GGplot

Gráficos ggplot

Importar dados

Quando coloca |> você já ta dentro dos dados. Você não precisa colocar o argumento dados no primeiro argumento do ggplot.

library(tidyverse)
mg <- read_csv("dados-diversos.csv")

Alterando a cor de cada fator

mg |> 
  ggplot(aes(Irrigation, severity,
             color = Irrigation)) +
  geom_point()

Alterando o símbolo alpha, dois valores iguais ficam de outra cor, quanto mais escuro mais pontos

mg |> 
  ggplot(aes(Irrigation, severity,
             shape = Irrigation, color = Irrigation)) +
  geom_point(alpha = 0.5)

Alterando agora o gráfico e filtrando cada repetição filter filtra linhas

mg |> 
  filter(rep == 1) |>
  ggplot(aes(day, severity,
             shape = Irrigation)) +
  geom_point(alpha = 0.5) +
  geom_line() 

Alterando agora o gráfico, criando uma face pra cada repetição

mg |> 
  ggplot(aes(day, severity,
             shape = Irrigation)) +
  geom_point(alpha = 0.5) +
  geom_line() +
  facet_wrap(~rep)

Filtrando variáveis com select(var1, var2) neste gráfico não tem nenhum outline, fora das linhas do box. group = esta criando pra cada dia

mg |> 
  select(day, rep, severity) |>

  ggplot(aes(day, severity,
             group=day)) +
    geom_point() 

Calculando o valor médio das repetições group = agrupou severidade por dia. summarize(definiu que seria a média de severidade e criou a variável “sev”) ficou duas variáveis dias e média de severidade mudei severidade pra porcentagem só multiplicando por 100 ylim: coloca o limite do y Temas pra mudar: theme_light theme_minimal scale_x_continuos : muda a escala do eixo x

mg2 <- mg |> 
  select(day, rep, severity) |>
  group_by(day) |>
  summarize(sev = mean(severity)) 

mg2 |>
  ggplot(aes(day, sev*100)) +
  geom_line(color = "darkorange") +
    geom_point(size = 2,
               color = "darkorange") +
      scale_x_continuous(breaks = c(0,7,14,21,28,35,42,49,56,63)) +
      scale_y_continuous(n.breaks = 5, limits = c(0,100)) +
      labs(x = "Time (days)", y = "Severity (%)", title= "My first ggplot",         subtitle= "It is beautiful", caption = "Source: FIP 606") +
      theme_minimal()

      ggsave("myfistggplot.png", bg = "white",
             width = 4,
             height = 3)

Criando pra cada tipo de irrigação

library(MetBrewer)

mg5 <- mg |> 
  group_by(day, Irrigation) |>
  summarize(sev = mean(severity)) 

m <- mg5 |>
  ggplot(aes(day, sev*100, color= Irrigation)) +
  geom_line() +
      scale_x_continuous(breaks = c(0,7,14,21,28,35,42,49,56,63)) +
      scale_y_continuous(n.breaks = 5, limits = c(0,100)) +
      labs(x = "Time (days)", y = "Severity (%)", title= "GGplot2",  
           subtitle= "With two irrigations", caption = "Source: FIP 606") +
      theme_minimal()+
      scale_color_manual(values = met.brewer("Java"))
      ggsave("myfistggplot2.png", bg = "white",
             width = 4,
             height = 3)

      mg5

# A tibble: 20 × 3
# Groups:   day [10]
     day Irrigation    sev
   <dbl> <chr>       <dbl>
 1     0 Drip       0.01  
 2     0 Furrow     0.01  
 3     7 Drip       0.0367
 4     7 Furrow     0.04  
 5    14 Drip       0.107 
 6    14 Furrow     0.103 
 7    21 Drip       0.117 
 8    21 Furrow     0.103 
 9    28 Drip       0.153 
10    28 Furrow     0.157 
11    35 Drip       0.18  
12    35 Furrow     0.187 
13    42 Drip       0.323 
14    42 Furrow     0.353 
15    49 Drip       0.357 
16    49 Furrow     0.383 
17    56 Drip       0.42  
18    56 Furrow     0.413 
19    63 Drip       0.43  
20    63 Furrow     0.45  

Outros modelos

##Importa dados

library(tidyverse)
library(readxl)
mg <- read_excel("dados-diversos.xlsx")

Visualiza

função geom-jitter separa os pontos, diferente do geom_point que sobrepõem, e width é a largura entre os pontos scale_y_continuous > pra definir a escala do y

Gráfico de barra com desvio padrão

da pra tirar o geom_col também e deixar só o desvio e a média

library(ggthemes)
pmeans <- mg |>
  group_by(trat) |>
  summarise(comp_mean = mean(comp), 
            comp_sd = sd(comp)) |>
  ggplot(aes(trat, comp_mean))+
  #geom_col(fill = "orange", width = 0.5)+
  geom_point()+
  scale_y_continuous(limits = c(7,20),
                     n.breaks = 6)+
  geom_errorbar(aes(ymin = comp_mean - comp_sd,
                    ymax = comp_mean + comp_sd,
                    width = 0.05))+
  labs(x = NULL, y = "Lesion size (mm)", 
       title= "",
       subtitle= "", 
       caption = "")+
  theme_minimal()
pmeans

   ggsave("figs/mean_sd.png",
          bg = "white", width = 4, height= 4)

Salvar dois gráficos juntos

se colocar um | outro = vai ficar um do lado do outro se colocar um / outro = vai ficar um em cima do outro

library(patchwork)
(m | pmeans) +
  plot_annotation(tag_levels = 'A', title= 'Gráficos que impressionam')

  ggsave("figs/combined.png",
          bg = "white", width = 6, height= 4)

Barras laterais

survey <- read_excel("dados-diversos.xlsx", 
                     sheet= "survey")
survey |>
   filter(state == "RS") |>
   count(species, residue) |>
  ggplot(aes(species, n))+
  geom_col(width = 0.4)+
  coord_flip()+
  facet_wrap(~residue, ncol= 1)+
  theme_bw()+
  labs(x = NULL, y = "Number of isolates", title= "Horizontal bar plot")

  ggsave("figs/barplotfacewrap.png",
          bg = "white", width = 6, height= 4)