#VISUALIZACIÓN DE DATOS CON ggplot2

##2
  #instala el paquete tidyverse en su computadora
  #Sólo se instala una vez.
  install.packages("tidyverse")  
  
  #trae a tidyverse al ambiente de trabajo de RStudio
    library(tidyverse)                      

  #es una de las data.frames que trae ggplot2 (mirar en el 	Environment)
    mpg

  
  #trae sólo las 6 primeras filas (la cabeza)
    head(mpg)

##3
    
    #Explica el significado de los datos de mpg.
      ?mpg       
    

##4
    #Pregunta: ¿Los automóviles con motores grandes consumen más combustible que los que que tienen motores pequeños?
    ggplot(data = mpg) +
        geom_point(mapping = aes(x = displ, y = hwy))

##5 Estructura general de ggplot2
    # ggplot(data = <DATA>) +
    #  <GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))
    
    #ir al cheat sheet de ggplot2 y probar con algunos geom_functions y mappings
      ggplot(data = mpg) +
        geom_jitter(mapping = aes(x = displ, y = hwy))

      ggplot(data = mpg) +
        geom_quantile(mapping = aes(x = displ, y = hwy), quantiles = c(0.25,0.5,0.75)) +  #¡Atención! Probablemente pida instalar quantreg package 
        geom_point(mapping = aes(x = displ, y = hwy))
    #¿Cómo funciona geom_quantile?
    #¿Resulta claro el help?
    #Consejo: vea ejemplos en la web. Aprenda a preguntarle a Google.
    
##6 #agreguemos colores para la class (clase) de vehículo
      ggplot(data = mpg) +
        geom_point(mapping = aes(x = displ, y = hwy, color = class))

##7 #Tamaño
      ggplot(data = mpg) +
        geom_point(mapping = aes(x = displ, y = hwy, size = class))        #Atención el Warning!!

##8 #Transparencia
      ggplot(data = mpg) +
        geom_point(mapping = aes(x = displ, y = hwy, alpha = class))        #Atención el Warning!!

##9 #Forma

      ggplot(data = mpg) +
        geom_point(mapping = aes(x = displ, y = hwy, shape = class))        #Atención el Warning!!

    #Forma con scale_shape_manual. Ahora no hay Warning 
      ggplot(data = mpg) +
        scale_shape_manual(values=0:6) +
        geom_point(mapping = aes(x = displ, y = hwy, shape = class))        
          
##10 #Facetas
      ggplot(data = mpg) +
        geom_point(mapping = aes(x = displ, y = hwy)) +
        facet_grid(drv ~ cyl )
    
##11 #geom_smooth() cálculo aproximado de la media con su intervalo de confianza (+-95%)
                          #level es el nivel de confidencia
                          #span es la suavidad de la curva
      ggplot(data = mpg) +
        geom_smooth(mapping = aes(x = displ, y = hwy), level = 0.99, span=0.7) +
        geom_point(mapping = aes(x = displ, y = hwy)) 
        
##12 #geom_smooth()
    
    #Una curva por drv
      ggplot(data = mpg) +
        geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv))
    
    #una curva por drv, con los puntos agregados   
      ggplot(data = mpg) +
        geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv, color=drv)) +
        geom_point(mapping = aes(x = displ, y = hwy, color = drv))

##13 
    #Vemos cómo geom_point y geom_smooth heredan información de ggplot
      ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
        geom_point() +
        geom_smooth()
      
      ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
        geom_point(aes(color = class)) +
        geom_smooth()

##14
   #Sólo la curva de la media sin el intervalo de confianza 
      ggplot(data = mpg, mapping = aes(x = displ, y = hwy)) +
        geom_point(mapping = aes(color = class)) +
        geom_smooth(data = filter(mpg, class == "subcompact"), se = FALSE) #se es intervalo de confianza
        
##15  Transformaciones Estadísticas
        
##16  Analizando diamonds, con 54000 tuplas
        
    #no es muy útil visualizar los datos de cada diamante.
      ?diamonds
      head(diamonds)
        
    #Probemos con geom_bar
      ggplot(data = diamonds) +
        geom_bar(mapping = aes(x = cut))   
        
    # Funciona igual(?) con stat_count()
      ggplot(data = diamonds) +
        stat_count(mapping = aes(x = cut)) 

##18  geom_bar y stat_summary      

    #Y está normalizado, la suma de las barras da 1
      ggplot(data = diamonds) +
        geom_bar(mapping = aes(x = cut, y = ..prop.., 	group = 1))
    
    #summary, Para cada X despliega la mediana, el mínimo y el máximo de los Y   
      ggplot(data = diamonds) +
        stat_summary(mapping = aes(x = cut, y = depth), fun.min = min, fun.max = max, fun = median)
      
      #el pipeline, para calcular el valor de "depth" máximo entre todos los diamantes que cuyo "cut" es "Premium". 
        diamonds  %>%  filter(cut=="Premium")  %>%  select(depth)  %>%  max()
      
##19  más de geom_bar. 
    #Uso de fill
      ggplot(data = diamonds) +
        geom_bar(mapping = aes(x = cut,fill=cut))
      
    #Uso de scale_fill_brewer (paleta de colores "Set1")
      ggplot(data = diamonds) +
        geom_bar(mapping = aes(x = cut, fill = clarity)) + 
        scale_fill_brewer(palette = "Set1")
  
##20 
    #Lleva a cada barra hasta 1, para hacer comparaciones entre valores de x  
      ggplot(data = diamonds) +
        geom_bar(mapping = aes(x = cut, fill = clarity),position = "fill") +
        scale_fill_brewer(palette = "Set1")

    # position "dodge" despliega las "clarity" en barras separadas 
      ggplot(data = diamonds) +
        geom_bar(mapping = aes(x = cut, fill = clarity), position = "dodge") +
        scale_fill_brewer(palette = "Set1")
      
##21  Jitter
      
      ggplot(data = mpg) +
        geom_point(mapping = aes(x = displ, y = hwy), position = "jitter")

      ggplot(data = mpg) +
        geom_jitter(mapping = aes(x = displ, y = hwy, color = class))
      
##=======================================================================
      
###Esquisse    https://cran.r-project.org/web/packages/esquisse/readme/README.html
install.packages("esquisse")
library(esquisse)
esquisse:::esquisser(mpg)
#esquisse:::esquisser() #o sin un data.frame de entrada