Capítulo 4 Gráficos

O R permite fazer qualquer tipo de gráfico, os quais podem ser personalizados e salvos em diversos formatos e resoluções.
Existem muitos pacotes gráficos no R e nesse capítulo vamos ver alguns deles.

4.1 Gráficos com o pacote graphics (R base)

4.1.1 Introdução aos gráficos do R

Quando instalamos o R, já temos um pacote para gráficos (graphics) e com ele podemos fazer e personalizar os principais tipos de gráficos.

Vamos começar carregando os dados. Usaremos o arquivo iris e vamos criar um gráfico de dispersão com as variáveis comprimento e largura das sépalas.

dados<-read.table("dados/iris.txt", head=T, sep = ",")
head(dados)

##   sepal_l sepal_w petal_l petal_w       class
## 1     5.1     3.5     1.4     0.2 Iris-setosa
## 2     4.9     3.0     1.4     0.2 Iris-setosa
## 3     4.7     3.2     1.3     0.2 Iris-setosa
## 4     4.6     3.1     1.5     0.2 Iris-setosa
## 5     5.0     3.6     1.4     0.2 Iris-setosa
## 6     5.4     3.9     1.7     0.4 Iris-setosa

plot(dados$sepal_l,dados$sepal_w)

Podemos usar mais parâmetros, como type.

• p: Points.
  
• l: Lines.
  
• b: Both.
  
• c: The lines part alone of b
  
• o: Both “overplotted”
  
• h: Histogram like (or high-density) vertical lines.
  
• n: No plotting.

x<-c(1:10)
y<-c(3,7,15,8,10,21,19,12,6,10)
plot(x,y,type="l")

plot(x,y,type="b")

Podemos mudar o padrão dos pontos com pch Os valores vão de 0 a 25:

plot(dados$sepal_l,dados$sepal_w, pch=19)

4.1.2 Salvar

Para salvar um gráfico podemos clicar na opção export, na janela Plots do RStudio ou podemos fazer assim:

png(file="figura1.png", units="in", res = 300, width = 5,height = 5)
plot(dados$sepal_l,dados$sepal_w)
dev.off()

## png 
##   2

As opções de units são: px, in, cm ou mm. Também podemos salvar em outros formatos como jpg ou tif.

Para entender as questões de tamanho e resolução de imagem, consulte: https://pixelcalculator.com/en

É possível fazer vários gráficos na mesma janela usando par() e mfrow().
Para um arranjo 2 por 2:

par(mfrow=c(2,2)) 
plot(dados$sepal_l,dados$sepal_w)
plot(dados$petal_l,dados$petal_w)
plot(dados$sepal_l,dados$petal_w)
plot(dados$sepal_w,dados$petal_l)

Para voltar ao normal:

par(mfrow=c(1,1))
plot(dados$sepal_l,dados$sepal_w)

Personalizando o gráfico

Podemos usar vários parâmetros para dar nome ao gráficos e aos eixos, especificar as cores, etc.

plot(dados$sepal_l,dados$sepal_w,
     xlab="Nome eixo X", ylab="Nome eixo Y",
     main="Título do gráfico",
     xlim=c(3,9),#limites do eixo x
     ylim=c(1,6),#limites do eixo y
     col="darkmagenta",#cor dos pontos
     pch=22,#formato dos pontos
     bg="darkolivegreen",#cor de preenchimento
     tcl=0.4,#tamanho dos traços dos eixos
     las=1,#orientação dos valores nos eixos: 0,1,2,3
     cex=1.5,#tamanho do ponto
     bty="n")#altera as bordas: "o" (default), 

#"l", "7", "c", "u", or "]" .  "n" suppresses the box.

O gráfico pode ficar mais informativo:

dados$class<-as.factor(dados$class)
plot(dados$sepal_l,dados$sepal_w, col = dados$class)

Colocando legenda das cores:

dados$class<-as.factor(dados$class)
plot(dados$sepal_l,dados$sepal_w, col = dados$class)

legend('topright', col=unique(dados$class), legend=levels(dados$class), pch =1)

Se quiser especificar as cores:

plot(dados$sepal_l,dados$sepal_w, col = c('red', 'blue', 'green')[as.numeric(dados$class)])

Brincando com as cores:

val <- dados$sepal_l + dados$sepal_w
maxnovo<-1
minnovo<-0

valcol<-((val-min(val))/(max(val) - min(val)))*(maxnovo - minnovo) + minnovo

plot(dados$sepal_l,dados$sepal_w, pch = 15, col = gray(valcol))

Podemos explorar os dados:

pairs(dados)

Acrescentando cor por espécie:

pairs(dados,col = dados$class)

4.1.3 Histogramas

Para fazer um histograma usamos a função hist.

hist(dados$sepal_l)

Também podemos personalizar o histograma:

hist(dados$sepal_l,
     main="Folha",
     xlab="comprimento sépala",
     ylab="Frequência",
     col=c("gold4","darkseagreen4"),
     border="black",
     adj=0, #alinhamento do texto
     col.axis="forestgreen")#cor do texto nos eixos

