0

Estoy dando mis primeros pasos con R. En este caso estoy representando una gráfica de violines con mis datos, y tengo una duda. (1) No sé cómo hacer para que me ordene los violines de izquierda a derecha de menor media a mayor media. Y en algún paper he visto que se puede (2) trazar una línea horizontal que representa la media de las medias de todos los violines, esto también me gustaría hacerlo, pero no sé cómo lo hacen.

Y otras dudas más sobre formato, (3) ¿cómo podría elegir otra gama de colores que diferenciara más los violines entre sí? (4) Hay algún repositorio donde pueda elegir diferentes paletas de colores para probar?

Codigo:

q <- ggplot(matrix2, aes(x=data1, y=data2)) + 
  scale_y_log10(breaks = c(0, 0.5, 1, 4, 5, 10, 13, 50, 100, 300)) +    
  geom_violin(aes(fill = factor(data1))) +               
  stat_summary(fun.y=mean, geom="point", shape=23, size=2, color = "black") +  
  labs(title="Poner título", x="xx", y="yy") +
  theme(plot.title = element_text(hjust = 0.5)) +        
  theme(panel.background = element_rect(fill = "white"),  
    axis.text.x = element_text(angle = 90, size = 7, color="black"),       
    axis.line.x = element_line(size = 0.2),       
    axis.line.y = element_line(size = 0.2),       
    panel.grid.major.y = element_line(colour = "grey50", linetype = "dashed", size = 0.2), 
 )       
q
6
  • Hola Juan, ¿podrías poner algún ejemplo de tus datos? Eso facilitaría mucho responder. Podrías usar dput(head(matrix2)) y pegar la salida en consola.
    – mpaladino
    Commented el 26 mar. 2018 a las 15:02
  • Buenas, gracias por el interés. Para data 1 hay más de doscientos nombres diferentes, que se repiten cada uno de ellos 28 veces, y para cada vez que se repite, tiene un data2 diferente, y eso es lo que estoy representando
    – Juan M
    Commented el 26 mar. 2018 a las 16:17
  • data1 data2 ABL1 0 ABL1 4.856679391 ABL1 2.005817875 ABL1 1.457003817 ABL1 2.571183207 ABL1 2.266730226 ABL1 0.703111762 ABL1 0 ABL1 0 ABL1 1.260868688 ABL1 0 ABL1 0.236058224 ABL1 0 ABL1 0.944232897 ABL1 1.309666353 ABL1 14.04967967 ABL1 0 ABL1 0 ABL1 0 ABL1 0.439297633 ABL1 0 ABL1 0 ABL1 1.365941079 ABL1 3.000694361 ABL1 1.10193566 ABL1 1.306404419 ABL1 2.521737376 ABL1 3.181059547 ALKBH2 0 ALKBH2 0 ALKBH2 0 ALKBH2 0.687143544 ALKBH2 0 ALKBH2 2.619103743 ALKBH2 0 ALKBH2 0 ALKBH2 4.69268762 ALKBH2 0 ALKBH2 0 ALKBH2 1.558597418 ALKBH2 0 ALKBH2 0
    – Juan M
    Commented el 26 mar. 2018 a las 16:21
  • ¿Y cuantos grupos o "violines" esperas mostrar en el gráfico? ¿los 200 que mencionas? Commented el 26 mar. 2018 a las 18:00
  • en realidad son tres columnas; data 1 (con 240 tipos) data 1a (con 28 clases diferentes, para cada una de esas clases hay analizados 240 tipos) data 2 ( con frecuencias para cada data1) entonces lo que me interesa es hacer 28 violines, uno por cada clase, y para cada clase hay 240 tipos cada uno con su frecuencia. Lo que quiero es que se ordenen los 28 violines, de menor a mayor media, de izquierda a derecha,y después sacar una línea horizontal que represente la media de las medias de todos los violines.
    – Juan M
    Commented el 27 mar. 2018 a las 8:15

3 respuestas 3

2

Primero que nada armaremos un ejemplo más simple que el tuyo para que sea más fácil y comprensible, un data.frame con solo 3 grupos de datos al azar con medias distintas en cada uno, en tu ejemplo sería data1 y data2 repectivamente:

library(ggplot2)

set.seed(10)
df<-data.frame(x=rep(c("Grupo1","Grupo2","Grupo3"),100,each=100), 
               y=c(rnorm(100, mean = 3, sd = 1), 
                   rnorm(100, mean = 10, sd = 1),
                   rnorm(100, mean = 1, sd = 2)
               )
)

head(df,10)
        x        y
1  Grupo1 3.018746
2  Grupo1 2.815747
3  Grupo1 1.628669
4  Grupo1 2.400832
5  Grupo1 3.294545
6  Grupo1 3.389794
7  Grupo1 1.791924
8  Grupo1 2.636324
9  Grupo1 1.373327
10 Grupo1 2.743522

Comencemos con un gráfico de violín sencillo

ggplot(df, aes(x=x, y=y)) + 
    geom_violin() +
    stat_summary(fun.y=mean, geom="point", shape=23, size=2, color = "black") 

introducir la descripción de la imagen aquí

Tres grupos o violines ordenados alfabéticamente y un punto en cada uno para indicar el valor de la media. Veamos ahora tus preguntas:

(1) No sé cómo hacer para que me ordene los violines de izquierda a derecha de menor media a mayor media.

