Introducción a R para Epidemiología Aplicada

# Introducción a R para la epidemiología aplicada

### Introducción a la visualización de datos con {ggplot2}

## [contact@appliedepi.org](mailto:contact@appliedepi.org)
---

# Objetivos y agenda

- Comprender la "Gramática de los gráficos" con el paquete {ggplot2} .
- Construir gráficos boxplot, de dispersión, de barras e histogramas sencillos
- Ajuste de las escalas, temas y etiquetas de los gráficos

<div class="tabwid"><style>.cl-a7909938{}.cl-a77e7d66{font-family:'Arial';font-size:11pt;font-weight:normal;font-style:normal;text-decoration:none;color:rgba(0, 0, 0, 1.00);background-color:transparent;}.cl-a78131a0{margin:0;text-align:left;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);padding-bottom:5pt;padding-top:5pt;padding-left:5pt;padding-right:5pt;line-height: 1;background-color:transparent;}.cl-a78131aa{margin:0;text-align:left;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);padding-bottom:5pt;padding-top:5pt;padding-left:5pt;padding-right:5pt;line-height: 1;background-color:transparent;}.cl-a78b703e{width:1.007in;background-color:transparent;vertical-align: middle;border-bottom: 1.5pt solid rgba(102, 102, 102, 1.00);border-top: 1.5pt solid rgba(102, 102, 102, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b7048{width:0.778in;background-color:transparent;vertical-align: middle;border-bottom: 1.5pt solid rgba(102, 102, 102, 1.00);border-top: 1.5pt solid rgba(102, 102, 102, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b7052{width:3.239in;background-color:transparent;vertical-align: middle;border-bottom: 1.5pt solid rgba(102, 102, 102, 1.00);border-top: 1.5pt solid rgba(102, 102, 102, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b705c{width:1.007in;background-color:transparent;vertical-align: middle;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b7066{width:0.778in;background-color:transparent;vertical-align: top;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b7067{width:3.239in;background-color:transparent;vertical-align: middle;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b7070{width:1.007in;background-color:transparent;vertical-align: middle;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b7071{width:0.778in;background-color:transparent;vertical-align: top;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b707a{width:3.239in;background-color:transparent;vertical-align: middle;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b7084{width:1.007in;background-color:transparent;vertical-align: middle;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b7085{width:0.778in;background-color:transparent;vertical-align: top;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b708e{width:3.239in;background-color:transparent;vertical-align: middle;border-bottom: 0 solid rgba(0, 0, 0, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b7098{width:1.007in;background-color:transparent;vertical-align: middle;border-bottom: 1.5pt solid rgba(102, 102, 102, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b7099{width:0.778in;background-color:transparent;vertical-align: top;border-bottom: 1.5pt solid rgba(102, 102, 102, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b70a2{width:3.239in;background-color:transparent;vertical-align: middle;border-bottom: 1.5pt solid rgba(102, 102, 102, 1.00);border-top: 0 solid rgba(0, 0, 0, 1.00);border-left: 0 solid rgba(0, 0, 0, 1.00);border-right: 0 solid rgba(0, 0, 0, 1.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b70ac{width:1.007in;background-color:transparent;vertical-align: middle;border-bottom: 0 solid rgba(255, 255, 255, 0.00);border-top: 0 solid rgba(255, 255, 255, 0.00);border-left: 0 solid rgba(255, 255, 255, 0.00);border-right: 0 solid rgba(255, 255, 255, 0.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b70ad{width:0.778in;background-color:transparent;vertical-align: middle;border-bottom: 0 solid rgba(255, 255, 255, 0.00);border-top: 0 solid rgba(255, 255, 255, 0.00);border-left: 0 solid rgba(255, 255, 255, 0.00);border-right: 0 solid rgba(255, 255, 255, 0.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}.cl-a78b70b6{width:3.239in;background-color:transparent;vertical-align: middle;border-bottom: 0 solid rgba(255, 255, 255, 0.00);border-top: 0 solid rgba(255, 255, 255, 0.00);border-left: 0 solid rgba(255, 255, 255, 0.00);border-right: 0 solid rgba(255, 255, 255, 0.00);margin-bottom:0;margin-top:0;margin-left:0;margin-right:0;}</style><table data-quarto-disable-processing='true' class='cl-a7909938'><thead><tr style="overflow-wrap:break-word;"><th class="cl-a78b703e">Tiempo</th><th class="cl-a78b7048">Sesion</th><th class="cl-a78b7052">Tema</th></tr></thead><tbody><tr style="overflow-wrap:break-word;"><td class="cl-a78b705c">20 min</td><td rowspan="3"class="cl-a78b7066">Parte 1</td><td class="cl-a78b7067">Diapositivas: ggplot2 'Gramtica de Graficos'</td></tr><tr style="overflow-wrap:break-word;"><td class="cl-a78b7070">10 min</td><td class="cl-a78b707a">Demostración</td></tr><tr style="overflow-wrap:break-word;"><td class="cl-a78b7084">1hr 30 min</td><td class="cl-a78b708e">Ejercicio</td></tr><tr style="overflow-wrap:break-word;"><td class="cl-a78b7084">20 min</td><td class="cl-a78b7085">Parte 2</td><td class="cl-a78b708e">Diapositivas: Escalas, temas y etiquetas</td></tr><tr style="overflow-wrap:break-word;"><td class="cl-a78b7084">1 hora</td><td class="cl-a78b7085"></td><td class="cl-a78b708e">Ejercicio</td></tr><tr style="overflow-wrap:break-word;"><td class="cl-a78b7098">10 min</td><td class="cl-a78b7099">-</td><td class="cl-a78b70a2">Revisión del día</td></tr></tbody><tfoot><tr style="overflow-wrap:break-word;"><td colspan="3"class="cl-a78b70ac">Toma los descansos necesarios durante los ejercicios</td></tr></tfoot></table></div>

