Herramientas Cuantitativas para el Análisis Político

# Herramientas Cuantitativas para el Análisis Político
## Maestría en Ciencia Política [CP44]
### 
### Universidad Torcuato Di Tella
### 26/10/2021

---

layout: true
 
<div class="my-footer">Juan Pablo Ruiz Nicolini | @TuQmano | <a href="https://tuqmano.ar/">www.tuqmano.ar</a></div>

---
class: inverse, center, middle

# REPASO

## `ggplot2`

# Data Viz I

## La _Gramática de los Gráficos_

---

# Garmática de los Gráficos

> **Un conjunto formal de reglas para la producción de gráficos estadísticos**

> **Se basa en la definición de capas**

#### **_Leland Wilkinson_**

* Estadística y Ciencia de Computación  **+**

* Experto en Viz (_SPSS, Tableau_) **+**

**->**  [_**Grammar of Graphics**_ (1999)](https://www.springer.com/gp/book/9780387245447)

---
class: inverse

## Referencias (I)

#### Tres libros relevantes

- [`ggplot2`: _**Elegant Graphics for Data Analysis**_](https://ggplot2-book.org/) (**H. Wickham**) es el material principal con definiciones de la aplicación de la _gramática de gráficos_ en `R`.

- [_**Data Visualization: A Pracitcal Introduction**_](https://socviz.co/index.html#preface) (**K. Heley**) disute principios sobre visualización de datos, y consejos práctivos de su aplicación acompañado de código en `R` par reproducirlos.

- En [_**Fundamentals of Data Visualization**_](https://clauswilke.com/dataviz/) (**Claus Wilke**) presentan argumentos y consejos para realizar visualizaciones profesionales que representen correctamente los datos.

#### Complementarios

- _Visualización de Datos (Intro)_, en "[R para Ciencia de Datos](https://es.r4ds.hadley.nz/visualizaci%C3%B3n-de-datos.html#introducci%C3%B3n-1)" (Wickham y Grolemnud).

- [_ModernDive_](https://moderndive.com/2-viz.html)

- *En español*:

+ [(a) Urdinez y Cruz](https://arcruz0.github.io/libroadp/dataviz.html);

+ [(b) Montané](https://martinmontane.github.io/CienciaDeDatosBook/visualizaciones-de-datos-en-r.html); y

+ [(c) Vázquez Brust](https://bitsandbricks.github.io/ciencia_de_datos_gente_sociable/visualizaci%C3%B3n.html).

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 5%
background-size: 10%

# Data Viz

## La **g**ramática de los **g**ráficos en `R`

#### _Dibujando por capas_ con [`{ggplot2}`](https://ggplot2.tidyverse.org/index.html)

**** [_Plotting Anything with `ggplot2`_](https://www.youtube.com/watch?v=h29g21z0a68) - Thomas Lin Pedersen.

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 5%
background-size: 10%

# Data Viz

## RECETA BÁSICA

```r
ggplot(data = <DATA>) + 
 <GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))
```

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 10%
background-size: 10%

# Data Viz

### `millas` del [paquete `{datos}`](https://cienciadedatos.github.io/datos/)

```r
library(tidyverse)
library(datos)
dplyr::as_tibble(millas)
## # A tibble: 234 x 11
## fabricante modelo cilindrada anio cilindros transmision traccion ciudad
## <chr> <chr> <dbl> <int> <int> <chr> <chr> <int>
## 1 audi a4 1.8 1999 4 auto(l5) d 18
## 2 audi a4 1.8 1999 4 manual(m5) d 21
## 3 audi a4 2 2008 4 manual(m6) d 20
## 4 audi a4 2 2008 4 auto(av) d 21
## 5 audi a4 2.8 1999 6 auto(l5) d 16
## 6 audi a4 2.8 1999 6 manual(m5) d 18
## 7 audi a4 3.1 2008 6 auto(av) d 18
## 8 audi a4 quattro 1.8 1999 4 manual(m5) 4 18
## 9 audi a4 quattro 1.8 1999 4 auto(l5) 4 16
## 10 audi a4 quattro 2 2008 4 manual(m6) 4 20
## # ... with 224 more rows, and 3 more variables: autopista <int>,
## # combustible <chr>, clase <chr>
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 5%
background-size: 10%

# Data Viz: _ggplot2_

### Receta básica

```r
ggplot(data = millas) +  # DATOS 
  geom_point(mapping = aes(x = cilindrada,      
                           y = autopista)) # ESTETICAS
```

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 5%
background-size: 10%

# _Dibujando por capas_

### mapeo y estéticas

---

# _Dibujando por capas_

## Una capa estética extra con **_aes()_**

```r
ggplot(data = millas) +   # 'Esteticas'
  geom_point(mapping = aes(x = cilindrada,      
                           y = autopista,         
*                          colour = clase))
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 5%
background-size: 10%

# _Dibujando por capas_

## _mapping_ VS _setting_

```r
*# Que pasa acá?
ggplot(data = millas) +  
  geom_point(mapping = aes(x = cilindrada,      
                           y = autopista, 
*                          colour = "blue"))
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

# _Dibujando por capas_

## Data Viz: _ggplot2_

```r
ggplot(data = millas) +  
  geom_point(mapping = aes(x = cilindrada,      
                           y = autopista), 
*            colour = "blue")
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

# _Dibujando por capas_

## Data Viz: _ggplot2_

Cada **_geometry_ tiene parámetros específicos** que pueden ser ajustados dentro de la capa _estética_.  El **color** es uno de ellos.

