Gráficos Q-Q con ggplot2

Problema

En entradas anteriores explicamos como crear un gráfico Q-Q con el paquete stats preinstalado por defecto. En esa ocasión mostraremos cómo crear estos gráficos con ggplot2.

Solución

• Opción 1: única columna.
Creamos dos ejemplos de una sola columna de un data frame. En el primero el vector rivers que transformamos previamente en un data frame, y en el segundo la columna Volume del data frame trees.

library(tidyverse)
ggplot(data.frame(rivers), aes(sample = rivers)) + stat_qq() + stat_qq_line()
ggplot(trees, aes(sample = Volume)) + stat_qq() + stat_qq_line()



• Opción 2: múltiples columnas.
Comparamos las distribuciones de Miles/(US) gallon por número de cilindros (cyl).

ggplot(mtcars, aes(sample = mpg, colour = factor(cyl))) +
  stat_qq() +
  stat_qq_line()


• Opción 3: múltiples paneles.

En este primer ejemplo no es necesario realizar ninguna transformación porque el data frame tiene una columna con los grupos.

ggplot(mtcars, aes(sample = mpg)) +
  facet_wrap( ~ factor(cyl)) +
  stat_qq() +
  stat_qq_line()


En este segundo ejemplo transformamos el data frame de formato ancho a largo para poder crear los paneles con facet_wrap. En lugar de tener 31 observaciones para 3 variables, tendremos una columna condition con las 3 variables y 93 observaciones.

gather(trees, condition, measurement, Girth:Volume, factor_key = TRUE) %>%
  ggplot(aes(sample = measurement)) +
  facet_wrap( ~ condition, scales = "free") +
  stat_qq() +
  stat_qq_line()


En este tercer ejemplo empleamos múltiples colores en función del kiln en cada panel por sustancia química encontrada.

library(HSAUR2)
gather(pottery, condition, measurement, Al2O3:BaO, factor_key = TRUE) %>%
  ggplot(aes(sample = measurement, colour = kiln)) +
  facet_wrap(~ condition, scales = "free") +
  stat_qq() +
  stat_qq_line()

Entradas relacionadas

• Construir un gráfico Q-Q desde cero en R
• Gráfico Q-Q en R

Referencias

• A quantile-quantile plot
• stackoverflow
• Versión en inglés

Calcular y representar la duración del día con R

Problema

Queremos calcular y representar la duración del día con R en función de unas coordinadas geográficas.

Solución

1. Calculamos la salida y puesta de sol

Primero calculamos la salida y la puesta de sol con la función getSunlightTimes del paquete suncalc. Indicamos el intervalo deseado, las coordinadas (latitud y longitud), y el huso horario (tz, time zone) correspondiente.

library(suncalc) 
library(tidyverse)
library(scales)
df <-
  getSunlightTimes(
    date = seq.Date(as.Date("2017-12-01"), as.Date("2018-12-31"), by = 1),
    keep = c("sunrise", "sunriseEnd", "sunset", "sunsetStart"),
    lat = 39.8628,
    lon = 4.0273,
    tz = "CET"
  )

2. Gráfico de la salida y puesta de sol

Necesitamos manipular los datos originales para calcular la diferencia entre el inicio del día, y la salida y puesta de sol. Después representamos las dos nuevas variables usando geom_ribbon de ggplot2. Luego personalizamos los ejes y el título.

# Amanecer/ocaso
df %>%
  mutate(
    date = as.POSIXct(date) - 12 * 60 * 60 ,
    sunrise = sunrise - date,
    sunset =  sunset - date,
  ) %>%
  ggplot() +
  geom_ribbon(aes(x = date, ymin = sunrise, ymax = sunset),
              fill = "#FDE725FF",
              alpha = .8) + # "#ffeda0"
  scale_x_datetime(
    breaks = seq(as.POSIXct(min(df$date)), as.POSIXct(max(df$date)), "month"),
    expand = c(0, 0),
    labels = date_format("%b %y"),
    minor_breaks = NULL
  ) +
  scale_y_continuous(
    limits = c(0, 24),
    breaks = seq(0, 24, 2),
    expand = c(0, 0),
    minor_breaks = NULL
  ) +
  labs(
    x = "Date",
    y = "Hours",
    title = sprintf(
      "Sunrise and Sunset for %s\n%s ",
      "Toledo (Spain)",
      paste0(as.Date(range(df$date)), sep = " ", collapse = "to ")
    )
  ) +
  theme(
    panel.background = element_rect(fill = "#180F3EFF"),
    panel.grid = element_line(colour = "grey", linetype = "dashed")
  )

