Creando Gráficos de Nivel de Publicación con R y ggplot2

En el mundo del análisis de datos, la capacidad de comunicar hallazgos de manera clara y efectiva es tan crucial como los propios descubrimientos. Las visualizaciones de datos juegan un papel fundamental en este proceso, permitiendo a los usuarios comprender patrones complejos, tendencias y relaciones que de otro modo pasarían desapercibidas en tablas de números. Cuando se trata de presentar resultados en informes, artículos académicos o publicaciones profesionales, la calidad y el diseño de los gráficos son primordiales. R, un lenguaje de programación y entorno para análisis estadístico y gráficos, se ha consolidado como una herramienta indispensable en este ámbito, gracias a su flexibilidad y a la vasta colección de librerías disponibles.

Una de las ventajas distintivas de R, en comparación con otros softwares estadísticos, es su excepcional facilidad para trabajar simultáneamente con múltiples bases de datos. Esta capacidad no solo agiliza los procesos de integración y análisis de información diversa, sino que también abre un abanico de posibilidades para construir visualizaciones complejas y multidimensionales. En este artículo, exploraremos cómo aprovechar el poder de R, centrándonos en una de sus librerías más emblemáticas y robustas para la creación de gráficos de nivel de publicación: ggplot2.

¿Por Qué R es la Elección Ideal para Gráficos Avanzados?

La flexibilidad de R para manejar y procesar grandes volúmenes de datos, provenientes de diversas fuentes, es un factor clave. Esta potencialidad es particularmente útil cuando se trabaja con encuestas extensas o series temporales que requieren la integración de información de múltiples periodos o segmentos. La capacidad de R para automatizar flujos de trabajo, desde la importación de datos hasta la generación de gráficos, lo convierte en una opción eficiente para proyectos de investigación y análisis repetitivos. Además, su naturaleza de código abierto fomenta una comunidad activa que constantemente desarrolla y mejora librerías, garantizando que siempre haya herramientas de vanguardia disponibles para cualquier necesidad de visualización.

La Gramática de los Gráficos: Entendiendo ggplot2

Cuando se habla de gráficos de nivel de publicación en R, es casi imposible no mencionar ggplot2. Desarrollada por Hadley Wickham, esta librería se basa en la "Grammar of Graphics" (Gramática de los Gráficos) de Leland Wilkinson, un marco conceptual que descompone los gráficos en componentes lógicos e interconectados. En lugar de simplemente trazar puntos o barras, ggplot2 permite al usuario construir gráficos capa por capa, ofreciendo un control granular sobre cada aspecto visual.

Los componentes principales de la Gramática de los Gráficos en ggplot2 incluyen:

• Datos: El conjunto de datos que se desea visualizar.
• Mapeos Estéticos (aes): Cómo las variables de los datos se mapean a propiedades visuales (estéticas) del gráfico, como la posición (x, y), el color, el tamaño, la forma, la transparencia (alpha), etc.
• Geometrías (geom): Las formas visuales que representan los datos (puntos, líneas, barras, cajas, etc.).
• Estadísticas (stat): Transformaciones estadísticas aplicadas a los datos antes de la visualización (por ejemplo, contar ocurrencias, calcular promedios, suavizar curvas).
• Escalas (scale): Controles sobre cómo los valores de los datos se transforman en estéticas. Permiten personalizar ejes, leyendas y colores.
• Sistemas de Coordenadas (coord): El espacio en el que se dibujan los gráficos (cartesiano, polar, etc.).
• Facetas (facet): División de un gráfico en múltiples subgráficos basados en los valores de una o más variables.

Esta estructura modular no solo facilita la creación de gráficos complejos y personalizados, sino que también promueve la consistencia y la reproducibilidad, aspectos cruciales para la investigación y la publicación.

Preparación de Datos para la Visualización de Ingresos

Para ilustrar el poder de ggplot2, utilizaremos un caso práctico basado en el análisis de ingresos a partir de la Encuesta Permanente de Hogares (EPH). La capacidad de R para trabajar con múltiples bases de datos nos permite integrar y procesar información compleja de manera eficiente. En nuestro ejemplo, comenzamos seleccionando y transformando variables clave de una base de datos de la EPH (Individual_t117).