---

## Visualización de datos con {ggplot2}

---

# Opciones de visualización en R

Hoy nos centramos en el paquete {ggplot2} porque:

- Es bueno para la exploración rápida de datos multidimensionales

- Produce resultados finales de muy **alta calidad**

- Tiene una gramática bien estructurada => **gran coherencia**

- Se acompaña de muchos paquetes que amplían la funcionalidad

Consulta el [Galería de gráficos R](https://www.r-graph-gallery.com/ggplot2-package.html) para inspirarte.

.footnote[Otras opciones de trazado son [**base** R](https://towardsdatascience.com/base-plotting-in-r-eb365da06b22), [**red**](https://www.statmethods.net/advgraphs/trellis.html) y [**plotly**](https://plotly.com/r/).
]

---

# ¿Se hizo con ggplot?

.footnote[Fuentes de imágenes [aquí](http://r-statistics.co/Top50-Ggplot2-Visualizations-MasterList-R-Code.html) y [aquí](https://jcheshire.com/r-spatial-datos-hints/great-maps-ggplot2/)]

---

# ¿Se hizo con ggplot?

---

# ¿Se hizo con ggplot?

---

# ¿Se hizo con ggplot?

---

# ¿Se hizo con ggplot?

---

# ¿Se hizo con ggplot?

---

# ¿Se hizo con ggplot?

---

# ¿Se hizo con ggplot?

---

# ¿Se hizo con ggplot?

---

# ¿gg-qué?

- El  *paquete* {ggplot2}  es la herramienta de visualización de datos más popular de R

- Su *función* `ggplot()`  es el núcleo del paquete

- Todo este enfoque se conoce coloquialmente como "ggplotting".

- Las figuras producidas con ggplot a veces se llaman cariñosamente "ggplots".

Existen muchos paquetes que amplian las funcionalidades de {ggplot2} como son {gganimate}, {ggthemr}, {ggdendro}, {gghighlight}, {ggforce}...

???

