Gráfico de barras e histograma em R com exemplo

O que é um gráfico de barras em R?

Um gráfico de barras é uma ótima maneira de exibir variáveis ​​categóricas no eixo x. Este tipo de gráfico denota dois aspectos no eixo y.

1. A primeira contagem contabiliza o número de ocorrências em cada grupo.
2. O segundo gráfico mostra uma estatística resumida (mínimo, máximo, média, etc.) de uma variável no eixo y.

Você utilizará o conjunto de dados mtcars, que possui as seguintes variáveis:

• cil: Número do cilindro do carro. Variável numérica
• am: Tipo de transmissão. 0 para automático e 1 para manual. Variável numérica
• mpg: Milhas por galão. Variável numérica

Como os histogramas são muito semelhantes, vale a pena esclarecer a diferença antes de escrever qualquer código.

Gráfico de barras versus histograma em R: principais diferenças

Os dois gráficos são semelhantes e são constantemente confundidos. Eles respondem a perguntas diferentes e usam objetos geométricos diferentes.

A regra prática é a seguinte: se reordenar as barras ainda fizer sentido, você tem um gráfico de barras. Se reordená-las destruir o significado, você tem um histograma. Para resumos baseados em quartis da mesma variável contínua, use um gráfico de barras. gráfico de caixa.

Como criar um gráfico de barras em R

Para criar gráfico em R, você pode usar a biblioteca ggplot que cria gráficos prontos para publicação. A sintaxe básica desta biblioteca é:

ggplot(data, mapping = aes()) +
geometric object 

arguments: 
data: dataset used to plot the graph 
mapping: Control the x and y-axis 
geometric object: The type of plot you want to show. The most common objects are:

- Point: `geom_point()`
- Bar: `geom_bar()`
- Line: `geom_line()`
- Histogram: `geom_histogram()` 

Este tutorial se concentra no objeto geométrico geom_bar(), que desenha o gráfico de barras, e no geom_histogram() para dados contínuos.

Gráfico de barras: contagem

Seu primeiro gráfico mostra a frequência do cilindro com geom_bar(). O código abaixo é a sintaxe mais básica.

library(ggplot2)
# Most basic bar chart
ggplot(mtcars, aes(x = factor(cyl))) +
    geom_bar()

Code Explicação

• Você passa o conjunto de dados mtcars para o ggplot.
• Dentro do argumento aes(), você define o eixo x para a variável de fator cyl.
• O sinal + significa que você deseja que R continue lendo o código. Isso torna o código mais legível ao quebrá-lo.
• Use geom_bar() para o objeto geométrico.

Saída:

Observação: certifique-se de converter as variáveis ​​em um fator, caso contrário R tratará as variáveis ​​como numéricas. Veja o exemplo abaixo.

Personalize o gráfico

Quatro argumentos podem ser passados ​​para personalizar o gráfico:

- `stat`: Controls what is plotted on the y-axis. By default `count`, which tallies rows. To plot a value you already computed, pass `stat = "identity"`
- `alpha`: Control density of the color
- `fill`: Change the color of the bar
- `size`: Control the size the bar	

Mude a cor das barras

Você pode alterar a cor das barras. Observe que as cores das barras são todas semelhantes.

# Change the color of the bars
ggplot(mtcars, aes(x = factor(cyl))) +
    geom_bar(fill = "coral") +
    theme_classic()

Code Explicação

• As cores das barras são controladas pelo mapa aes()ping dentro do objeto geométrico (ou seja, não dentro do ggplot()). Você pode alterar a cor com os argumentos de preenchimento. Aqui, você escolheu a cor coral.

Saída:

Você pode usar este código:

grDevices::colors()

para ver todas as cores disponíveis em R. São cerca de 650 cores.

