Repository files navigation

Web:https://mpru.github.io/ggcleveland/

CRAN:https://CRAN.R-project.org/package=ggcleveland

El libroVisualizing Data de William S. Cleveland es una pieza clásicaen la literatura sobre Análisis Exploratorio de Datos (AED). Habiendosido escrito algunas décadas atrás, su contenido sigue siendo relevanteya que propone herramientas útiles para descubrir patrones y relacionesen los datos estudiados, como así también para evaluar ajustes. Estepaquete ofrece funciones que producen la versión enggplot2 de lasherramientas de visualización descriptas en este libro. Fue diseñadocomo material complementario en cursos sobre AED.

William S. Cleveland’s book ‘Visualizing Data’ is a classic piece ofliterature on Exploratory Data Analysis (EDA). Although it was writtenseveral decades ago, its content is still relevant as it proposesseveral tools which are useful to discover patterns and relationshipsamong the data under study, and also to assess the goodness of fit o amodel. This package provides functions to produce the ggplot2 versionsof the visualization tools described in this book and is thought to beused in the context of courses on EDA.

Podés instalarggcleveland desdeCRAN / You can installggcleveland fromCRAN:

install.packages("ggcleveland")

También podés instalar la versión en desarrollo del paqueteggcleveland desdeGitHub / Youcan also install the development version fromGitHub:

# install.packages("devtools")devtools::install_github("mpru/ggcleveland")

Podés ver ejemplos de cada una de los gráficos producidos con estepaquete en las viñetas. Algunos de ellos son:

You can explore examples of each of the plots produced by this packagein the vignettes. Some of them are:

Gráficos condicionales / Coplots:

library(ggcleveland)library(dplyr)library(ggplot2)theme_set(theme_bw()+ theme(panel.spacing= unit(0,"lines")))data(rubber)gg_coplot(rubber,x=tensile.strength,y=abrasion.loss,faceting=hardness,number_bins=6,overlap=3/4,ylabel="Pérdida de abrasión (g/hp-hour))",xlabel="Resistencia a la tracción (kg/cm2)",facet_label="Dureza (grados Shore)",loess_family="symmetric",size=2)

Residual-Fit plots:

data(futbol)futbol<-futbol %>%   group_by(longp) %>%   mutate(ajuste= mean(dist),res=dist-ajuste)gg_rf(futbol,dist,ajuste,res,cen_obs=TRUE,ylabel="Distancia (m)")

Gráfico Media-Diferencia de Tukey / Tukey’s MD Plot:

gg_tmd(futbol,dist,longp,size=0.5)