- Simple
- Moi rápida de facer
- Utiliza poucos ingredientes diferentes que combinan para obter resultados de sabor moi diferentes
- Fácilmente replicable
- Visualmente atractiva
- Con sabores que enganchan
10 de octubro de 2019
ggplot2 baséase na gramática de gráficos:
ggplot(data = datos, mapping = aes(
ggplot() úsase para vincular o gráfico a un conxunto de datos a través do argumento dataaes()ggplot(data=datos,mapping=aes(x=Idade.Media,y=RDBph))
Agregar geoms para indicarlle como se representan os datos no gráfico (puntos, liñas, barras, …)
geom_point() para diagramas de dispersióngeom_boxplot() para diagramas de caixageom_bar() para diagramas de barras
Para engadir un geom, emprégase o operador +
library(ggplot2)
datos=read.csv2("datos.csv",header=T,
fileEncoding = "windows-1252")
ggplot(data = datos, mapping = aes(x=Idade.Media,y=RDBph))+
geom_point()
head(datos[,c(1:10,15)])
Nome Espazo cod_provincia provincia Ano Poboacion RDBph 1 15001 Abegondo 15001 15 A Coruña 2016 5533 13726 2 15002 Ames 15002 15 A Coruña 2016 30544 15188 3 15003 Aranga 15003 15 A Coruña 2016 1982 10869 4 15004 Ares 15004 15 A Coruña 2016 5672 13369 5 15005 Arteixo 15005 15 A Coruña 2016 31239 13455 6 15006 Arzúa 15006 15 A Coruña 2016 6211 12862 Idade.Media Indice.Envellecemento Pob_20_64 pens_hab 1 50.05 224.32 56.92 297.307 2 38.90 49.14 65.26 118.026 3 55.04 501.61 52.36 378.406 4 47.20 164.98 58.81 234.661 5 41.37 76.88 65.74 170.236 6 49.82 227.03 57.17 284.173
ggplot(datos,aes(x=Idade.Media,y=RDBph))+ geom_point(aes(color=provincia))
ggplot(datos,aes(x=Idade.Media,y=RDBph))+ geom_point(aes(color=provincia))+geom_smooth()