Mude a intensidade

Você pode aumentar ou diminuir a intensidade da cor das barras

# Change intensity
ggplot(mtcars,
        aes(factor(cyl))) +
    geom_bar(fill = "coral",
        alpha = 0.5) +
    theme_classic()

Code Explicação

• Para aumentar/diminuir a intensidade da barra, você pode alterar o valor de alfa. Um valor alto de alfa aumenta a intensidade, e um valor baixo de alfa reduz a intensidade. O valor de alfa varia de 0 a 1. Com 1, a cor corresponde exatamente à paleta; com 0, a barra fica invisível. Aqui, você escolheu alfa = 0.5.

Saída:

Cor por grupos

Você pode alterar as cores das barras, ou seja, uma cor diferente para cada grupo. Por exemplo, a variável cyl tem três níveis, então você pode traçar o gráfico de barras com três cores.

# Color by group
ggplot(mtcars, aes(factor(cyl),
        fill = factor(cyl))) +
    geom_bar()

Code Explicação

• O argumento `fill` dentro da função `aes()` altera a cor da barra. Você altera a cor definindo `fill = variável do eixo x`. No seu exemplo, a variável do eixo x é `cyl`; `fill = factor(cyl)`.

Saída:

Adicione um grupo nas barras

Você pode dividir ainda mais o eixo y com base em outro nível de fator. Por exemplo, você pode contar o número de transmissões automáticas e manuais com base no tipo de cilindro.

Você procederá da seguinte forma:

• Etapa 1: crie o quadro de dados com o conjunto de dados mtcars
• Etapa 2: Rotule a variável am com auto para transmissão automática e man para transmissão manual. Converta am e cyl como um fator para que você não precise usar factor() na função ggplot().
• Passo 3: Trace o gráfico de barras para contar o número de transmissões por cilindro

library(dplyr)
# Step 1
data <- mtcars %>% 
#Step 2
mutate(am = factor(am, labels = c("auto", "man")),
    cyl = factor(cyl))

Com o conjunto de dados pronto, você pode plotar o gráfico:

# Passo 3

ggplot(data, aes(x = cyl, fill = am)) +
    geom_bar() +
    theme_classic()

Code Explicação

• A chamada ggplot() recebe os dados do conjunto de dados e o mapa aes().ping.
• No aes() você inclui a variável do eixo x e qual variável é necessária para preencher a barra (ou seja, sou)
• geom_bar(): Crie o gráfico de barras

Saída:

O mapaping A barra será preenchida com duas cores, uma para cada nível. É muito fácil alterar o grupo escolhendo outras variáveis ​​de fator no conjunto de dados.

Gráfico de barras em porcentagem

Você pode visualizar a barra em porcentagem em vez da contagem bruta.

# Gráfico de barras em porcentagem

ggplot(data, aes(x = cyl, fill = am)) +
    geom_bar(position = "fill") +
    theme_classic()

Code Explicação

• Use position = “fill” no argumento geom_bar() para criar um gráfico com porcentagem no eixo y.

Saída:

Barras lado a lado

É fácil traçar o gráfico de barras com a variável de grupo lado a lado.

# Bar chart side by side
ggplot(data, aes(x = cyl, fill = am)) +
    geom_bar(position = position_dodge()) +
    theme_classic()

Code Explicação

• position=position_dodge(): Diz explicitamente como organizar as barras

Saída:

Gráfico de barras com estatística resumida

Na segunda parte do tutorial, o eixo y exibe um valor calculado em vez de uma contagem. Observe que este ainda é um gráfico de barras: um histograma propriamente dito será abordado mais adiante e utiliza um objeto geométrico diferente.

Seu objetivo é criar um gráfico com a média de milhas por galão para cada tipo de cilindro. Para desenhar um gráfico informativo, você seguirá estas etapas:

• Passo 1: Crie uma nova variável com a média de milhas por galão por cilindro
• Etapa 2: crie um histograma básico
• Etapa 3: alterar a orientação
• Passo 4: Mude a cor
• Etapa 5: alterar o tamanho
• Etapa 6: adicione rótulos ao gráfico

Passo 1) Crie uma nova variável

Você cria um quadro de dados chamado data_histogram que simplesmente retorna a média de milhas por galão pelo número de cilindros do carro. Você chama essa nova variável de média_mpg e arredonda a média com duas casas decimais.

