de azules, parta de un color diferente, por ejemplo el rojo, añadimos el argumento low. Si queremos modificar el color superior introduciríamos el argumento high.

ggplot(d, aes(depth, carat, colour = price)) +
  geom_point() +
  scale_colour_gradient(limits = c(257, 8888), 
                        breaks=c(257, 2000, 4000, 6000, 8000, 8888),
                        labels=c(257, 2000, 4000, 6000, 8000, 8888), low = "red")

Referencias

• Smooth gradient between two colours
• stackoverflow

Entradas relacionadas

• Entradas que utilizan geom_point
• Diagramas de dispersión

Diagramas de dispersión con el paquete car en R

Introducción

La función scatterplot del paquete car nos permite crear diagramas de dispersión mejorados. Incluye diagramas de caja en los márgenes, rectas de regresión suavizadas, identificación de valores atípicos etc. Veremos varios ejemplos usando datos (data frames) incluidos en el propio paquete car: Prestige y UN.

library(car)
head(Prestige)

                     education income women prestige census type
gov.administrators      13.11  12351 11.16     68.8   1113 prof
general.managers        12.26  25879  4.02     69.1   1130 prof
accountants             12.77   9271 15.70     63.4   1171 prof
purchasing.officers     11.42   8865  9.11     56.8   1175 prof
chemists                14.62   8403 11.68     73.5   2111 prof
physicists              15.64  11030  5.13     77.6   2113 prof

Ejemplos

1. Gráfico relacionando la renta y la educación, incluyendo diagramas de caja en los ejes y regresión local (línea LOESS). Empleamos el formato fórmula y ~ x para indicar las variables a representar.

scatterplot(education ~ income,
            data = Prestige,
            pch = 16,
            col = "darkblue",
            main = "Educación y Renta\n del conjunto de datos \"Prestige\"",
            xlab = "Renta (dollares)",
            ylab = "Educación (años)")


2. Añadiendo elipses donde se concentran los datos

scatterplot(prestige ~ income, data = Prestige, ellipse = TRUE)


3. Representamos grupos siguiendo el formato y ~ x | z, en el que z evalúa como un factor otra variable pare dividir los datos en grupos.

scatterplot(prestige ~ income|type, data = Prestige, legend.coords = "topleft")


4. Etiquetar un número determinado de puntos.

Por defecto id.n = 0, lo especificamos para indicar el número de puntos que deseamos etiquetar.

scatterplot(infant.mortality ~ gdp, log = "xy", data = UN, id.n = 5)


5. Etiquetar los datos interactivamente.

Utilizamos el argumento id.method para etiquetar de la misma manera que hicimos con la función identify.

scatterplot(infant.mortality ~ gdp, id.method = "identify", data = UN)

Entradas relacionadas

• Regresión lineal simple para principiantes en R
• Diagramas de dispersión

Referencias

• Manual del paquete car

Etiquetar un diagrama de dispersión en ggplot2 basándonos en otra columna

Problema

Deseamos etiquetar solamente aquellos puntos de un diagrama de dispersión que cumplan una condición basada en otra columna de un data frame. En nuestro ejemplo, solamente aquellos puntos de la columna b cuyo valor sea mayor de 0.5

set.seed(1)
x <- data.frame(a = 1:10, b = rnorm(10))
x$lab <- letters[1:10]

    a          b lab
1   1 -0.6264538   a
2   2  0.1836433   b
3   3 -0.8356286   c
4   4  1.5952808   d
5   5  0.3295078   e
6   6 -0.8204684   f
7   7  0.4874291   g
8   8  0.7383247   h
9   9  0.5757814   i
10 10 -0.3053884   j

Solución

Opción 1

Crear un subconjunto (subset) dentro de la función geom_text.

ggplot(data = x, aes(a, b, label = lab)) + 
  geom_point() + 
  geom_text(data = subset(x, abs(b) > 0.2), vjust = 1.5)

Opción 2

Asignando NA a aquellos valores que no queremos etiquetar

x$lab[!(abs(x$b) > 0.5)] <- NA
ggplot(data = x, aes(a, b, label = lab)) + 
    geom_point() + 
    geom_text(vjust = 1.5) 

Usando qplot:

qplot(a, b, data = x, label = lab, geom = c('point','text'), vjust = 1.5)