- "gg" representa la "gramática de los gráficos" utilizada para construir las figuras

---

# Gramática de los gráficos

Construye un gráfico añadiendo capas a través de funciones que especifican datos y elementos de diseño

El orden suele ser el siguiente:

1) **"Abre" el gráfico** con la función `ggplot()` y **especifica la base de datos**

2) **"Mapear" columnas de datos** sobre características "estéticas" del gráfico (ejes, color, tamaño, forma)

3) **Mostrar los datos** como capas **"geom"**

4) **Modificar "escalas"** como la escala de color o los intervalos del eje 'y'

5) **Ajusta los elementos "temáticos" que no sean datos** como las etiquetas de los ejes, el título, la leyenda y los tipos de letra

Estas capas se "añaden" secuencialmente con el símbolo **`+`** .

???
Recuerda que aunque los comandos sean largos, es infinitamente más fácil editar y reciclar que en Excel

---

# Abrir el gráfico

```r
ggplot()                   
```

`ggplot()` crea un lienzo (canvas en inglés) en blanco.

]

]

???
Esto es sólo un lienzo en blanco, no hemos definido qué debe haber en los ejes x e y.
Si se necesitan varias bases de datos, se pueden añadir en sus propios geoms.
La canalización es útil para hacer cambios puntuales en un conjunto de datos antes de graficarlo.

---

# Añade los datos

```r
ggplot(data = vig)                   
```

Asigna la base de datos fuente.

Alternativamente, utiliza la función `%>%` para "canalizar" una base de datos o dataframe *en* la función `ggplot()`

```r
vig %>%
  ggplot()
```

]

]

---

# Añade los datos

```r
ggplot(
  data = vig)                   
```

- Las nuevas líneas y las sangrías no afectarán a la ejecución del código.

- Pueden hacer que los comandos más largos sean más fáciles de leer...

]

]

???
Esto es sólo un lienzo en blanco, no hemos definido qué debe haber en los ejes x e y.
Si se necesitan varios marcos de datos, se pueden añadir en sus propios geoms.
La canalización es útil para hacer cambios puntuales en un conjunto de datos antes de trazarlo.

---

# Asignaciones con `aes()`

```r
ggplot(
  data = vig,
* mapping = aes())
```

La "estética" del gráfico son características como la posición, el color, la forma...

`mapping = aes()` asigna la "estética" proveniente de las columnas de los datos.

]

]

???
los comandos ggplot tienden a ponerse muy verticales (largos)

---

# Asignaciones con `aes()`

```r
ggplot(
  data = vig,
  mapping = aes(        
*  x = edad_anios
   ))               
```

Las asignaciones estéticas se colocan dentro de `aes()`.

Dos mapeos básicos provenientes de las columnas son:

**`x = `**

]

]

???
los comandos ggplot tienden a ponerse muy verticales (largos)

---

# Asignaciones con `aes()`

```r
ggplot(
  data = vig,
  mapping = aes(        
*  x = edad_anios,
*  y = alt_cm))
```

Las asignaciones estéticas se colocan dentro de `aes()`.

Dos mapeos básicos provenientes de las columnas son:

**`x = `**  (horizontal)

**`y = `**  (vertical)

]

]

???
los comandos ggplot tienden a ponerse muy verticales (largos)

---

# Añadir geometría

```r
ggplot(
  data = vig,
  mapping = aes(
    x = edad_anios,
    y = alt_cm)) +
*geom_point()
```

Los datos se visualizan mediante comandos "geom", como `geom_point()`.

Estos comandos se "añaden" o conectan con un simbolo de **`+`** al comando `ggplot()`.