4.1.4 Boxplot

Outro tipo de gráfico bastante usado é o boxplot

boxplot(dados$sepal_l ~ dados$class, 
        main="Sépalas", xlab="Espécies",
        ylab="Comprimento")

Podemos personalizar o boxplot:

boxplot(dados$sepal_l ~ dados$class, 
        main="Sépalas", xlab="Espécies",
        ylab="Comprimento",
        notch=T,
        col=c("brown1","khaki1", "blue"))

As cores podem ser especificadas pelo nome da cor ou pelo código hex. Os nomes e os códigos podem ser encontrados em vários sites como:

http://www.sthda.com/english/wiki/colors-in-r

http://sape.inf.usi.ch/quick-reference/ggplot2/colour

4.1.5 Barplot

Também temos o gráfico de barras. Embora tenha semelhanças com o histograma, os histogramas são barras conectadas umas às outras, visualizando a distribuição de uma variável quantitativa contínua e os gráficos de barras usam retângulos de tamanho proporcional para visualizar algum tipo de dados categóricos.

Podemos criar uma tabela de frequência com a função table e usar o resultado para criar um gráfico de barras:

x<-table(dados$class) 
barplot(x, col = c("brown1","khaki1", "blue"))

4.1.6 Curve

A função curve permite plotar funções matemáticas. Vamos ver alguns exemplos:

curve(x^2)

Podemos especificar os valores inicial e final de x, assim como a cor da curva:

curve(x^2, from = 2, to = 10, col = "blue")

Também podemos sobrepor várias curvas no mesmo gráfico:

curve(x^2, col = "blue")
curve(x^3, col = "green", add = T)
curve(x^4, col = "red", add = T)

4.2 O pacote ggplot2

O pacote ggplot2 (Wickham 2016) é um dos principais pacotes gráficos do R.

Os elementos de um gráfico (dados, sistema de coordenadas, rótulos, anotações, entre outros) são as camadas e a construção de um gráfico se dá pela sobreposição dessas camadas.

4.2.1 Gráficos de pontos (dispersão)

library(ggplot2) 
ggplot(dados) +
  geom_point(aes(sepal_l, sepal_w))

• A primeira camada é dada pela função ggplot() e recebe a nossos dados;
• A segunda camada é dada pela função geom_point(), especificando a forma geométrica utilizada no mapeamento das observações (pontos);
• As camadas são unidas com um +;
• O mapeamento na função geom_point() recebe a função aes(), responsável por descrever como as variáveis serão mapeadas nos aspectos visuais dos pontos (a forma geométrica escolhida);
• Neste caso, os aspectos visuais mapeados são a posição do ponto no eixo x e a posição do ponto no eixo y;

Podemos usar pipes:

library(dplyr)
dados%>% ggplot() +
  geom_point(aes(x = sepal_l, y = sepal_w))

# obs: não precisamos colocar x e y

Podemos criar um objeto ggplot e depois adicionar camadas. Aqui criamos mais uma camada, labs, com a qual podemos personalisar títulos, legendas, entre outros aspectos:

p <- ggplot(dados)

p + geom_point(aes(sepal_l, sepal_w,color= class))+
  labs(title="Iris", x = "Comprimento das sépalas", y = "Largura das sépalas", color = "Espécies")

Também podemos alterar o tamanho:

p + geom_point(aes(sepal_l, sepal_w, size= class))

Podemos adicionar mais camadas, como facet_wrap, com a qual criamos mais painéis, com base em uma varável categórica:

p + geom_point(aes(sepal_l, sepal_w, color= class))+
  facet_wrap(~class)

4.2.2 Salvar

Para salvar usamos a função ggsave, que vai salvar o último gráfico gerado:

ggsave(
  "figura.jpg",
  plot = last_plot(),
  dpi = 300,
)

## Saving 7 x 5 in image

Vamos carregar outra planilha de dados:

library(openxlsx)
dados2<-read.xlsx("dados/Data_Cortex_Nuclear.xlsx", sheet = 1, colNames = T)
head(dados2)