Resultado

Entradas relacionadas

• Etiquetar selectivamente los puntos de un diagrama de dispersión con ggplot2
• Etiquetar interactivamente los puntos de un diagrama de dispersión en R

Referencias

• stackoveflow

Etiquetar selectivamente los puntos de un diagrama de dispersión con ggplot2

Problema

Tenemos un diagrama de dispersión.

qplot(dpi, sr, data = LifeCycleSavings)

Si etiquetáramos todos los puntos obtendríamos un gráfico con muchas de las etiquetas superpuestas.

qplot(dpi, sr, data = LifeCycleSavings, label = rownames(data))+
  geom_text(vjust = 1.5)

Solución

Opción 1

LifeCycleSavings$lab <- rownames(LifeCycleSavings)
newlab <- subset(LifeCycleSavings, lab %in% c("Canada", "Sweden", "United Kingdom", "United States", "Iceland", "Japan", "Spain", "Netherlands", "Switzerland", "Denmark"))

1. lab, creamos una nueva columna con los nombres de las filas.
2. newlab, subconjunto de las filas que deseamos etiquetar.
3. Utilizamos lab dentro de aes y las nuevas, newlab, en geom_text.

• qplot

qplot(dpi, sr, data = LifeCycleSavings, label = lab)+  
  geom_text(data = newlab , vjust = 1.5)

• ggplot

ggplot(LifeCycleSavings, aes(x = dpi, y = sr, label = lab)) + 
  geom_point() + 
  geom_text(data = newlab , vjust = 1.5)

Opción 2

Name <- rownames(LifeCycleSavings)
idx <- Name %in% c("Canada", "Sweden", "United Kingdom", "United States", "Iceland", "Japan", "Spain", "Netherlands", "Switzerland", "Denmark") 
Name[!idx] <- NA

1. Name, vector con los nombres de las etiquetas: nombres de las filas.
2. idx, vector lógico (verdadero o falso) con TRUE para las etiquetas que deseamos conservar.
3. Asignamos al vector Name el valor NA para aquellos nombres no presentes en el vector anterior.

• qplot

qplot(dpi, sr, data = LifeCycleSavings, label = Name)+  
  geom_text(vjust = 1)

• ggplot

p <- ggplot(LifeCycleSavings, aes(x = dpi, y = sr, label = Name))
p +  geom_point() + geom_text(vjust = 1.5)

Opción3

Con el paquete base graphics

plot(sr ~ dpi, 
     LifeCycleSavings, 
     xlab = 'Real Per-Capita Disposable Income', 
     ylab = 'Aggregate Personal Savings', 
     main = 'Intercountry Life-Cycle Savings Data')
text(LifeCycleSavings$dpi,
     LifeCycleSavings$sr,
     Name, pos = 1)

Referencias

• R Graphics Cookbook de Winston Chang
• geom_text
• Set or Query Graphical Parameters
• Add Text to a Plot
• Identify Points in a Scatter Plot
• Regresión lineal simple para principiantes en R
• Regresión lineal simple en R con ggplot2
• Regresión lineal simple para principiantes en Excel

Etiquetar los puntos de un diagrama de dispersión con ggplot2

Anteriormente vimos cómo etiquetar los puntos de un diagrama de dispersión mediante la función text del paquete graphics. En esta entrada lo haremos como ggplot2.

Problema

Tenemos un diagrama de dispersión y deseamos etiquetar puntos. Para ganar en claridad seleccionaremos solamente los 10 primeros puntos.

data <- LifeCycleSavings[1:10, ]
qplot(dpi, sr, data = data)

Solución

Utilizamos la función geom_text para etiquetar los puntos del diagrama de dispersión.

• qplot

qplot(dpi, sr, data = data, label = rownames(data))+  
  geom_text(vjust = 1.5)

• ggplot

p <- ggplot(data, aes(x = dpi, y = sr, label = rownames(data)))
p +  geom_point() + geom_text(vjust = 1.5)

Notas

Con el argumento vjust cambiamos la posición de la etiqueta verticalmente. Por defecto encima del punto, lo aumentamos 1.5 para situarlo debajo. Con hjust se puede cambiar la posición de la etiqueta horizontalmente.

Referencias

• geom_text
• Set or Query Graphical Parameters
• Add Text to a Plot
• Identify Points in a Scatter Plot
• Regresión lineal simple para principiantes en R
• Regresión lineal simple en R con ggplot2
• Regresión lineal simple para principiantes en Excel