A `geom_point` podemos asignarle una forma particular en función de valores de alguna variable, por ejemplo:

* `shape`

* `size`

* `alpha`

* `fill`

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 5%
background-size: 10%

## _Dibujando por capas_ : **_facets_**

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

# _Dibujando por capas_

## Data Viz: _ggplot2_: **facetas**

##### _small multiples_

```r
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista)) +
* facet_wrap(~ clase, nrow = 2)
```

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 5%
background-size: 10%

## _Dibujando por capas_: **_geometry_**

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

# _Dibujando por capas_

## Data Viz: _ggplot2_:

variedad de **geometrías** posibles

```r
# izquierda
ggplot(data = millas) +
* geom_point(mapping = aes(x = cilindrada, y = autopista))
# derecha
ggplot(data = millas) +
* geom_smooth(mapping = aes(x = cilindrada, y = autopista))
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

# _Dibujando por capas_

## Data Viz: _ggplot2_

> Integramos los dos `geom_` como capas de un mismo gráfico

```r
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista)) +
  geom_smooth(mapping = aes(x = cilindrada, y = autopista))
```

**Podemos asignar parametros _globales_ para todo el gráfico (que pueden ser sobrescritos en capas siguientes)**

```r

ggplot(data = millas, aes(x = cilindrada, y = autopista)) +
  geom_point() +
  geom_smooth()
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

# _Dibujando por capas_

## Data Viz: _ggplot2_

```r
ggplot(millas, aes(cilindrada, autopista)) +
  geom_point() +
  geom_smooth()
```

> **Se pueden elidir los nombres de parámetros**

**** Más detalle en esta [Intro a ggplot]("https://es.r4ds.hadley.nz/visualización-de-datos.html")

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 5%
background-size: 10%

## _Dibujando por capas_: **_theme_**

---

# _Dibujando por capas_

## Data Viz: _ggplot2_: **_theme()_**

```r

ggplot(millas, aes(cilindrada, autopista)) +
  geom_point() +
  geom_point(data = millas %>% 
               filter(fabricante == "audi"), color = "blue", size =3) +
  geom_smooth(se = FALSE) +
  labs(title = "Performance de los AUDI",  subtitle = "Un gráfico del TuQmano", 
        y = "Etiqueta Y",  x = "Etiqueta X", 
        caption = "FUENTE: {datos} 'R Para Ciencia de Datos'") +
* ggthemes::theme_wsj()
```

---

### Data Viz (II)

#### Las muchas capas de `ggplot2 +` extensiones

---

class:  middle
background-image: url(https://user-images.githubusercontent.com/520851/34887433-ce1d130e-f7c6-11e7-83fc-d60ad4fae6bd.gif)
background-position: 95% 5%
background-size: 10%

### GEOM integrado
.pull-left[

```r
library(tidyverse)
p <- geoAr::get_geo(geo = "TUCUMAN") %>% 
 ggplot2::ggplot() + # SETTING color
* ggplot2::geom_sf(color = "blue")
p 
```

]

]

---

background-image: url(https://user-images.githubusercontent.com/520851/34887433-ce1d130e-f7c6-11e7-83fc-d60ad4fae6bd.gif)
background-position: 95% 5%
background-size: 10%

## `aes()`

### **Estéticas como capas**

```r
p + 
* aes(fill = p$data$coddepto_censo)
```

* Extraemos valores de variable desde el objeto `ggplot2`

---
class: inverse, center, middle

# Galería de extensiones a `ggplot2`

<https://exts.ggplot2.tidyverse.org/gallery/>

---

background-image: url(https://patchwork.data-imaginist.com/reference/figures/logo.png) 
background-position: 95% 5%
background-size: 10%

# Composición de gráficos

[`{patchwork}`](https://patchwork.data-imaginist.com/)

```r
library(ggplot2)
*library(patchwork)
p1 <- ggplot(mtcars) + geom_point(aes(mpg, disp))
p2 <- ggplot(mtcars) + geom_boxplot(aes(gear, disp, group = gear))
*p1 + p2
```

---

background-image: url(https://patchwork.data-imaginist.com/reference/figures/logo.png) 
background-position: 95% 5%
background-size: 10%

# Composición de gráficos

```r
p3 <- ggplot(mtcars) + geom_smooth(aes(disp, qsec))
p4 <- ggplot(mtcars) + geom_bar(aes(carb))
*(p1 | p2 | p3) /
* p4
```

]
--
 .pull-right[
### Alternativa

[`{cowplot}`](https://wilkelab.org/cowplot/index.html)

]

---

background-image: url(https://wilkelab.org/cowplot/reference/figures/logo.png) 
background-position: 95% 3%
background-size: 10%

# Composición de gráficos

```r
library(cowplot)
logo_file <- "https://github.com/electorArg/polAr/blob/master/hex/hex-polAr.png?raw=true"
ggdraw(cow_plot) +
 draw_label(label = "HECHO CON", color = "blue", size = 40, angle = 45 , alpha = .5) +
 draw_image(logo_file, x = 1, y = 1.1, hjust = 1, vjust = 1, width = 0.15)
```

---

background-image: url(https://dreamrs.github.io/esquisse/reference/figures/esquisse.gif) 
background-size: 70%

# [`{esquisse}`](https://dreamrs.github.io/esquisse/)

---
class: inverse

## Referencias

### Themes

* `{ggthemes}` <https://jrnold.github.io/ggthemes/index.html>

* `{hrbthemes}` <https://cinc.rud.is/web/packages/hrbrthemes/>

### Fonts

* `{extrafont}` <https://github.com/wch/extrafont>
* `{ggtext}` <https://wilkelab.org/ggtext/>

### `+`

* `{plotly}` <https://plotly-r.com/>

* **The `R` Graph Gallery** <https://www.r-graph-gallery.com/>