El proceso de preparación de datos implica:

1. Selección de Variables: Elegir las columnas relevantes como ingresos totales (P47T), ingresos no laborales (T_VI), ingresos de ocupación principal (P21), ingresos de otras ocupaciones (TOT_P12), ponderadores (PONDII), sexo (CH04) y nivel educativo (NIVEL_ED).
2. Filtrado: Asegurarse de que solo se incluyan registros con ingresos totales individuales válidos y positivos.
3. Creación de Nuevas Variables: Calcular ingresos laborales (suma de TOT_P12 y P21), ingresos no laborales (T_VI) e ingresos totales.
4. Recodificación: Transformar la variable de sexo (CH04) de códigos numéricos a etiquetas descriptivas ('Varón', 'Mujer').
5. Agregación y Resumen: Agrupar los datos por sexo y calcular la proporción de ingresos laborales y no laborales sobre el ingreso total, utilizando los ponderadores (PONDII) para asegurar la representatividad. Esto es crucial para obtener porcentajes significativos a nivel de población.
6. Transformación para Graficar: Reestructurar la tabla de resultados de un formato 'ancho' a un formato 'largo' utilizando la función gather. Esto es un paso común y muy útil para que ggplot2 pueda mapear fácilmente los tipos de ingreso a una estética, como el color o el relleno.

La tabla resultante de este proceso, llamada datagrafico, contendrá columnas para sexo (CH04), tipo de ingreso (tipo_ingreso: 'ingreso laboral' o 'ingreso no laboral'), y el monto (monto), que representa la proporción de cada tipo de ingreso sobre el total.

Visualizando la Distribución de Ingresos por Sexo

Con los datos preparados, podemos proceder a construir nuestro primer gráfico de barras apiladas. Este tipo de gráfico es ideal para mostrar la composición de un total y cómo esta composición varía entre diferentes categorías.

ggplot(datagrafico, aes(CH04, monto, fill = tipo_ingreso, label = sprintf("%1.1f%%", 100 * monto))) +
 geom_col(position = "stack", alpha = 0.6) +
 geom_text(position = position_stack(vjust = 0.5), size = 5) +
 labs(x = "", y = "Porcentaje") +
 theme_tufte() +
 scale_y_continuous() +
 theme(legend.position = "bottom", legend.title = element_blank(), axis.text.x = element_text(angle = 25))
ggsave(filename = "Resultados/ingresos laborales y no laborales.png", scale = 2)

Analicemos cada componente de este código:

• ggplot(datagrafico, aes(CH04, monto, fill = tipo_ingreso, label = sprintf("%1.1f%%", 100 * monto))): Inicializa el gráfico, especificando el conjunto de datos (datagrafico) y los mapeos estéticos. CH04 (sexo) se mapea al eje X, monto (porcentaje) al eje Y, tipo_ingreso al color de relleno (fill) de las barras, y se crea una etiqueta formateada para mostrar el porcentaje.
• geom_col(position = "stack", alpha = 0.6): Añade las barras al gráfico. position = "stack" asegura que las barras se apilen una encima de la otra, mostrando la composición del 100%. alpha = 0.6 ajusta la transparencia de las barras, lo que puede mejorar la estética.
• geom_text(position = position_stack(vjust = 0.5), size = 5): Agrega etiquetas de texto a las barras. position_stack(vjust = 0.5) centra las etiquetas dentro de cada segmento de la barra apilada.
• labs(x = "", y = "Porcentaje"): Define las etiquetas de los ejes. Se deja el eje X vacío y se etiqueta el eje Y como 'Porcentaje'.
• theme_tufte(): Aplica un tema visual minimalista y elegante, inspirado en las directrices de Edward Tufte, conocido por su énfasis en la claridad y la minimización de la "tinta no de datos".
• scale_y_continuous(): Configura el eje Y.
• theme(legend.position = "bottom", legend.title = element_blank(), axis.text.x = element_text(angle = 25)): Personaliza el tema. La leyenda se mueve a la parte inferior, se elimina el título de la leyenda y las etiquetas del eje X se inclinan 25 grados para evitar solapamientos.
• ggsave(filename = "Resultados/ingresos laborales y no laborales.png", scale = 2): Guarda el gráfico en un archivo PNG. scale = 2 aumenta la resolución de la imagen, lo cual es fundamental para gráficos de alta calidad destinados a publicaciones.