##   MouseID  DYRK1A_N   ITSN1_N    BDNF_N    NR1_N   NR2A_N    pAKT_N   pBRAF_N
## 1   309_1 0.5036439 0.7471932 0.4301753 2.816329 5.990152 0.2188300 0.1775655
## 2   309_2 0.5146171 0.6890635 0.4117703 2.789514 5.685038 0.2116362 0.1728170
## 3   309_3 0.5091831 0.7302468 0.4183088 2.687201 5.622059 0.2090109 0.1757222
## 4   309_4 0.4421067 0.6170762 0.3586263 2.466947 4.979503 0.2228858 0.1764626
## 5   309_5 0.4349402 0.6174298 0.3588022 2.365785 4.718679 0.2131059 0.1736270
## 6   309_6 0.4475064 0.6281758 0.3673881 2.385939 4.807635 0.2185778 0.1762334
##   pCAMKII_N   pCREB_N   pELK_N    pERK_N    pJNK_N    PKCA_N    pMEK_N
## 1  2.373744 0.2322238 1.750936 0.6879062 0.3063817 0.4026984 0.2969273
## 2  2.292150 0.2269721 1.596377 0.6950062 0.2990511 0.3859868 0.2813189
## 3  2.283337 0.2302468 1.561316 0.6773484 0.2912761 0.3810025 0.2817103
## 4  2.152301 0.2070042 1.595086 0.5832768 0.2967287 0.3770870 0.3138320
## 5  2.134014 0.1921579 1.504230 0.5509601 0.2869612 0.3635021 0.2779643
## 6  2.141282 0.1951875 1.442398 0.5663396 0.2898239 0.3638930 0.2668369
##      pNR1_N   pNR2A_N  pNR2B_N pPKCAB_N    pRSK_N     AKT_N    BRAF_N  CAMKII_N
## 1 1.0220603 0.6056726 1.877684 2.308745 0.4415994 0.8593658 0.4162891 0.3696080
## 2 0.9566759 0.5875587 1.725774 2.043037 0.4452219 0.8346593 0.4003642 0.3561775
## 3 1.0036350 0.6024488 1.731873 2.017984 0.4676679 0.8143294 0.3998469 0.3680888
## 4 0.8753903 0.5202932 1.566852 2.132754 0.4776707 0.7277046 0.3856387 0.3629700
## 5 0.8649120 0.5079898 1.480059 2.013697 0.4834161 0.6877937 0.3675305 0.3553109
## 6 0.8591209 0.5213066 1.538244 1.968275 0.4959000 0.6724022 0.3694045 0.3571717
##      CREB_N    ELK_N    ERK_N  GSK3B_N     JNK_N     MEK_N    TRKA_N     RSK_N
## 1 0.1789443 1.866358 3.685247 1.537227 0.2645263 0.3196770 0.8138665 0.1658460
## 2 0.1736797 1.761047 3.485287 1.509249 0.2557270 0.3044187 0.7805042 0.1571935
## 3 0.1739047 1.765544 3.571456 1.501244 0.2596135 0.3117467 0.7851540 0.1608954
## 4 0.1794489 1.286277 2.970137 1.419710 0.2595358 0.2792181 0.7344917 0.1622099
## 5 0.1748355 1.324695 2.896334 1.359876 0.2507050 0.2736672 0.7026991 0.1548274
## 6 0.1797285 1.227450 2.956983 1.447910 0.2508402 0.2840436 0.7043958 0.1568759
##       APP_N Bcatenin_N    SOD1_N    MTOR_N     P38_N   pMTOR_N   DSCR1_N
## 1 0.4539098   3.037621 0.3695096 0.4585385 0.3353358 0.8251920 0.5769155
## 2 0.4309403   2.921882 0.3422793 0.4235599 0.3248347 0.7617176 0.5450973
## 3 0.4231873   2.944136 0.3436962 0.4250048 0.3248517 0.7570308 0.5436197
## 4 0.4106149   2.500204 0.3445093 0.4292113 0.3301208 0.7469798 0.5467626
## 5 0.3985498   2.456560 0.3291258 0.4087552 0.3134148 0.6919565 0.5368605
## 6 0.3910472   2.467133 0.3275978 0.4044899 0.2962764 0.6744186 0.5397231
##     AMPKA_N    NR2B_N   pNUMB_N  RAPTOR_N   TIAM1_N  pP70S6_N    NUMB_N
## 1 0.4480993 0.5862714 0.3947213 0.3395706 0.4828639 0.2941698 0.1821505
## 2 0.4208761 0.5450973 0.3682546 0.3219592 0.4545193 0.2764306 0.1820863
## 3 0.4046298 0.5529941 0.3638799 0.3130859 0.4471972 0.2566482 0.1843877
## 4 0.3868603 0.5478485 0.3667707 0.3284919 0.4426497 0.3985340 0.1617677
## 5 0.3608164 0.5128240 0.3515510 0.3122063 0.4190949 0.3934470 0.1602002
## 6 0.3542143 0.5143164 0.3472241 0.3031321 0.4128243 0.3825783 0.1623303
##     P70S6_N  pGSK3B_N  pPKCG_N    CDK5_N      S6_N ADARB1_N AcetylH3K9_N
## 1 0.8427252 0.1926084 1.443091 0.2947000 0.3546045 1.339070    0.1701188
## 2 0.8476146 0.1948153 1.439460 0.2940598 0.3545483 1.306323    0.1714271
## 3 0.8561658 0.2007373 1.524364 0.3018807 0.3860868 1.279600    0.1854563
## 4 0.7602335 0.1841694 1.612382 0.2963818 0.2906795 1.198765    0.1597991
## 5 0.7681129 0.1857183 1.645807 0.2968294 0.3093450 1.206995    0.1646503
## 6 0.7796946 0.1867930 1.634615 0.2880373 0.3323671 1.123445    0.1756929
##      RRP1_N     BAX_N     ARC_N   ERBB4_N    nNOS_N     Tau_N    GFAP_N
## 1 0.1591024 0.1888517 0.1063052 0.1449893 0.1766677 0.1251904 0.1152909
## 2 0.1581289 0.1845700 0.1065922 0.1504709 0.1783090 0.1342751 0.1182345
## 3 0.1486963 0.1905322 0.1083031 0.1453302 0.1762129 0.1325604 0.1177602
## 4 0.1661123 0.1853235 0.1031838 0.1406558 0.1638042 0.1232096 0.1174394
## 5 0.1606870 0.1882214 0.1047838 0.1419830 0.1677096 0.1368377 0.1160478
## 6 0.1505939 0.1838235 0.1064762 0.1395645 0.1748445 0.1305147 0.1152432
##     GluR3_N   GluR4_N    IL1B_N   P3525_N pCASP9_N  PSD95_N    SNCA_N
## 1 0.2280435 0.1427556 0.4309575 0.2475378 1.603310 2.014875 0.1082343
## 2 0.2380731 0.1420366 0.4571562 0.2576322 1.671738 2.004605 0.1097485
## 3 0.2448173 0.1424450 0.5104723 0.2553430 1.663550 2.016831 0.1081962
## 4 0.2349467 0.1450682 0.4309959 0.2511031 1.484624 1.957233 0.1198832
## 5 0.2555277 0.1408705 0.4812265 0.2517730 1.534835 2.009109 0.1195244
## 6 0.2368495 0.1364536 0.4785775 0.2444853 1.507777 2.003535 0.1206872
##   Ubiquitin_N pGSK3B_Tyr216_N     SHH_N     BAD_N BCL2_N     pS6_N   pCFOS_N
## 1   1.0449792       0.8315565 0.1888517 0.1226520     NA 0.1063052 0.1083359
## 2   1.0098831       0.8492704 0.2004036 0.1166822     NA 0.1065922 0.1043154
## 3   0.9968476       0.8467087 0.1936845 0.1185082     NA 0.1083031 0.1062193
## 4   0.9902247       0.8332768 0.1921119 0.1327812     NA 0.1031838 0.1112620
## 5   0.9977750       0.8786678 0.2056042 0.1299541     NA 0.1047838 0.1106939
## 6   0.9201782       0.8436793 0.1904695 0.1315752     NA 0.1064762 0.1094457
##       SYP_N H3AcK18_N    EGR1_N  H3MeK4_N   CaNA_N Genotype Treatment Behavior
## 1 0.4270992 0.1147832 0.1317900 0.1281856 1.675652  Control Memantine      C/S
## 2 0.4415813 0.1119735 0.1351030 0.1311187 1.743610  Control Memantine      C/S
## 3 0.4357769 0.1118829 0.1333618 0.1274311 1.926427  Control Memantine      C/S
## 4 0.3916910 0.1304053 0.1474442 0.1469011 1.700563  Control Memantine      C/S
## 5 0.4341538 0.1184814 0.1403143 0.1483799 1.839730  Control Memantine      C/S
## 6 0.4398331 0.1166572 0.1407664 0.1421804 1.816389  Control Memantine      C/S
##    class
## 1 c-CS-m
## 2 c-CS-m
## 3 c-CS-m
## 4 c-CS-m
## 5 c-CS-m
## 6 c-CS-m

