EDA con dataset proyecto - histogramas - ggplot2

para que poder realizar el reto se debe utlizar la siguiente función
"scale_x_continuous(breaks = seq(40, max(100), 5))"

ggplot()+geom_histogram(data=orangeec, 
                        aes (x=Internet.penetration...population), fill="purple", color="orange", 
                        binwidth= 5 )+
  scale_x_continuous(breaks = seq(40, max(100), 5))+
  labs(x="Penetración internet (%) de la población", y="Cantidad de paises",
       tittle="Penetración de internet en paises LATAM")+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

CLASE 18 🤓
EDA CON DATASET PROYECTO - HISTOGRAMAS - GGPLOT2
.
En esta clase vimos tres representaciones con variables de dataset orangeec. Se copio
el codigo de ggplot usado en la clase anterior
.
LA 1ERA
"PIB per càpita en paises latam"

Hay dos paises con 20.000$ de PIB per capita 🤑
La mayor cantidad de paises estan en los 10.000$ de PIB per capita 😑
.
LA 2DA
"Contribuciòn de la economa naranja al PIB en latam"

Hay tres paises con un 2% de aporte desde la economia naranja al PIB 💩
Hay un pais que aporta al 6% desde la economia naranja al PIB y otro que aporta el 7% desde su economia naranja al PIB 😀
.
LA 3ERA
"Penetraciòn internet en paises latam"

👆👆👆
SOLUCIÒN AL RETO
scale_x_continuous(breaks = seq(40,100,5))
.
Hay un pais con 60% de acceso a internet 💻
Hay dos paises con 80% de acceso a internet 🙂
No hay pais que tenga un 55% de penetracion a internet 🌐
Hay cuatro paises por debajo del 50% de penetracion a internet en su poblacion 🤦‍♀️
El pais que mas tiene acceso a internet cuenta con 95% de penetracion a internet en su poblacion 🤩
.
.
RECORDAD QUE… 💃
.
En estos graficos de histograma vemos 👁 la frecuencia con la que la variable solicitada
esta distribuida 📊
.
Para definir el binwidth() hay saber como esta expresada la variable: porcentaje %, dolares $, euros € etc; y saber sus limites para marcar un intervalo acorde a la secuencia💁‍♀️
.
Comprueba siempre en ggplot que el simbolo + este siempre al cerrar un parentesis () 💡

Buenos días,
dejo esto por acá:
https://rstudio.com/wp-content/uploads/2016/12/ggplot2-cheatsheet-2.1-Spanish.pdf

Así queda el reto resuelto y documentado:

ggplot() +
  geom_histogram(data=orangeec,
                 aes(x=Internet.penetration...population), # queremos ver la variable PIB PER CAPITA
                 fill="red", # barritas de color azul
                 color="yellow", # y un contorno rojo
                 binwidth = 5)  + # valor en porcentaje (vamos de a 5% por barra)
  labs(x="penetración de internet como (%) de la población", 
       y="cantidad de paises",
       title="penetración de internet en paises de latam") +
  xlim(30,100) + # numeramos del 30% al 100% 
  ylim(0,4) + # ponemos en el eje Y valores del 0 al 4
  scale_x_continuous(breaks = seq(30,100,by=5)) + # le colocamos valores a cada barras (que van del 30% al 100%) cada 5%
  theme(legend.position = "none") +
  theme(panel.background = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

Colores en R para darle un mejor diseño a los gráficos
http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf

#Distribucion de frecuencias en cuanto a penetracion de internet

ggplot() + geom_histogram(data=orangeec,
aes(x=Internet.penetration…population), fill=“red”, color=“black”,
binwidth = 5)+
labs(x=“Penetracion Internet como % poblacion”, y=“Cantidad de paises”,
title=“Penetracion de internet en paises latam”) +
scale_x_continuous(breaks = seq(40,100,5))+
theme(legend.position = “none”)+
theme(panel.background = element_blank(), panel.grid.major = element_blank(),
panel.grid.minor = element_blank())

Utilicé el siguiente código para poner todos los saltos en el eje x scale_x_continuous(breaks = seq(40,100,5))

Para dar formato a la escala del eje x en el histograma de frecuencias.
Agregar:
...+ scale_x_continuous(name="Nombre_Eje_x", breaks=seq(from = Li, to = Ls, by = St))

donde:
Li: (número entero) limite inferior del eje x
Ls: (número entero) limite superior del eje x
by: (número entero) tamaño del incremento.

