• Gráficos Básicos

  • gráficos de barra

  • gráficos de linha / interação

  • gráficos lado a lado

  • histograma, linhas

• Algumas opções para customizar o seu gráfico

• Gráficos 3D

• A função básica para fazer um gráfico no R é o plot().

• Os primeiros argumentos serão os pontos a serem plotados.

• Em seguida, podemos especificar algumas opções como:

  • os limites dos eixos com xlim ou ylim;

  • usar a escala logarítmica com log="y";

  • o tipo de linha com lty, o tipo de símbolo para os pontos com pch e a cor com col.

• Depois de fazer o gráfico básico, podemos adicionar elementos como:

  • linhas usando o comando abline();

  • curvas com o comando lines();

  • pontos com o comando points();

  • polígonos com o comando polygon();

  • legenda com o comando legend().

• Antes de ver as opções para customizar os gráficos, vamos ver alguns tipos de gráficos com comandos específicos para algumas classes de dados.

• Vamos usar novamente o banco de dados de ciclones tropicais nos EUA entre 1899-2006.

StormMax = read.table("../datasets/extremedatasince1899.csv", header=T, sep=",")
attach(StormMax)

• Vamos contar o número de ciclones por década:

table( trunc(Yr/10)*10 )[-1]

## 
## 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 
##  183  144  123  204  191  199  179  186  178  191  212

barplot( table( trunc(Yr/10)*10 )[-1] )

• Olhe as opções dos argumentos da função barplot() no help.

• Refaça o gráfico anterior alterando:

  • cor das barras;

  • título e nome dos eixos;

  • adicione uma linha com o número médio de ciclones por década.

decade = trunc(Yr/10)*10
interaction.plot(decade, Region, Wmax, type="b", pch=1:5)

• A função interaction.plot faz na verdade, o gráfico de uma estatística descritiva (default é a média) de uma variável resposta (numérica) para as interações de duas variáveis categóricas.

  • O primeiro argumento é x.factor para a variável categórica no eixo x;

  • O segundo argumento é trace.factor com as categorias para as linhas;

  • O terceiro argumento é response com a variável resposta.

• No gráfico anterior, escolhemos type="b" para plotar os pontos e linhas entre as observações, e escolhemos os símbolos de 1:5 para os pontos de diferentes categorias.

• Outros símbolos (de 1 a 20):

• Olhe as opções dos argumentos da função interaction.plot() no help.

• Refaça o gráfico acima alterando:

  • símbolos, cor e tipo das linhas;

  • título e nome dos eixos;

  • plote a velocidade máxima dos ciclones da década, ao invés da velocidade média.

• Histograma e função de distribuição empírica de uma amostra da normal padrão:

set.seed(123)
x = rnorm(100)    # gerando amostra
par(mfrow=c(1,2)) # plotar com 1 linha e 2 colunas

## grafico 1: histograma
hist(x, xlab="x", ylab="densidade", main="", col="grey", border="white", probability=T)

# adicionar linhas da densidade (normal com estimadores de momentos)
u = seq(min(x)-1, max(x)+1, by=.01)
lines(u, dnorm(u,mean(x),sd(x)), lty=2)

# densidade estimada com kernel da normal
d = density(x)
lines(d$x, d$y)

# adicionar legenda
legend("topleft", legend=c("Histograma","Densidade Normal", "Densidade Kernel"),
       col=c("grey","black","black"), lwd=c(NA,1,1), lty=c(NA,2,1),
       pch=c(15,NA,NA), bty="n")

## grafico 2: função de distribuição empírica
F.empirica = function(y){
  mean(x<=y)
}

plot(u, Vectorize(F.empirica)(u), type="s", lwd=2, col="grey",
     xlab="x", ylab="Probabilidade acumulada", main="", axes=FALSE)
axis(1); axis(2)  # adicionar eixos
lines(d$x, cumsum(d$y)*diff(d$x)[1])      # f.d. kernel
lines(u, pnorm(u,mean(x),sd(x)), lty=2)   # f.d. normal

# adicionar legenda
legend("topleft", c("F.D. Empírica", "F.D. Normal", "F.D. Kernel"),
       col=c("grey","black","black"), lwd=c(2,1,1), lty=c(1,2,1), bty="n")

• É possível utilizar as funções básicas de gráficos do R para plotar informações de objetos mais complexos, como a saída de uma regressão:

# selecionando ciclones que ocorreram após 1977 na região 'Basin'
StormMax.Basin = subset(StormMax, (Region=="Basin")&(Yr>1977))
attach(StormMax.Basin)

## Os seguintes objetos são mascarados por StormMax:
## 
##     nao, Region, soi, split, sst, sstmda, sun, Wmax, Yr

• Boxplot da velocidade de ciclones por ano (para a região “Basin”):

boxplot(Wmax ~ as.factor(Yr), xlab="Ano", ylab="Velocidade (nós)", col="grey")

• Para objetos do tipo lm, a função plot() retorna alguns gráficos de diagnóstico do modelo:

• Para ver o help específico para esse caso, usar ?plot.lm

# regressão linear entre velocidade do vento e ano
model = lm(Wmax ~ Yr)
par(mfrow=c(2,2))
plot(model)

• Para visualizar como fazer gráficos 3D, vamos considerar uma distribuição normal bivariada.

• A densidade de uma normal bivariada com médias zero e variâncias um é dada por:

\[f(x,y) = \frac{1}{2\pi\sqrt{1-\rho^2}} \exp\left( -\frac{1}{2(1-\rho^2)}[x^2 + y^2 - 2\rho x y] \right) \qquad \forall x,y \in \mathbb{R}^2 \]

binorm = function(x1,x2,r=0){
  exp( -(x1^2 + x2^2 - 2*r*x1*x2)/( 2*(1-r^2) ) )/( 2*pi*sqrt(1-r^2) )
}

x = y = seq(-2.5, 2.5, by=.25)
z = outer(x, y, function(u,v) binorm(u,v,r=.4))

## para escolher as cores
# install.packages("RColorBrewer")
require(RColorBrewer)
gray.col = gray.colors(n=100, start=0, end=1)

par(mfrow=c(1,2))

# gráfico 1: curva de níveis
image(x, y, z, col=rev(gray.col))
contour(x, y, z, add=TRUE)

# grafico 2: superfície 3D
persp(x, y, z)

• Alterando algumas opções no gráfico da superfície 3D:

persp(x, y, z, theta=210, col=gray.col[45], shade=TRUE)

• Veja as documentações para as funções utilizadas nos gráficos anteriores.

• Refaça os gráficos alterando:

  • parâmetro de correlação da normal;

  • quantidade de pontos para criar os vetores x e y;

  • escala de cores (use o comando display.brewer.all() ou entre no site http://www.colorbrewer.org para ver mais cores).