Esses dados podem ser baixados do seguinte endereço:
https://archive.ics.uci.edu/dataset/342/mice+protein+expression
(Higuera and Cios 2015)

Podemos selecionar algumas colunas e criar um objeto ggplot:

p <- dados2 %>% 
  select(DYRK1A_N:pAKT_N,Genotype:class)%>%
  ggplot(aes(DYRK1A_N, ITSN1_N, color = Genotype))

E criar um gráfico de dispersão:

p + geom_point(size = 0.7)

Podemos mudar as escalas dos eixos x e y. Por exemplo, vamos usar uma escala logarítmica (log na base 10):

p + geom_point(size = 1) +
  scale_x_log10() +
  scale_y_log10()

4.2.3 Histogramas

Criando um objeto ggplot:

p <- dados2 %>% 
    ggplot(aes(x = DYRK1A_N))

Histograma básico:

p + geom_histogram()

Personalizando a cor de preenchimento, cor da linha e legendas:

p + geom_histogram(binwidth = 0.1, fill = "blue", col = "black") +
  xlab("expressão") +
  ggtitle("Histograma")

4.2.4 Density plot

Um gráfico de densidade é uma representação da distribuição de uma variável numérica. É uma versão suavizada do histograma e é usado no mesmo conceito.

p + geom_density()

Podemos usar cores:

p + geom_density(fill = "blue")

Transparência

ggplot(dados2, aes(EGR1_N, fill = class, colour = class)) +
  geom_density(alpha = 0.2, na.rm = TRUE)

4.2.5 Boxplot

O boxplot é um gráfico onde a parte central contém os valores que estão entre o primeiro quartil e o terceiro quartil. As hastes inferiores e superiores se estendem, respectivamente, do primeiro quartil até o menor valor, limite inferior, e do terceiro quartil até o maior valor.

p <- dados2 %>% 
  ggplot(aes(y = ADARB1_N , group=class, color=class))

p + geom_boxplot()

4.2.6 Gráfico Q-Q

O gráfico Q-Q é um gráfico de probabilidades, usado para comparar duas distribuições de probabilidade, traçando seus quantis uns contra os outros.