Para esto son muy útiles los Factores, estos tienen internamente un orden determinado por los levels, cuando se crean automáticamente al crear un data.frame, el orden es alfabético, por lo que simplemente debemos ordenar los levels:

orden <- aggregate(y ~ x, df, mean)
orden <- orden[order(orden$y),]
df$x <- factor(df$x, levels = orden$x)
  • Con aggregate(y ~ x, df, mean) agrupamos por x y calculamos la media de cada una de ellas
  • Con orden <- orden[order(orden$y),] ordenamos por la media calculada de cada grupo en orden ascendente, si quisieramos orden descendente: orden[-order(orden$y),]
  • Por último reordenamos el factor por el orden deseado: df$x <- factor(df$x, levels = orden$x)

Ahora simplemente hay que graficar, el código sigue siendo el mismo:

introducir la descripción de la imagen aquí

Y ahora sí los grupos ordenados por la media

(2) trazar una línea horizontal que representa la media

Para esto, aprovecharemos el objeto orden que hemos creado, este simplemente tiene las medias ordenadas de cada grupo:

       x        y
3 Grupo3 1.057504
2 Grupo1 2.863451
1 Grupo2 9.905037

Para graficarlas como líneas, agregaremos un geom_hline() de la siguiente forma:

ggplot(df, aes(x=x, y=y)) + 
    geom_violin() +
    stat_summary(fun.y=mean, geom="point", shape=23, size=2, color = "black") +
    geom_hline(data = orden, aes(group = x, yintercept = y), color = "red")

Obtenemos:

introducir la descripción de la imagen aquí

(3) ¿cómo podría elegir otra gama de colores que diferenciara más los violines entre sí?

Tienes dos opciones, o defines manualmente los colores o usas alguna función que te retorne una paleta del tamaño necesario para los grupos a graficar. De cualquier forma deberás establecer el parámetro fill para geom_violin y relacionarlo con cada grupo: geom_violin(aes(fill=x)), con esto decimos que el "llenado" de color de cada violín lo determina la variable x (en tu caso data2). Luego simplemente hay que establecer los colores:

Manualmente:

scale_fill_manual(values=c("#999999", "#E69F00", "#56B4E9"))

Desde una paleta ya definida en R:

scale_fill_manual(values=terrain.colors(3))

Nota: Hay varias ya disponibles rainbow(), heat.colors(), terrain.colors(), topo.colors(), y cm.colors() que puedes evaluar. El funcionamiento es similar, le pides una cantidad determinada de colores y retornaran un vector con los mismos. También dispones de colorRampPalette() que permite "generar" paletas a partir de ciertos colores límites que le pases: colfunc <- colorRampPalette(c("red", "yellow", "green"))

Pero además dispones de múltiples paletas para elegir, producto de los gustos y necesidades de los usuarios que las comparten como paquetes, por ejemplo: RColorbrewer que ya ofrece funciones para integrarse a ggplot:

library("RColorBrewer")
scale_fill_brewer(palette="Blues")

Veamos un ejemplo final:

library("RColorBrewer")

ggplot(df, aes(x=x, y=y)) + 
    geom_violin(aes(fill=x)) +
    stat_summary(fun.y=mean, geom="point", shape=23, size=2, color = "black") +
    geom_hline(data = orden, aes(group = x, yintercept = y), color = "red") +
    scale_fill_brewer(palette="Blues")

introducir la descripción de la imagen aquí

(4) Hay algún repositorio donde pueda elegir diferentes paletas de colores para probar?

No hay ningún repositorio específico para paletas, puedes buscar estas por lo medios habituales para buscar cualquier paquete de R, lo que sí hay una muy completa recopilación de paletas en este sitio.

Mas info:

0

una disculpa por la demora. Ya veo que tenés respuestas para la mayoría de tus dudas, cortesía de jbkunst y Patricio Moracho. De todos modos agrego una respuesta más amplia y detallada que cubre cada uno de los puntos y explica alguna peculiaridades de ggplot

Con la función tribble() creo un data.frame al que llamo foo. Este tiene la estructura correcta para hacer un gráfico de violines:

  • data1 es una variable categórica que identifica grupos. Por cada uno de estos grupos se graficará un violín.
  • data2 es una variable numérica continua cuya distribución se presenta cada violín.