]

]

---

# Geometrías

Algunos "geoms" típicos son

| Tipo de gráfico    | Geom                                                                 | 
| ------------------ | -------------------------------------------------------------------- |
| Histogramas        | `geom_histogram()`                                                                     | 
| Puntos             | `geom_point()`                                                                     |

]

]

---

# Geometrías

Algunos "geoms" típicos son

| Tipo de gráfico | Geom | 
| ------------------ | -------------------------------------------------------------------- |
| Líneas | `geom_line()` | 
| Gráficos de barras | `geom_bar()` o `geom_col()` |

.footnote\[La elección entre `geom_bar()` y `geom_col()` depende de la estructura de tus datos. Lista completa de geoms [aquí](https://ggplot2.tidyverse.org/reference/)]

]

]

---

# Geometrías

Algunos "geoms" típicos son

| Tipo de gráfico    | Geom                                                                 | 
| ------------------ | -------------------------------------------------------------------- |
| Gráficos de caja   | `geom_boxplot()`                                                                     | 
| Gráficos de violín | `geom_violin()`                                                                     |

]

]

---

# Añadir geoms

```r
ggplot(
  data = vig,
  mapping = aes(
   x = edad_anios,
   y = alt_cm)) +
*geom_point()
```

Con los ejes ahora mapeados, con `geom_point()` muestra los datos como puntos.

]

]

---

# Añadir geoms

```r
ggplot(
  data = vig,
  mapping = aes(
   x = edad_anios,
   y = alt_cm)) +
geom_point() +
*geom_smooth()
```

Podemos añadir geoms adicionales al gráfico con el símbolo `+`.

*Los *geoms* o capas aparecen en el orden en que están*: la línea suavizada aparece *sobre* los puntos.

]

]

.footnote[`geom_smooth()` proporciona medias condicionales suavizadas, lo que ayuda a mostrar tendencias en presencia de "sobretrazado" (véase [documentación](https://ggplot2.tidyverse.org/reference/geom_smooth.html))]

???

- Explica por qué podrías utilizar uno u otro

---

## Nota rápida sobre las sangrías

Las sangrías, los espacios y las nuevas líneas no afectan a la ejecución del código, y pueden variarse para mejorar la legibilidad.

```r
ggplot(data = vig, mapping = aes(x = edad_anios, y = alt_cm)) + geom_point()
```

es lo mismo que:

```r
ggplot(data = vig,
       mapping = aes(x = edad_anios, y = alt_cm)) +
geom_point()
```

--
es lo mismo que:

```r
ggplot(
  data = vig,        # caso de uso lista de líneas
  mapping = aes(      # hacer mapeos estéticos para todos los geoms
    x = edad_anios,    # asignar el eje x a la columna de edad
    y = alt_cm)) +     # asignar el eje y a la altura
geom_point()          # mostrar los datos en forma de puntos
```

???

- ¿Cuál de los dos es más fácil de leer para ti?
- Explica por qué utilizarías uno u otro
  el estilo largo puede permitir comentarios/anotaciones informativas
- el estilo corto es muy denso (más difícil de leer para algunos). Guiones más cortos, pero ¿y qué? El número de líneas de tu código no es una métrica informativa.
- líneas muy largas => es necesario desplazarse horizontalmente para las personas con monitores más pequeños (no es agradable)
- el estilo alargado facilita ver qué argumento pertenece a cada función
- los espacios alrededor de "=" o "+" => facilitan el análisis a mucha gente
- ¿Otros?

---

# Otras estéticas

Aparte de los ejes, otras "estéticas" comunes son:

| Argumento          | Controla                                                             | 
| ------------------ | -------------------------------------------------------------------- |
| `shape`                   | Visualización del punto como punto, estrella, triángulo, cuadrado... | 
| `fill`                   | En *interior* color (por ejemplo, de barra o boxplot)                                                                  | 
| `color`                   | En *exterior* o barra, boxplot - O color del punto                                                                  | 
| `size`                   | Grosor de línea, tamaño de punto...                                  | 
| `alpha`                   | Transparencia: de 0 (invisible) a 1 (opaco)                          | 
| `width`                   | Anchura de las barras del "diagrama de barras                        | 
| `linetype`                   | Sólidas, discontinuas, punteadas, etc.                               | 
| `binwidth`                   | Anchura de los intervalos del histograma                             |

???