QQ-plot básico no ggplot2:

p <- dados2 %>% 
  filter(Genotype =="Ts65Dn")%>%
  ggplot(aes(sample = DYRK1A_N))

p + geom_qq()

Podemos fazer um QQ-plot contra uma distribuição normal com a mesma média e desvio padrão:

params <- dados2 %>% 
  filter(Genotype =="Ts65Dn")%>%
  summarize(mean = mean(DYRK1A_N, na.rm = T), sd = sd(DYRK1A_N, na.rm=T))
p + geom_qq(dparams = params) +
  geom_abline()

4.2.7 Figura com vários gráficos

Para juntar vários gráficos do ggplot2 em uma imagem usamos o pacote gridExtra

Vamos primeiro criar os gráficos e armazer em p1, p2, p3:

p <- dados2 %>% 
  ggplot(aes(x = DYRK1A_N))

p1 <- p + geom_histogram(binwidth = 0.1, fill = "blue", col = "black")
p2 <- p + geom_histogram(binwidth = 0.2, fill = "red", col = "black")
p3 <- p + geom_histogram(binwidth = 0.3, fill = "green", col = "black")

Então usamos o pacote gridExtra (Auguie 2017) para compor a imagem. Nesse exemplo, vamos dispor as imagens em uma linha e três colunas:

library(gridExtra)
grid.arrange(p1, p2, p3, ncol = 3)

4.2.8 Ajustes de Posição

position = “identity” irá colocar cada objeto na posição exata em que ele cairia no contexto do gráfico

p + geom_bar(aes(class, fill=Genotype),
             position="identity")

position = “dodge” coloca objetos sobrepostos um ao lado do outro. Isto torna mais fácil a comparação de valores individuais

p + geom_bar(aes(Genotype, fill=class),
           position="dodge")

position = “fill” irá empilhar os elementos um sobre o outro, mas normalizando a altura. Isso é muito útil para comparar proporções entre os grupos

p + geom_bar(aes(Genotype, fill=class),
             position="fill")

4.2.9 Geom Smooth

ggplot(dados2, aes(SNCA_N,EGR1_N)) +
  geom_point() +
  geom_smooth(method = lm, size = 1)

Aqui foram apresentadas algumas opções de geoms, no entanto, existem dezenas de geoms disponíveis.

Para saber mais:
Wickham, Çetinkaya-Rundel, and Grolemund (2023) Irizarry (2019)

4.3 Outros pacotes gráficos

Vamos carregar os dados e ativar os pacotes:

library(ggplot2)
library(RColorBrewer)
library(openxlsx)
library(dplyr)
dados<-read.xlsx("dados/pinguim.xlsx", sheet = 1, colNames = T)
head(dados)

##   species    island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
## 1  Adelie Torgersen           39.1          18.7               181        3750
## 2  Adelie Torgersen           39.5          17.4               186        3800
## 3  Adelie Torgersen           40.3          18.0               195        3250
## 4  Adelie Torgersen             NA            NA                NA          NA
## 5  Adelie Torgersen           36.7          19.3               193        3450
## 6  Adelie Torgersen           39.3          20.6               190        3650
##      sex year
## 1   male 2007
## 2 female 2007
## 3 female 2007
## 4   <NA> 2007
## 5 female 2007
## 6   male 2007

4.3.1 Usando as cores

Primeiro vamos fazer um gráfico, sem especificar quais cores usar:

p <- dados %>% 
  ggplot(aes(y = bill_length_mm, group=species, color=species))

p + geom_boxplot()

No ggplot2, é possível armazenar a paleta de cores em uma variável e usá-la posteriormente.

Por exemplo:

cbPalette <- c("#999999", "#E69F00", "#56B4E9", "#009E73", "#F0E442", "#0072B2", "#D55E00", "#CC79A7")

Então podemos usar essas cores no gráfico:

p <- dados %>% 
  ggplot(aes(y = bill_length_mm, group=species, fill=species))

p + geom_boxplot()+
  scale_fill_manual(values=cbPalette)

Para o preenchimento adicionamos:

scale_fill_manual(values=cbPalette)

Para cor da linha ou pontos adicionamos:

scale_colour_manual(values=cbPalette)

Também podemos usar outras escalas de cores, como as retiradas do pacote RColorBrewer

p + geom_boxplot()+
  scale_fill_brewer(palette="Set1")

p + geom_boxplot()+
  scale_fill_brewer(palette="Oranges")

Podem consultar as opções em: https://r-graph-gallery.com/38-rcolorbrewers-palettes.html

4.3.2 Análise gráfica exploratória

library(GGally)
dados2<-select(dados, species, bill_length_mm:body_mass_g)

Para isso usaremos o pacote GGally (Schloerke et al. 2021), que é uma extensão para o ggplot2.

