Explorar, transformar y visualizar

• Author: Jordi Mas Elias
• Profession: Profesor de los Estudios de Derecho y Ciencia Política en la Universitat Oberta de Catalunya (UOC)
• Pages: 75-133

Editorial UOC Capítulo II. Explorar, transformar y visualizar

75

Capítulo II

Explorar, transformar y visualizar

1. Introducción

El objetivo de este capítulo es familiarizarnos con el entorno

R de una manera ágil y sin demasiada carga teórica para poder

aplicar rápidamente los conocimientos aprendidos al usar el pro-

grama. En las páginas siguientes, aprenderemos en pocos pasos

a transformar un marco de datos de dimensiones considerables

en información útil y visualmente atractiva. Para este propósito,

tendremos que aprender las funciones básicas de dos de los

paquetes esenciales de R: dplyr y ggplot2. La librería dplyr inclu-

ye principalmente funciones orientadas a manipular marcos de

datos. Cuando decimos manipular, no nos referimos a ello en mal

sentido, sino en el sentido de adaptar y transformar los datos en

información útil que nos ayude a responder a preguntas concre-

tas que nos queramos formular. Manipular significa, por ejemplo,

cambiar el orden de las filas de un marco de datos sobre la base

de un criterio determinado, seleccionar una parte de las filas o

de las columnas, o bien crear columnas con información nueva a

partir de datos ya existentes. Una vez hayamos transformado los

datos a nuestro gusto con dplyr, la librería ggplot2 nos permitirá

crear visualizaciones gráficas para poder comunicar de manera

atractiva nuestros resultados.

Para este proceso, tendremos que tener instalados y cargados

dplyr y ggplot2 en R y también el paquete gapminder, que utiliza-

remos para hacer los ejercicios en este capítulo. Este paquete inclu-

Editorial UOC Análisis de datos con R en estudios internacionales

76

ye un marco de datos con indicadores socioeconómicos como el

PIB per cápita o la esperanza de vida en 142 países diferentes.

Una vez tengáis los paquetes instalados y cargados, tecleando la

función search() podéis comprobar que efectivamente dplyr,

ggplot2 y gapminder están cargados en el Global Environment de

R. Instalaremos los paquetes con la función install.packages()

y los cargaremos, por separado, con library().

En las páginas siguientes, utilizaremos el lenguaje de R de

manera aplicada, dominaremos los instrumentos básicos para

transformar y visualizar datos, y seremos capaces de comunicar-

nos con el programa de manera fluida. Sin ir más lejos, al final del

capítulo habremos aprendido a construir visualizaciones como la

figura 1, donde seremos capaces de agrupar en un solo gráfico

hasta cinco variables.

¿Sois capaces de identificar cuáles son cada una y cómo están

representadas?

Figura 1. Visualización de un marco de datos tratado

Las cinco variables del gráfico. El PIB per cápita de cada país es la variable que está representada en el eje horizontal.

En el eje vertical, encontramos la esperanza de vida. La tercera variable es el continente, donde cada categoría tiene

asignado un color diferente. La población de cada país está representada por el tamaño de cada uno de los puntos,

de forma que países con poca población tendrán un punto pequeño y países grandes tendrán un punto mayor. La

quinta variable es el año. Hemos construido una parrilla de cuatro gráficos que representan cuatro años diferentes.

Fuente: elaboración propia.

Editorial UOC Capítulo II. Explorar, transformar y visualizar

77

Interpretar números como e+08

Es bastante habitual en R encontrar números con notación científica

que acostumbran a tener el formato e+. Interpretarlos es más fácil de

lo que parece, puesto que simplemente tenemos que mover los deci-

males tantas veces a la derecha como nos indique el último número,

si es positivo, o tantas veces a la izquierda si es negativo. Por ejemplo,

2.50+e08 se traducirá como 250.000.000.

Fijaos en cuántas preguntas podemos llegar a responder con

esta figura:

1) ¿Hay una relación positiva entre el PIB per cápita y la espe-

ranza de vida?

2) ¿En qué continente son más bajos la esperanza de vida y

el PIB per cápita?

3) ¿En qué continente están los países con más población?

4) ¿A qué continente pertenecen la mayoría de los países con

un PIB per cápita y una esperanza de vida altos?

Si os fijáis, estas preguntas las podemos contestar con una

visualización rápida. También podemos apreciar otros detalles,

como que en 1992 tenemos un caso extremo: un país africa-

no con una esperanza de vida extremadamente baja. También

vemos algunos casos, especialmente en África, pero también en

Asia en 1952 y en 1972, de países relativamente ricos, pero con

una esperanza de vida muy baja. En cambio, no observamos que

haya casos en el sentido contrario: países muy pobres, pero con

una esperanza de vida alta.

En este capítulo, aprenderemos a hacer este proceso: observar

y explorar un marco de datos, formularnos preguntas sobre los