# Passo 1

data_histogram <- mtcars %>%
mutate(cyl = factor(cyl)) %>%
group_by(cyl) %>%
summarize(mean_mpg = round(mean(mpg), 2))

Passo 2) Crie um histograma básico

Você pode plotar o histograma. Ele ainda não está suficientemente refinado para ser entregue a um cliente, mas já mostra a tendência.

ggplot(data_histogram, aes(x = cyl, y = mean_mpg)) +
    geom_bar(stat = "identity")

Code Explicação

• O aes() agora possui duas variáveis. A variável cyl refere-se ao eixo x, e a média_mpg é o eixo y.
• Você passa `stat = “identity”` para que `geom_bar()` use a variável do eixo y como ela é, em vez de contar as linhas. O valor padrão para `geom_bar()` é `stat = “count”`.

Saída:

Passo 3) Alterar a orientação

Você altera a orientação do gráfico de vertical para horizontal.

ggplot(data_histogram, aes(x = cyl, y = mean_mpg)) +
    geom_bar(stat = "identity") +
    coord_flip()

Code Explicação

• Você pode controlar a orientação do gráfico com coord_flip().

Saída:

Passo 4) Mude a cor

Você pode diferenciar as cores das barras de acordo com o nível do fator da variável do eixo x.

ggplot(data_histogram, aes(x = cyl, y = mean_mpg, fill = cyl)) +
    geom_bar(stat = "identity") +
    coord_flip() +
    theme_classic()

Code Explicação

• Você pode plotar o gráfico por grupos com o mapa fill=cylpingO R cuida automaticamente das cores com base nos níveis da variável cyl.

Saída:

Passo 5) Mude o tamanho

Para deixar o gráfico mais bonito, você reduz a largura da barra.

graph <- ggplot(data_histogram, aes(x = cyl, y = mean_mpg, fill = cyl)) +
    geom_bar(stat = "identity",
        width = 0.5) +
    coord_flip() +
    theme_classic()

Code Explicação

• O argumento `width` dentro de `geom_bar()` controla a espessura da barra. Um valor maior a torna mais larga.
• O gráfico é armazenado no grafo de objetos, pois a próxima etapa o reutiliza sem alterações. Armazenar gráficos intermediários mantém o código legível.

Saída:

Passo 6) Adicione rótulos ao gráfico

A última etapa adiciona o valor de mean_mpg como um rótulo dentro de cada barra.

graph +
    geom_text(aes(label = mean_mpg),
        hjust = 1.5,
        color = "white",
        size = 3) +
    theme_classic()

Code Explicação

• A função geom_text() é útil para controlar a estética do texto.
  • label=: Adicione um rótulo dentro das barras
  • mean_mpg: Use a variável mean_mpg para o rótulo
• O parâmetro `hjust` controla a posição do rótulo ao longo da barra. Valores próximos de 1 posicionam o rótulo perto da extremidade da barra, enquanto valores maiores o empurram para mais perto do eixo. Se a orientação do gráfico for vertical, altere `hjust` para `vjust`.
• color=”branco”: Altere a cor do texto. Aqui você usa a cor branca.
• size=3: Defina o tamanho do texto.

Saída:

Como ordenar e rotular barras em um gráfico de barras no R

Dois retoques finais diferenciam um rascunho de um gráfico pronto para publicação: ordenar as barras por valor e rotular os eixos corretamente.

Reordenando barras. Por padrão, o ggplot2 organiza os níveis dos fatores em ordem alfabética, o que raramente é a ordem mais informativa. Para ordenar por uma segunda variável, envolva a variável x em uma função reorder():

# Sort the bars from lowest to highest mean_mpg
ggplot(data_histogram, aes(x = reorder(cyl, mean_mpg), y = mean_mpg)) +
    geom_bar(stat = "identity", fill = "coral") +
    theme_classic()

Adicione um sinal de menos ao prefixo da variável de ordenação, reorder(cyl, -mean_mpg), para inverter a direção.