Ten en cuenta que "estética" en ggplot tiene un significado específico que podrías asociar con la palabra "aesthetics" en inglés común. En ggplot esos detalles se llaman "temas" y se ajustan dentro de un comando theme()

Cada geom acepta determinadas estéticas, como `binwidth=` para `geom_histogram()`

---

# Asignación estética fija

```r
ggplot(
  data = vig,
  mapping = aes(
    x = edad_anios,
    y = alt_cm)) + 
*geom_point(color = "seagreen")
```

las asignaciones estéticas **fijas** pueden ser a un **valor numérico o de carácter**.

El cambio se aplica a **todos los** puntos de datos.

Escrito **fuera de `aes()`**.

Otros ejemplos fijos que puedes utilizar:  
`size = 3`  
`alpha = 0.5`  
`fill = "purple"`

]

]

---

# Asignación estética dinámica

```r
ggplot(
  data = vig,
  mapping = aes(
    x = edad_anios,
    y = alt_cm,
*   color = hospital)) +
geom_point()
```

las asignaciones estética **Dinámicas** se asignan a un **nombre de columna**.

Esto crea **grupos** en el gráfico y genera una leyenda.

Ésta se escribe **dentro de `aes()`**.

]

]

???

---

# Estática y dinámica

```r
ggplot(
  data = vig,
  mapping = aes(
    x = edad_anios,
    y = alt_cm,
*   color = hospital)) +  
geom_point(
* size = 7, 
* alpha = 0.6) 
```

Arriba, `size = 7` y `alpha = 0.5` se asignan estáticamente, fuera de `aes()`.

`color=` se asigna a la columna `hospital` dentro de `aes()`.

]

]

.footnote[Leer más sobre la estética de ggplot [aquí](https://ggplot2.tidyverse.org/articles/ggplot2-specs.html)
]

???
Como sólo hay un geom, todas las estéticas pueden escribirse en `ggplot()` o en `geom_point()`

---

# Facetas (mini gráficos)

```r
ggplot(
  data = vig,
  mapping = aes(x = fecha_sintomas)) +
geom_histogram() +
*facet_wrap(~hospital)
```

Los grupos también pueden mostrarse de esta forma.

Las facetas son **"mini gráficos"**

`facet_wrap()` produce un gráfico  
por cada valor único de la columna.

"~" antes del nombre de la columna es como la palabra "por" (... "por hospital")

]

]

???
También llamados "múltiplos pequeños"

---

# Facetas (mini gráficos)

```r
ggplot(
  data = vig,
  mapping = aes(x = fecha_sintomas)) +
geom_histogram() +
*facet_wrap(~hospital,
            scales = "free_y")
```

Ejes autoescalados "libres" con el parámetro `scales=`

- "free_y"
- "free_x"
- "free" (tanto x como y)

]

]

]

---

# Mini gráficos + `gghighlight()`

Veamos el paquete de extensión ggplot {gghighlight}.

`gghighlight()` proyecta una "sombra" detrás de cada mini gráfico.

```r
ggplot(
  data = vig,
  mapping = aes(
    x = fecha_sintomas,
*   fill = hospital)) +
geom_histogram() +
facet_wrap(~ hospital) +
*gghighlight()
```

]

]

---

# gghighlight

`gghighlight()` también puede resaltar valores específicos en otros tipos de gráficos

```r
vig %>% 
  # Obtenga los recuentos semanales por hospital
  group_by(
     hospital,
     semana = floor_date(fecha_sintomas, "week")) %>%
  count() %>% 
  
  # parcela
  ggplot(
    mapping = aes(
      x = semana,
      y = n,
      color = hospital)) +
  geom_line() +
* gghighlight(
*   hospital == "Port Hospital")+
  theme(legend.position = "none")
```

]

]

???
Aquí creamos un marco de datos de casos por semana y por hospital, y lo trazamos con `geom_line()`. El punto culminante se aplica al Hospital del Puerto.

---

## Ejercicio

Ir a la página web del curso  
Abre el primer ejercicio del Módulo 5 e inicia sesión  
Sigue las instrucciones para abrir tu proyecto R "ébola" y continuar codificando  
Avisa a un instructor si no estás seguro de lo que tienes que hacer