Vamos usar a função ggpairs e selecionar uma variável categórica para color:

ggpairs(dados2, aes(color = species))

4.3.3 GGPLOT2: mais parâmetros

Vamos usar outro geom, o geom_segment:

ggplot(dados, aes(x=bill_length_mm , y=bill_depth_mm )) +
  geom_segment( aes(x=bill_length_mm , xend=bill_length_mm , y=10, yend=bill_depth_mm), color="grey") +
  geom_point(color="orange", size=4) +
  theme_light() +
  theme(
    panel.grid.major.x = element_blank(),
    panel.border = element_blank(),
    axis.ticks.x = element_blank()
  ) +
  xlab("") +
  ylab("Value of Y")

4.3.4 Diagrama de Venn

Vamos criar uma lista com dados aleatórios

set.seed(654925)            

list_venn <- list(A = sort(sample(1:100, 20)),
                  B = sort(sample(1:100, 20)),
                  C = sort(sample(1:100, 20)),
                  D = sort(sample(1:100, 20)))
head(list_venn)  

## $A
##  [1]  1  3  4 11 19 20 22 32 34 36 47 48 58 59 60 64 69 72 97 98
## 
## $B
##  [1]  4 17 18 23 32 33 34 41 45 52 53 56 58 59 66 67 74 78 91 92
## 
## $C
##  [1]  3 10 28 31 34 38 46 47 51 57 58 65 67 70 72 74 80 89 94 97
## 
## $D
##  [1]  8 11 14 15 17 18 19 33 34 47 51 59 66 68 73 77 78 82 86 87

Carregar o pacote ggvenn (Yan 2023) e fazer o diagrama com A e C:

library(ggvenn)
ggvenn(list_venn, c("A", "C"))   

Fazer o diagrama com A, C e D:

ggvenn(list_venn, c("A", "C", "D"))

Com todos os dados:

ggvenn(list_venn) 

4.3.5 Diagramas

Muitas vezes precisamos fazer um diagrama, ou fluxograma, para mostrar as etapas da pesquisa e podemos fazer isso usando o pacote DiagrammeR (Iannone 2023)

library(DiagrammeR)


figura1<-DiagrammeR::grViz("
digraph a_nice_graph {
  node [fontname = Helvetica, color = green]
  a [label = 'Ratos', color =blue, fontname=Impact]
  b [label = 'caso, n = 20']
  c [label = 'controle, n = 20']
  d [label = 'medicamento']
  e [label = 'salina']
  f [label = '30 days']
  g [label = 'córtex', color= blue]
  h [label = 'hipocampo' , color= blue]
  i [label = 'fígado', color =blue]
  j [label = 'atividade enzimática', color =red,fontname=Impact]
  # edge definitions with the node IDs
  a -> {b c}
  b -> d
  c -> e
  {d e} -> f
  f -> {g h i}
  {g h i} -> j
}
")
figura1

Para salvar esse diagrama é preciso carregar mais 2 pacotes: rsvg (Ooms 2022) e DiagrammeRsvg (Iannone 2016)

library(rsvg)
library(DiagrammeRsvg)
figura1 = DiagrammeRsvg::export_svg(figura1)
figura1 = charToRaw(figura1) # flatten
rsvg_png(figura1, file = "figura1b.png", width = 5961, height = 7016)

Outra opção é o pacote ggflowchart (Rennie 2023)

Para usar esse pacote tem um tutorial no endereço abaixo:
(https://nrennie.rbind.io/blog/introducing-ggflowchart/)

library(ggflowchart)
data <- tibble::tibble(from = c("A", "A", "A", "B", "C", "F"),
                       to = c("B", "C", "D", "E", "F", "G"))

ggflowchart(data)

Podemos usar os seguintes parâmetros:

• fill = “white”. A cor de preenchimento.
• colour = “black”. A cor da caixa de texto.
• text_colour = “black”. A cor do texto.
• text_size = 3.88. O tamanho do texto.
• arrow_colour = “black”. A cor das flechas.
• arrow_size = 0.3. O tamanho das flechas.
• family = “sans”. A fonte do texto.
• x_nudge = 0.35. A largura da caixa de texto.
• y_nudge = 0.25. A altura da caica de texto.
• horizontal = FALSE. A direção do fluxograma.