Adicionando títulos e rótulos de eixos. A função labs() define todos os elementos de texto em uma única chamada:

ggplot(data_histogram, aes(x = cyl, y = mean_mpg, fill = cyl)) +
    geom_bar(stat = "identity") +
    labs(title = "Average fuel economy by cylinder count",
        subtitle = "mtcars dataset",
        x = "Number of cylinders",
        y = "Mean miles per gallon",
        fill = "Cylinders",
        caption = "Source: mtcars") +
    theme_classic()

Defina fill = NULL dentro de labs() para remover completamente o título da legenda e use theme(legend.position = “none”) para remover a legenda quando o eixo x já nomear os grupos.

Escolha suas próprias cores. Substitua a paleta padrão por uma paleta específica para que o gráfico corresponda ao estilo da sua empresa:

scale_fill_manual(values = c("4" = "#0e9cd1", "6" = "coral", "8" = "grey40"))

Como criar um histograma em R com geom_histogram()

Um histograma mostra como uma única variável contínua está distribuída. Em vez de contar categorias, o ggplot2 divide o intervalo numérico em classes e conta quantas observações se enquadram em cada uma delas.

library(ggplot2)
# Most basic histogram
ggplot(mtcars, aes(x = mpg)) +
    geom_histogram()

O R exibe uma mensagem recomendando que você escolha um número melhor de intervalos (bins), pois o valor padrão de 30 intervalos é arbitrário. Dois argumentos controlam isso:

• caixas: o número de intervalos em que o intervalo será dividido.
• largura bin: a largura de cada intervalo, expressa nas unidades da variável. Use esta opção quando as unidades forem significativas.

# Set the number of bins
ggplot(mtcars, aes(x = mpg)) +
    geom_histogram(bins = 10, fill = "coral", color = "white") +
    theme_classic()

# Or set the width of each bin instead
ggplot(mtcars, aes(x = mpg)) +
    geom_histogram(binwidth = 4, fill = "coral", color = "white") +
    theme_classic()

O agrupamento (binning) é a escolha mais importante em um histograma. Poucos intervalos podem ocultar estruturas reais, como um segundo pico; muitos intervalos transformam o gráfico em ruído. Experimente vários valores antes de escolher um.

Comparação de grupos. Atribua um fator para preencher e defina a posição para que as distribuições permaneçam legíveis:

ggplot(mtcars, aes(x = mpg, fill = factor(cyl))) +
    geom_histogram(bins = 10, position = "identity", alpha = 0.5) +
    theme_classic()

Com `position = “identity”` e um valor de `alpha` reduzido, os histogramas se sobrepõem, permitindo a comparação direta das formas. Use `position = “dodge”` se preferir visualizar os intervalos lado a lado.

Densidade em vez de contagens. Quando os grupos tiverem tamanhos diferentes, plote a densidade de forma que as áreas sejam comparáveis ​​e sobreponha uma curva suavizada:

ggplot(mtcars, aes(x = mpg)) +
    geom_histogram(aes(y = after_stat(density)), bins = 10,
        fill = "coral", alpha = 0.6) +
    geom_density(color = "steelblue", linewidth = 1) +
    theme_classic()

Gráfico de barras e histograma em R: Code Referência

Um gráfico de barras é adequado para um eixo x categórico, onde o eixo y representa uma contagem ou uma estatística descritiva. A tabela abaixo lista a chamada do ggplot2 para cada variante abordada acima:

ggplot(df, aes(x = factor(x1))) + geom_bar()

ggplot(df, aes(x = factor(x1), fill = factor(x1))) + geom_bar()

ggplot(df, aes(x = factor(x1), fill = factor(x2))) + geom_bar()

ggplot(df, aes(x = factor(x1), fill = factor(x2))) + geom_bar(position = position_dodge())

ggplot(df, aes(x = factor(x1), fill = factor(x2))) + geom_bar(position = "fill")

ggplot(df, aes(x = factor(x1), y = x2)) + geom_bar(stat = "identity")

ggplot(df, aes(x = x1)) + geom_histogram(bins = 30)

Perguntas Frequentes