Incorporando la Dimensión de Edad para un Análisis Más Profundo

Para enriquecer nuestro análisis, podemos agregar una dimensión adicional: la edad. Esto nos permite observar cómo la distribución de ingresos laborales y no laborales varía no solo por sexo, sino también por diferentes grupos etarios. Para ello, restringimos la población de análisis a individuos entre 18 y 60 años y los clasificamos en grupos de edad.

El procedimiento de preparación de datos es similar, pero se añade un paso para categorizar la edad (CH06) en grupos como '18 a 30', '31 a 45' y '46 a 60'. Luego, la agregación se realiza agrupando por sexo y por el nuevo grupo de edad.

ggplot(datagraf_3, aes(CH04, monto, fill = tipo_ingreso, label = sprintf("%1.1f%%", 100 * monto))) +
 geom_col(position = "stack", alpha = 0.6) +
 geom_text(position = position_stack(vjust = 0.5), size = 3) +
 labs(x = "", y = "Porcentaje") +
 theme_tufte() +
 scale_y_continuous() +
 theme(legend.position = "bottom", legend.title = element_blank(), axis.text.x = element_text(angle = 25)) +
 facet_wrap(~ EDAD)

La diferencia clave en el código de ggplot2 es la adición de facet_wrap(~ EDAD). Esta función crea un panel separado (o 'faceta') para cada grupo de edad, permitiendo una comparación visual directa de la distribución de ingresos en cada segmento demográfico. La potencia de las facetas reside en su capacidad para mostrar múltiples desgloses de un mismo gráfico de manera organizada y comprensible, sin la necesidad de crear gráficos individuales para cada categoría.

Extensiones Clave para Perfeccionar tus Gráficos

Para llevar los gráficos de ggplot2 a un nivel superior, existen extensiones que añaden funcionalidades específicas y mejoras estéticas. Las mencionadas en el contexto son:

• ggthemes: Esta librería proporciona una colección de temas predefinidos para ggplot2, muchos de ellos inspirados en estilos gráficos de publicaciones famosas (como el Wall Street Journal, The Economist, o, en nuestro caso, el estilo Tufte). Utilizar theme_tufte() es una forma sencilla de aplicar un diseño limpio y profesional sin tener que ajustar manualmente cada elemento.
• ggrepel: Aunque no se utilizó directamente geom_text_repel() en los ejemplos proporcionados, su mención sugiere que es una herramienta valiosa. ggrepel es una extensión diseñada para mejorar la colocación de etiquetas de texto en los gráficos, evitando que se superpongan y asegurando que sean legibles incluso en gráficos densos. Es particularmente útil cuando se etiquetan puntos individuales o cuando hay muchas etiquetas en un espacio reducido.

Recordar cargar estas librerías (library(ggthemes) y library(ggrepel)) al inicio de tu script es fundamental para poder utilizar sus funciones.

Consejos para Crear Gráficos de Nivel de Publicación

Más allá de las herramientas, la creación de gráficos de nivel de publicación implica una serie de buenas prácticas:

• Claridad y Simplicidad: Evita la sobrecarga de información. Cada elemento del gráfico debe servir a un propósito.
• Etiquetas y Títulos Significativos: Asegúrate de que los ejes estén correctamente etiquetados, las leyendas sean claras y el título del gráfico sea informativo.
• Uso Consistente del Color: Elige paletas de colores que sean estéticamente agradables y funcionalmente efectivas, especialmente para personas con daltonismo.
• Resolución Adecuada: Siempre guarda tus gráficos en formatos de alta resolución (PNG, SVG, PDF) para evitar pixelado al imprimir o incrustar en documentos. El argumento scale en ggsave es muy útil para esto.
• Consistencia Estilística: Si estás creando múltiples gráficos para un mismo informe, mantén un estilo visual consistente (fuentes, colores, tamaño de elementos) para una presentación coherente y profesional. Los temas de ggthemes son excelentes para esto.
• Revisión Crítica: Antes de publicar, revisa tus gráficos con ojos críticos. ¿Son fáciles de entender? ¿Transmitem el mensaje principal de forma efectiva? Pide a otros que los revisen.