Alguns exemplos:

ggflowchart(data,
            colour = "blue",
            text_colour = "red",
            arrow_colour = "green",
            family = "serif",
            x_nudge = 0.4,
            y_nudge = 0.2,
            arrow_size = 0.3)

Com fluxograma na horizontal:

ggflowchart(data,
            colour = "blue",
            text_colour = "black",
            arrow_colour = "orange",
            family = "serif",
            x_nudge = 0.4,
            y_nudge = 0.2,
            arrow_size = 0.3,
            horizontal = T)

Utilizando tipos diferentes:

node_data <- tibble::tibble(
  name = c("A", "B", "C", "D", "E", "F", "G"),
  type = c("Type 1", "Type 1", "Type 1", "Type 1", 
           "Type 2", "Type 2", "Type 2")
)
ggflowchart(data, node_data, fill = type)

4.3.6 Datas e séries temporais

Vamos plotar uma variável (peso) ao longo do tempo. Primeiro vamos carregar os dados:

dados3<-read.xlsx("dados/peso.xlsx", sheet=1,colNames = T)
head(dados3)

##   ID    grupo tempo peso
## 1  1 controle    t1  270
## 2  2 controle    t1  287
## 3  3 controle    t1  279
## 4  4 controle    t1  286
## 5  5 controle    t1  275
## 6  6 controle    t1  282

Nesse arquivo temos a variável grupo (caso e controle), uma variável tempo (t1 a t6) e a variável peso. São 2 grupos de animais, que foram pesados em 6 momentos.
Agora ativaremos uma função (http://www.sthda.com/english/wiki/ggplot2-error-bars-quick-start-guide-r-software-and-data-visualization) para organizar os dados para poder fazer o gráfico:

data_summary <- function(data, varname, groupnames){
  require(plyr)
  summary_func <- function(x, col){
    c(mean = mean(x[[col]], na.rm=TRUE),
      sd = sd(x[[col]], na.rm=TRUE))
  }
  data_sum<-ddply(data, groupnames, .fun=summary_func,
                  varname)
  data_sum <- rename(data_sum, c("mean" = varname))
  return(data_sum)
}

Agora que a função data_summary está ativa, vamos preparar os dados:

df <- data_summary(dados3, varname="peso", 
                   groupnames=c("grupo", "tempo"))

df

##       grupo tempo     peso       sd
## 1      caso    t1 287.1429 32.28207
## 2      caso    t2 262.3571 13.78186
## 3      caso    t3 265.5000 27.38262
## 4      caso    t4 268.5714 26.69115
## 5      caso    t5 293.7143 28.22554
## 6      caso    t6 327.7857 36.65049
## 7  controle    t1 294.0000 32.87011
## 8  controle    t2 308.6000 37.88931
## 9  controle    t3 330.2000 21.04915
## 10 controle    t4 347.1000 20.14641
## 11 controle    t5 375.1000 21.74320
## 12 controle    t6 408.6000 17.94560

E finalmente o gráfico:

p<- ggplot(df, aes(x=tempo, y=peso, group=grupo, color=grupo)) + 
  geom_line() +
  geom_point() +
  geom_errorbar(aes(ymin=peso-sd, ymax=peso+sd), width=.2,
                position=position_dodge(0.05))
p

Personalizando o gráfico:

p+labs(title="Weight variation along 30 days", x="Time", y = "Weight")+
  theme_classic() +
  scale_color_manual(values=c('#999999','#E69F00'))

Além da definição das cores, que já vimos, aqui usamos também o theme_classic()
Esses temas controlam outros aspectos visuais do gráfico.
Tem vários temas:

theme_grey()
theme_gray()
theme_bw()
theme_linedraw()
theme_light()
theme_dark()
theme_minimal()
theme_classic()
theme_void()
theme_test()

4.3.7 Time series - Dados de casos de COVID no Paraná

Os dados podem ser baixados de: https://www.saude.pr.gov.br/Pagina/Coronavirus-COVID-19 Como exemplo, vou usar os dados de março de 2022, porque quanto mais recente, maior o arquivo e demora mais para carregar e processar os dados.

Carregar os dados:

dados<-read.csv("dados/informe_epidemiologico_16_03_2022_geral.csv", header = T, sep = ";")
library(dplyr)
head(dados)

##   IBGE_RES_PR IBGE_ATEND_PR UF_RESIDENCIA SEXO IDADE_ORIGINAL
## 1     4118501       4118501            PR    M             96
## 2     4106902       4106902            PR    F             77
## 3     4125704       4108304            PR    M             73
## 4     4106902       4106902            PR    F             95
## 5     4119905       4119905            PR    M             81
## 6     4116802       4116802            PR    M             56
##         MUN_RESIDENCIA MUN_ATENDIMENTO EXAME DATA_DIAGNOSTICO
## 1          PATO BRANCO     PATO BRANCO   167       2022-03-02
## 2             CURITIBA        CURITIBA   167       2022-02-22
## 3 SAO MIGUEL DO IGUACU   FOZ DO IGUACU    27       2022-02-21
## 4             CURITIBA        CURITIBA    27       2022-01-20
## 5         PONTA GROSSA    PONTA GROSSA    27       2022-01-31
## 6           NOVA CANTU      NOVA CANTU     1       2022-03-07
##   DATA_CONFIRMACAO_DIVULGACAO DATA_INICIO_SINTOMAS ÓBITO.COVID.19 DATA_OBITO
## 1                  2022-03-16           2022-02-24            SIM 2022-02-28
## 2                  2022-03-16                                 SIM 2022-03-14
## 3                  2022-03-16           2022-02-21            SIM 2022-03-07
## 4                  2022-03-16           2022-01-14            SIM 2022-02-06
## 5                  2022-03-16           2022-01-21            SIM 2022-03-04
## 6                  2022-03-16           2022-03-01            SIM 2022-03-14
##   DATA_OBITO_DIVULGACAO             STATUS DATA_RECUPERADO_DIVULGACAO
## 1            2022-03-16 Óbito por COVID-19                           
## 2            2022-03-16 Óbito por COVID-19                           
## 3            2022-03-16 Óbito por COVID-19                           
## 4            2022-03-16 Óbito por COVID-19                           
## 5            2022-03-16 Óbito por COVID-19                           
## 6            2022-03-16 Óbito por COVID-19                           
##                         ORIGEM_NOTIFICACAO
## 1 Vigilância Epidemiológica de Pato Branco
## 2                                  e-Saúde
## 3                        Notifica COVID-19
## 4                                  e-Saúde
## 5                        Notifica COVID-19
## 6                        Notifica COVID-19