3. Duración del día

Muy similar al gráfico anterior. Ahora solamente necesitamos calcular la duración del día day_length y representar los resultados con geom_area and geom_line.

df %>%
  mutate(
    date = as.POSIXct(date),
    day_length = as.numeric(sunset - sunrise)
  ) %>%
  ggplot(aes(x = date, y = day_length)) +
  geom_area(fill = "#FDE725FF", alpha = .4) +
  geom_line(color = "#525252") +
  scale_x_datetime(
    expand = c(0, 0),
    labels = date_format("%b '%y"),
    breaks =  seq(as.POSIXct(min(df$date)), as.POSIXct(max(df$date)), "month"),
    minor_breaks = NULL
  ) +
  scale_y_continuous(
    limits = c(0, 24),
    breaks = seq(0, 24, 2),
    expand = c(0, 0),
    minor_breaks = NULL
  ) +
  labs(x = "Date", y = "Hours", title = "Toledo (Spain) - Daytime duration") +
  theme_bw()

Entradas relacionadas

• Versión en inglés: Calculate and plot sunrise and sunset times with R
• English posts

Referencias

• suncalc
• ggplot2 formats

Calculate and plot sunrise and sunset times with R

Problem

We would like to calculate and plot the sunrise and sunset times based on any location's latitude and longitude coordinates with R.

Solution

1. Compute sunrise and sunset times

First we calculate the sunrise and sunset times using the function getSunlightTimes from the package suncalc. We pass the desired date interval, the appropiate latitude and longitude coordinates, and time zone (tz).

library(suncalc) 
library(tidyverse)
library(scales)
df <-
  getSunlightTimes(
    date = seq.Date(as.Date("2017-12-01"), as.Date("2018-12-31"), by = 1),
    keep = c("sunrise", "sunriseEnd", "sunset", "sunsetStart"),
    lat = 39.8628,
    lon = 4.0273,
    tz = "CET"
  )

2. Sunrise and sunset times plot

We need to manipulate the original data frame to calculate the difference between midnight start of day, and the sunrise and sunset times. Then we plot those two new variables using geom_ribbon from ggplot2. We further customize the axes, and title.

# Sunrise/set
df %>%
  mutate(
    date = as.POSIXct(date) - 12 * 60 * 60 ,
    sunrise = sunrise - date,
    sunset =  sunset - date,
  ) %>%
  ggplot() +
  geom_ribbon(aes(x = date, ymin = sunrise, ymax = sunset),
              fill = "#FDE725FF",
              alpha = .8) + # "#ffeda0"
  scale_x_datetime(
    breaks = seq(as.POSIXct(min(df$date)), as.POSIXct(max(df$date)), "month"),
    expand = c(0, 0),
    labels = date_format("%b %y"),
    minor_breaks = NULL
  ) +
  scale_y_continuous(
    limits = c(0, 24),
    breaks = seq(0, 24, 2),
    expand = c(0, 0),
    minor_breaks = NULL
  ) +
  labs(
    x = "Date",
    y = "Hours",
    title = sprintf(
      "Sunrise and Sunset for %s\n%s ",
      "Toledo (Spain)",
      paste0(as.Date(range(df$date)), sep = " ", collapse = "to ")
    )
  ) +
  theme(
    panel.background = element_rect(fill = "#180F3EFF"),
    panel.grid = element_line(colour = "grey", linetype = "dashed")
  )

3. Daytime duration

Very similar to the preceding plot. This time we only need to calculate the day_length and plot the results using geom_area and geom_line.

