Clase 21 🙋
EDA con gráficas de dispersión con más de dos variables - ggplot2
.
.
Ya hemos hecho scatter plot o grafica de dispersion en la Clase 16. Se hizo con plot():
.
plot(mtcars$mpg ~ mtcars$cyl,
xlab="cilindros", ylab = "millas por galon",
main="Relacion cilindros y millas por galon")
.
.
Pero en esta clase es con ggplot:
.
ggplot(mtcars, aes(cyl,mpg))+
geom_point()+
labs(x="cilindros", y="millas por galon",
title="Relacion cilindros y millas por galon")+
theme(legend.position = "none")+
theme(panel.background = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank())
.
.
En ambos ejemplos se ve la "Relacion cilindros y millas por galon" usando dos variables cilindros -cyl- y millas por galon -mpg- ahora vamos a ver como hacer una grafica de dispersion con cuatro variables
.
.
RELACIONANDO CUATRO VARIABLES EN LA MISMA GRAFICA DE DISPERSION O SCATTER PLOT
.
Las cuatro variables son:
.
-hp- caballos de fuerza 🐴
.
-qsec- tiempo en 1/4 de milla
.
-am- tipo de caja 🚗
.
-cyl- cilindros
.
ggplot(mtcars, aes(hp,qsec))+
geom_point(aes(color=am, size=cyl))+
labs(x="Caballos de fuerza", y="Tiempo en 1/4 de milla",
Title="Caballos-velocidad segun cilindraje y tipo de caja")
.
.
.
Lo que se observa en el grafico es la relacion "Caballos-velocidad segun cilindraje y tipo de caja":
.
En el eje x se encuentra caballos de fuerza -hp-
.
En el eje y esta el tiempo en 1/4 de milla -qsec-
.
El color de las esferas depende del tipo de caja -am-
.
El tamaño de las esferas depende de los cilindros -cyl- del carro
0:00/7:48
EDA con gráficas de dispersión con más de dos variables - ggplot2
Clase 21 / 35
Ver clases
Progreso del curso
Bienvenida e introducción
Variables, tipos de datos y estructuras
- 5
lockLos primeros cálculos con R y variables
Suscríbete para ver más - 6
lockTipos de datos
Suscríbete para ver más - 7
lockEstructura del dataset del proyecto
Suscríbete para ver más - 8
lockVectores
Suscríbete para ver más - 9
lockMatrices
Suscríbete para ver más - 10
lockEjercicios con matrices
Suscríbete para ver más - 11
lockOperadores para comparar y ubicar datos
Suscríbete para ver más - 12
lockFactores, listas y echar un vistazo al dataset
Suscríbete para ver más
EDA: Exploratory data analysis
- 13
lockQué es EDA: Exploratory Data Analysis
Suscríbete para ver más - 14
lockGráficas de dispersión e histogramas.
Suscríbete para ver más - 15
lockBox Plot y su interpretación
Suscríbete para ver más - 16
lockEDA con dataset proyecto - Gráficas de dispersión.
Suscríbete para ver más - 17
lockEDA con histogramas.
Suscríbete para ver más - 18
lockEDA con dataset proyecto - histogramas - ggplot2
Suscríbete para ver más - 19
lockEDA con box plot- ggplot2
Suscríbete para ver más - 20
lockEDA con dataset proyecto - box plot- ggplot2 - dplyr
Suscríbete para ver más - play_arrow
lockEDA con gráficas de dispersión con más de dos variables - ggplot2
play_circleViendo ahora - 22
lockEDA con dataset proyecto usando gráficas de dispersión con más de dos variables - ggplot2 - plotly
Suscríbete para ver más
La estadística de los datos
- 23
lockBuscando correlaciones con pairs
Suscríbete para ver más - 24
lockConfirmando correlaciones con la función cor
Suscríbete para ver más - 25
lockBuscando correlaciones con pairs en dataset proyecto
Suscríbete para ver más - 26
lockConfirmando correlaciones con la función cor en dataset proyecto.
Suscríbete para ver más - 27
lockProtegiéndonos de los peligros del promedio.
Suscríbete para ver más - 28
lockEliminando los NA's para hacer los cálculos.
Suscríbete para ver más - 29
lockEstadística y visualización aplicada a análisis de datos de mercadeo.
Suscríbete para ver más