Les comparto el codigo implementado para python

def histograma_config(ax_plot, x, title='', x_label='', y_label=''):
    frec, x_bins, patches = ax_plot.hist(x, edgecolor='k', linewidth=1)
    ax_plot.set_xlabel(x_label)
    ax_plot.set_ylabel(y_label)
    ax_plot.set_title(title)

    color_fracs = frec / frec.max()

    color_norm = colors.Normalize(color_fracs.min(), color_fracs.max())
    color_norm

    for frac, patch in zip(color_fracs, patches):
        color = plt.cm.Blues(color_norm(frac))
        patch.set_facecolor(color)

fig, (pib_plot, aporte_plot, internet_plot)= plt.subplots(nrows = 1, ncols = 3, figsize = (15,3), sharey = True)

histograma_config(ax_plot = pib_plot, 
                  x = orangeec['GDP PC'], 
                  title='PIB per Capita en paises latam', 
                  x_label='PIB per Capita', 
                  y_label='Cantidad de Paises')

histograma_config(aporte_plot, orangeec['Creat Ind % GDP'], 
                  'Contribucion Economia naranja al pib en paises latam', 
                  'Aporte a la Economia Naranja (%)')

histograma_config(internet_plot, orangeec['Internet penetration % population'], 
                  'Penetracion internet en paises latam', 
                  'Penetracion de internet (%)')

fig.savefig('orangeec_hist.png')

Reto cumplido, hay varias formas de escribir la función scale, aquí 3 ejemplos:

Para poner etiquetas sobre el eje de las x
scale_x_continuous(breaks = seq(40, max(100), 5))

hola para todos aquellos que utilicen ubuntu y no puedan correr los conamdos de instalacion desde la consola de R, solo agreguen este coamndo :

sudo apt-get install r-cran-ggplot2

Hola, como puedo saber que tipo de dato son cada numero que me aparece? ejemplo si es un porcentaje o si es una unidad de medida o kilo o libra…etc

Para poner todos los labels en x de a 5:

+  scale_x_continuous(breaks = seq(30, 100, by=5))

quedando por ejemplo así:

ggplot(orangeec, aes(x=Internet.penetration...population))+geom_histogram(
        fill="red", color="yellow", binwidth = 5)+
        labs(x="Penetracion de internet en % poblacion", y="Cantidad de paises",
             title = "Penetracion de internet en paises latam")+
        theme(legend.position = "none")+
        theme(panel.background = element_blank(), panel.grid.major = element_blank(),
              panel.grid.minor = element_blank())+
        xlim(30, 100)+ ylim(0, 4)+
        scale_x_continuous(breaks = seq(30, 100, by=5))

Adjunto mi reto. Gracias compañeros pude aclarar mis dudas

ggplot()+geom_histogram(data = orangeec,
                        aes(x=orangeec$Internet.penetration...population),
                        fill = "red", 
                        color = "yellow",
                        binwidth = 5)+
  labs(x = "Penetracion internet (%) poblacion", y = "Cantidad de Paises",
       title = "Penetracion de Internet en LATAM")+
  scale_x_continuous(breaks = seq(10,max(100),5))
  theme(legend.position = "none")+
  theme(panel.background = element_blank(), panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

esta es otra forma de colocar las etiquetes en el eje x:

ggplot(orangeec, aes(x = orangeec$Internet.penetration...population))+
  geom_histogram(bins = 5, binwidth = 5, fill = "lightgreen", color = "green")+
  labs(x = "Penetración de internet (%)",
       title = "histograma de penetracion de internet") +
  scale_x_continuous(breaks = c(40,45,50,55,60,65,70,75,80,85,90,95,100),
                    		 label = c("40","45","50","55","60","65","70","75","80","85","90","95","100"))```

gracias a todos por sus aportes, son geniales.