Preguntas Frecuentes sobre Gráficos de Nivel de Publicación en R

A continuación, respondemos algunas de las preguntas más comunes sobre la creación de gráficos de alta calidad en R:

¿Por qué ggplot2 es considerado el estándar para gráficos de publicación en R?

ggplot2 es ampliamente reconocido por su enfoque en la Gramática de los Gráficos, que permite una construcción modular y lógica de visualizaciones. Esto ofrece un control sin precedentes sobre cada detalle estético y facilita la creación de gráficos complejos y personalizados. Su sintaxis es intuitiva una vez que se comprende su filosofía, y su ecosistema de extensiones amplía aún más sus capacidades, permitiendo a los usuarios producir gráficos de calidad profesional con relativa facilidad y consistencia.

¿Qué son las "extensiones" de ggplot2 y por qué son importantes?

Las extensiones de ggplot2 son librerías adicionales que se construyen sobre la base de ggplot2 para añadir nuevas funcionalidades (como tipos de geoms o estadísticas), mejorar las existentes (como la colocación de etiquetas) o proporcionar temas estéticos predefinidos. Son importantes porque permiten a los usuarios adaptar ggplot2 a necesidades muy específicas y ahorrar tiempo en la personalización, elevando la calidad visual de los gráficos sin escribir mucho código desde cero. Ejemplos clave son ggthemes para estilos y ggrepel para etiquetas.

¿Cómo puedo guardar mis gráficos con la mejor calidad para una publicación impresa?

Para publicaciones impresas, es crucial guardar los gráficos en formatos vectoriales como PDF o SVG. Estos formatos escalan sin perder calidad, lo que significa que el gráfico se verá nítido sin importar el tamaño al que se imprima. Si necesitas un formato raster (como PNG o JPEG), asegúrate de especificar una resolución alta utilizando el argumento dpi o scale en la función ggsave(). Por ejemplo, ggsave("mi_grafico.png", dpi = 300) o ggsave("mi_grafico.png", scale = 2).

¿Es ggplot2 difícil de aprender para un principiante?

Aunque ggplot2 puede tener una curva de aprendizaje inicial debido a su enfoque en la Gramática de los Gráficos, una vez que se comprende su lógica subyacente de mapeos estéticos, geometrías y capas, se vuelve extremadamente intuitivo y potente. Existen numerosos recursos, tutoriales y comunidades de apoyo que facilitan el aprendizaje. La inversión de tiempo en aprender ggplot2 se ve ampliamente recompensada por la capacidad de producir visualizaciones de datos de alta calidad y muy personalizables.

Conclusión

La creación de gráficos de nivel de publicación es una habilidad indispensable para cualquier analista de datos, investigador o profesional que busque comunicar sus hallazgos de forma efectiva. R, con su robusta librería ggplot2, emerge como la herramienta por excelencia para esta tarea. Al dominar la flexibilidad de la Gramática de los Gráficos y aprovechar el ecosistema de extensiones, es posible transformar datos complejos en visualizaciones claras, estéticas y listas para cualquier audiencia profesional. Desde el análisis de la distribución de ingresos por sexo hasta la incorporación de dimensiones adicionales como la edad, ggplot2 ofrece un control sin igual, asegurando que cada gráfico no solo informe, sino que también impresione y persista en la mente del lector.

Si quieres conocer otros artículos parecidos a Creando Gráficos de Nivel de Publicación con R y ggplot2 puedes visitar la categoría Librerías.