dados<-select(dados, SEXO:MUN_RESIDENCIA,DATA_DIAGNOSTICO,DATA_INICIO_SINTOMAS,DATA_OBITO)

Os dados tem colunas com data, no entanto, para o R entender que são datas devemos usar o pacote lubridate. Devemos olhar como está o formato da data. Nesse caso estão no formato ano, mês, dia, então usamos função ymd:

library(lubridate)

dados$DATA_INICIO_SINTOMAS <-ymd(dados$DATA_INICIO_SINTOMAS)
dados$DATA_DIAGNOSTICO <-ymd(dados$DATA_DIAGNOSTICO)
dados$DATA_OBITO <-ymd(dados$DATA_OBITO)

Podemos plotar o número de casos por data de diagnóstico:

library(ggplot2)
p <- dados %>%
  ggplot(aes(DATA_DIAGNOSTICO))
p + geom_bar(fill = "dodgerblue")

Podemos ver a idade dos casos positivos:

dados %>%
  filter(IDADE_ORIGINAL>=0)%>%
  ggplot(mapping = aes(IDADE_ORIGINAL )) +
  geom_bar(fill="goldenrod1", col="black")

Ou a idade dos casos de óbito:

dados %>%
  filter(!is.na(DATA_OBITO))%>%
  ggplot(mapping = aes(x =IDADE_ORIGINAL )) +
  geom_bar(fill="firebrick1", col="black")

Podemos separa por sexo:

dados %>%
  ggplot(aes(DATA_DIAGNOSTICO, color = SEXO, fill=SEXO)) +
  geom_density(alpha=0.2 )

Filtros

Podemos usar filtros, por exemplo, por data:

p <- dados %>%
  filter(DATA_DIAGNOSTICO>as.Date("2022-02-15"))%>%
  ggplot(aes(DATA_DIAGNOSTICO))
p + geom_bar(fill = "dodgerblue")

Filtrando por município:

p <- dados %>%
  filter(MUN_RESIDENCIA=="PONTA GROSSA")%>%
  ggplot(aes(x = DATA_DIAGNOSTICO))
p + geom_bar(fill = "blue")

Além desses gráficos todos apresentados aqui, existem muitos outros, os quais vocês podem procurar conforme a necessidade.

Mais detalhes podem ser obtidos em Wickham, Çetinkaya-Rundel, and Grolemund (2023)

References

Auguie, Baptiste. 2017. gridExtra: Miscellaneous Functions for Grid Graphics. https://CRAN.R-project.org/package=gridExtra.

Higuera, Gardiner, Clara, and Krzysztof Cios. 2015. “Mice Protein Expression.” UCI Machine Learning Repository.

Iannone, Richard. 2016. DiagrammeRsvg: Export DiagrammeR Graphviz Graphs as SVG. https://CRAN.R-project.org/package=DiagrammeRsvg.

———. 2023. DiagrammeR: Graph Network Visualization. https://CRAN.R-project.org/package=DiagrammeR.

Irizarry, Rafael A. 2019. Introduction to Data Science: Data Analysis and Prediction Algorithms with r. CRC Press.

Ooms, Jeroen. 2022. Rsvg: Render SVG Images into PDF, PNG, (Encapsulated) PostScript, or Bitmap Arrays. https://CRAN.R-project.org/package=rsvg.

Rennie, Nicola. 2023. Ggflowchart: Flowcharts with Ggplot2. https://CRAN.R-project.org/package=ggflowchart.

Schloerke, Barret, Di Cook, Joseph Larmarange, Francois Briatte, Moritz Marbach, Edwin Thoen, Amos Elberg, and Jason Crowley. 2021. GGally: Extension to Ggplot2. https://CRAN.R-project.org/package=GGally.

Wickham, Hadley. 2016. Ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. https://ggplot2.tidyverse.org.

Wickham, Hadley, Mine Çetinkaya-Rundel, and Garrett Grolemund. 2023. R for Data Science. " OReilly Media, Inc.".

Yan, Linlin. 2023. Ggvenn: Draw Venn Diagram by Ggplot2. https://CRAN.R-project.org/package=ggvenn.