# histograsma mtcars qplot
library(ggplot2)

qplot(mtcars$hp,
      geom = "histogram",
      xlab = "caballos de fuerza",
      main = "carros según caballos de fuerza")

ggplot(mtcars, aes(x=hp))+
         geom_histogram()+
         labs(x='Caballos de fuerza',
              y='Cantidad de carros',
              title= 'Cabballos de fuerza en carro seleccionados')+
        theme(legend.position = "none")+
        theme(panel.background = element_blank(),
              panel.grid.major = element_blank(),
              panel.grid.minor = element_blank())

ggplot(mtcars, aes(x=hp))+
  geom_histogram(binwidth = 30)+
  labs(x='Caballos de fuerza',
       y='Cantidad de carros',
       title= 'Cabballos de fuerza en carro seleccionados')+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

ggplot() + geom_histogram(data=mtcars,
                          aes(x=hp), fill = 'blue', color = 'red',
                          binwidth = 20)+
  labs(x='Caballos de fuerza',
       y='Cantidad de carros',
       title= 'Caballos de fuerza en carro seleccionados')+
  xlim(c(80,288))+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

# hist orangeec
ggplot() + geom_histogram(data=orangeec,
                          aes(x=GDP.PC), fill = 'blue', color = 'red',
                          binwidth = 2000)+
  labs(x='PIB per cápita',
       y='Cantidad de paises',
       title= 'PIB per cápita en paises latam')+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())


ggplot() + geom_histogram(data=orangeec,
                          aes(x=Creat.Ind...GDP), fill = 'blue', color = 'red',
                          binwidth = 1)+
  labs(x='Aporte Economia naranja al PIB(%)',
       y='Contribucion de energia naranja al PIB en LATAM',
       title= 'PIB per cápita en paises latam')+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

ggplot() + geom_histogram(data=orangeec,
                          aes(x=Internet.penetration...population), fill = 'red', color = 'yellow',
                          binwidth = 5)+
  labs(x='Penetración Internet (%) Población',
       y='Cantidad de paises',
       title= 'Penetracion de Internet en paises latam')+
  scale_x_continuous(breaks = seq(40,max(100),5))+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

documentacion

Como saber cual es la unidad de medida de cada valor segun las variables?? intente saber el de orangeec con summary(orangeec) o con ?orangeec y no puedo ver esa info.

Muy buena clase.

Que diferencias existen en :

geom_line(aes(color="green")) 

con

geom_line(colour= "green")+```

y como puedo colorcar valores hsl  o rgb ? 

<dev.new()
ggplot()+geom_histogram(data=OrE,
                        aes(x=Internet.penetration...population),
                        fill="forestgreen", color="green",
                        binwidth=5)+
  scale_x_continuous(breaks=seq(40,100,5))+
  labs(x="Internet permeating in population (%)", y="Countries",
       title="Internet permeating (%) in Latam countries")+
  theme(legend.position="none")+
  theme(panel.background = element_blank(),panel.grid.major=element_blank(),
        panel.grid.minor = element_blank())>

  
ggplot()+geom_histogram(data=orangeec,
                        aes(x=GDP.PC),fill='blue',color='red',
                        binwidth=2000)+
  labs(x="pib per capital", y="paises",
       title="PIB per capital en paises latam")+
  theme(legend.position = 'none')+
  theme(panel.background = element_blank(),panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())


ggplot()+geom_histogram(data=orangeec,
                        aes(x=Creat.Ind...GDP),fill='blue',color='red',
                        binwidth=1)+
  labs(x="Aporte economia naranja al Pib(%)", y="Cantidad de paises",
       title="Contribucion economia naranja al pib en paises latam")+
  theme(legend.position = 'none')+
  theme(panel.background = element_blank(),panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

ggplot()+geom_histogram(data=orangeec,
                        aes(x=Internet.penetration...population),fill='red',color='yellow',
                        binwidth=5)+
  labs(x="Penetracion internet(%)pobllacion", y="Cantidad de paises",
       title="Penetracion de internet en paises latam")+
  theme(legend.position = 'none')+
  theme(panel.background = element_blank(),panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