df %>%
  mutate(
    date = as.POSIXct(date),
    day_length = as.numeric(sunset - sunrise)
  ) %>%
  ggplot(aes(x = date, y = day_length)) +
  geom_area(fill = "#FDE725FF", alpha = .4) +
  geom_line(color = "#525252") +
  scale_x_datetime(
    expand = c(0, 0),
    labels = date_format("%b '%y"),
    breaks =  seq(as.POSIXct(min(df$date)), as.POSIXct(max(df$date)), "month"),
    minor_breaks = NULL
  ) +
  scale_y_continuous(
    limits = c(0, 24),
    breaks = seq(0, 24, 2),
    expand = c(0, 0),
    minor_breaks = NULL
  ) +
  labs(x = "Date", y = "Hours", title = "Toledo (Spain) - Daytime duration") +
  theme_bw()

Related posts

• Spanish version: Cómo controlar la dispersión de puntos dentro de un diagrama de violín con ggplot2
• English posts

References

• suncalc
• ggplot2 formats

Cómo controlar la dispersión de puntos dentro de un diagrama de violín con ggplot2

Problem

Queremos controlar la dispersión de puntos dentro de un diagrama de violín con ggplot2.

library(tidyverse)
p <- ggplot(mpg, aes(class, hwy))
p + geom_violin() + geom_jitter()

Solución

• Opción 1
Ampliamos la anchura del diagrama de violín (width = 1.3), y jugamos con la transparencia y la variación horizontal de geom_ jitter con (width = .02). No es una opción enteramente satisfactoria. Al restringir la variación horizontal de geom_ jitter, limitamos la propia finalidad de la función que es evitar la superposición de puntos.

p + geom_violin(width = 1.3) + geom_jitter(alpha = 0.2, width = .02)


• Opción 2
Empleamos la función geom_quasirandom del paquete geom_beeswarm:

The quasirandom geom is a convenient means to offset points within categories to reduce overplotting. Uses the vipor package

library(ggbeeswarm)
p + geom_violin(width = 1.3) + geom_quasirandom(alpha = 0.2, width = 0.2)

Entradas relacionadas

• Versión en inglés: How to restrain scattered jitter points within a violin plot using ggplot2
• English posts

Referencias

• ggbeeswarm
• stackoverflow

How to restrain scattered jitter points within a violin plot using ggplot2

Problem

We would like to restrain the scattered jitter points within a violin plot using ggplot2.

library(tidyverse)
p <- ggplot(mpg, aes(class, hwy))
p + geom_violin() + geom_jitter()

Solution

• Option 1
Not a completely satisfactory option, because by restricting the horizontal jitter we defeat the purpose of handling overplotting. But we can enlarge the width of the violin plots (width = 1.3), and play with alpha for transparency and limit the horizontal jitter (width = .02).

p + geom_violin(width = 1.3) + geom_jitter(alpha = 0.2, width = .02)


• Option 2
Using the function geom_quasirandom from package geom_beeswarm:

The quasirandom geom is a convenient means to offset points within categories to reduce overplotting. Uses the vipor package

library(ggbeeswarm)
p + geom_violin(width = 1.3) + geom_quasirandom(alpha = 0.2, width = 0.2)

Related posts

• Spanish version: Cómo controlar la dispersión de puntos dentro de un diagrama de violín con ggplot2
• English posts

References

• ggbeeswarm
• stackoverflow

Cómo transponer un data frame en R

Problema

Queremos transponer un data frame.

df <-
  structure(
    list(
      Country.Name = c("Country1", "Country2", "Country3"),
      `1997` = c(1L, 2L, 4L),
      `1998` = c(1L, 4L, 2L),
      `1999` = c(1L, 7L, 1L),
      `2000` = c(1L, 10L, 5L)
    ),
    .Names = c("Country.Name",
               "1997", "1998", "1999", "2000"),
    class = "data.frame",
    row.names = c(NA,-3L)
  )

  Country.Name 1997 1998 1999 2000
1     Country1    1    1    1    1
2     Country2    2    4    7   10
3     Country3    4    2    1    5

Solución

Empleamos la función t que transpone una matriz o data frame.

# Transpone todas las columnas menos la primer
df_transpose <- data.frame(t(df[-1]))
# Añadimos los nombres de las columnas
colnames(df_transpose) <- df[, 1]
df_transpose

     Country1 Country2 Country3
1997        1        2        4
1998        1        4        2
1999        1        7        1
2000        1       10        5

Entradas relacionadas

• Versión en inglés: How do I transpose a data frame in R?

Referenciass

• How do I flip rows and columns in R