Para responder al reto agregué la siguiente línea al final del código:
xlim(30,100)+ylim(0,4)+scale_x_continuous(breaks = seq(30,100,by=5))

y funcionó bien

 ggplot()+geom_histogram(data=orangeec,
                          aes(orangeec$`Internet penetration % population`), fill="blue",color="black",
                          binwidth = 5)+
    labs(x="Penetración Internet(%) poblacion ", y="cantidad de de paises",
         title = "Penetración de internet en paises Latam")+
    xlim(30,100)+ #numeración del 30% al 100%
    ylim(0,4)+   #ponemos el eje Yvalores de 0 a 4
    scale_x_continuous(breaks =seq(30,100,by=5) )+ #le colocamos valores cada bara cada  desde el 30% hasta el 100% en tramos de 5%
    
    theme(legend.position = "none")+
    theme(panel.background = element_blank(),panel.grid.major=element_blank(),
          panel.grid.minor=element_blank())```

Hola compañeros,

Espero les sea de mucha ayuda.

ggplot()+geom_histogram(data = orangeec,
                        aes(x=Internet.penetration...population), fill='red',color='yellow',
                        binwidth = 5)+
  labs(x='Penetración Internet (%Población)', y='Cantidad de paises',
       title = 'Penetración Internet en paise LATM') +
  scale_x_continuous(breaks = seq(40,max(100),5))+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(), 
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())```

ggplot()+geom_histogram(data=orangeec, 
                        aes(x=Internet.penetration...population), fill='red', color='gray', binwidth = 5)+
  labs(x="Penetration internet(%) poblacion", y="Cantidad de paises", title="penetration internet in paises LATAM")+
  scale_x_continuous(breaks = seq(40, max(100), 5))+
  theme(legend.position = 'none')+
  theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

Si al "scale_x_continuous le ponene el break en 0 y no en 40, no causa diferencia.

#Penetracion del Internet ggplot()+geom_histogram(data=orangeec, aes(x=Internet.penetration...population), binwidth = 5)+ theme_classic()+ labs(x="Pentración internet (%poblacion)", y ="Cantidad de piases", title="Penetración de internet en países latam")+ scale_x_continuous(breaks=seq(0,100, by = 5))

Qué clase tan del carajo! Aprendi un monto en tan solo 7:20 minutos.

• scale_x_continuous(breaks=seq(0,100,5))

El codigo para economia naranja R 4.0.2

ggplot()+geom_histogram(data=mtcars,
                         aes(x=hp), fill="blue", color="red",
                         binwidth = 20)+
  labs(x="Caballos de fuerza", y="cantidad de carros",
       title="Caballos de fuerza en carros seleccionados")+
  xlim(c(80,280))+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(), panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

Respuesta al reto: agregar el código después de title=“Penetración de internet en paises LATAM”)+

scale_x_continuous(breaks = seq(30,100,by=5))

se debe agregar en el ggplot lo siguiente:

  scale_x_continuous(breaks = c(seq(40,100,5))) +

se debe poner entre geo y labs
geom_histogram(…)+
scale_x_continuous(breaks = seq(40, max(100), 5)) +
labs(…)+

ggplot()+geom_histogram(data=orange,
                        aes(x=IPP),fill="black", color="red",
                        binwidth = 5)+
  labs(x="Internet penetration as percentage population (%)",y="Contries",
       title = "Percentage of the population with Internet (%)")+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())