    library(tidyverse)
    
    tribble(
    ~data1, ~data2 ,
    "ABL1",  0 ,
    "ABL1",  4.856679391,
    "ABL1",  2.005817875,
    "ABL1",  1.457003817,
    "ABL1",  2.571183207,
    "ABL1",  2.266730226,
    "ABL1",  0.703111762,
    "ABL1",  0,
    "ABL1",  0,
    "ABL1",  1.260868688,
    "ABL1",  0,
    "ABL1",  0.236058224,
    "ABL1",  0,
    "ABL1",  0.944232897,
    "ABL1",  1.309666353 ,
    "ABL1",  14.04967967,
    "ABL1",  0,
    "ABL1",  0,
    "ABL1",  0,
    "ABL1",  0.439297633,
    "ABL1",  0,
    "ABL1",  0,
    "ABL1",  1.365941079,
    "ABL1",  3.000694361,
    "ABL1",  1.10193566,
    "ABL1",  1.306404419,
    "ABL1",  2.521737376,
    "ABL1",  3.181059547,
    "ALKBH2", 0,
    "ALKBH2", 0 ,
    "ALKBH2", 0 ,
    "ALKBH2", 0.687143544,
    "ALKBH2", 0 ,
    "ALKBH2", 2.619103743,
    "ALKBH2", 0,
    "ALKBH2", 0 ,
    "ALKBH2", 4.69268762,
    "ALKBH2", 0,
    "ALKBH2", 0 ,
    "ALKBH2", 1.558597418,
    "ALKBH2", 0 ,
    "ALKBH2", 0) -> foo   # le asigno el nombre foo. 
    

Con ggplot2 podemos hacer un gráfico de violín básico en dos líneas, siempre que tengamos datos con una estructura similar a la anterior. En este caso uso los nombres de columna del data.frame que creé más arriba.

ggplot(foo, aes(x = data1, y = data2)) + 
  geom_violin()

Respuestas a cada pregunta.

  1. ggplot2 ordena a los violines de acuerdo con el orden del factor que controla al eje x. En términos técnicos hereda ese atributo. Para cambiar el orden de los violines tenemos que cambiar el orden de ese factor. Si queremos dar un orden arbitrario podemos usar la función factor() y reodenar ahí. Para este caso, en el que queremos ordenar por la media de otra variable podemos usar función fct_reoder() de la librería forcats, que automatiza el proceso de reordenar un factor de acuerdo a otra variable numérica o un sumario de esa variable. La segunda línea del código transforma a data1 en un factor ordenado por la media de cada grupo de data2 y le da un orden descendente.
  2. Para trazar la línea que une a los puntos de las medias de cada grupo/violín es necesario tener calculadas las medias. Por eso usamos stat_summary() y no directamente geom_line(). Con esto le indicamos a ggplot que calcule las medias y grafique en una línea que una a esos valores. Es necesario pasar el argumento group = 1 para que ggplot sepa como queremos que se unan los puntos que cortan las líneas.
  3. Para colorear los violines se mapea el atributo fill a alguna variable, en este caso a data1. A mí me parece redundante colorear los violines, porque ya están claramente etiquetados en el eje x, pero que se puede, se puede.
  4. fill = indica a ggplot que queremos colorear los violines, pero no que colores queremos usar. Eso se puede especificar con diferentes funciones de la familia scale_fill_*.

    • scale_fill_manual(values=c("color1", "color2")) nos permite controlar manualmente los colores.

      • El largo del vector creado con c() debe tener el mismo largo que la cantidad de violines/grupos en data1.
      • Los colores se llaman por nombres y acá http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf encontrás una paleta de colores y nombres. ggplot los recibe como una cadena de caracteres, así que cada color debe ir entrecomillado.
      • Hay otras formas de indicar los colores, por ejemplo con código hexadecimales.
    • scale_fill_brewer() para usar las paletas brewer.

    • En http://www.datavis.ca/sasmac/brewerpal.html encontrás un resumen un poco feo pero bastante práctico de las paletas disponibles.
    • La sintaxis para la paleta Set3 sería scale_fill_brewer(palette = "Set3")

Código.

library(forcats)  
foo %>%                                                                        # Comienzo la cadena de funciones con los datos. 
  mutate(data1 = fct_reorder(data1, desc(data2), fun=mean)) %>%                # Reordena el factor data1, que controla el orden de los violines. 
  ggplot(aes(x = data1, y = data2, fill = data1)) +                            # Mapeo lo atributos visuales a mis datos.
  geom_violin () +                                                             # La línea de código más simple hace lo más difícil. 
  stat_summary(fun.y=mean, geom="line", group = 1) +                           # Genera una línea que une las meidas de cada grupo. 
  #stat_summary(fun.y=mean, geom="point", shape=23, size=2, color = "black") + # Redundante con la línea.
  scale_y_log10(breaks = c(0, 0.5, 1, 4, 5, 10, 13, 50, 100, 300)) +           # para transformar *y* a una escala logarítmica. En el código de la pregunta, no sé para qué está.  
  scale_fill_brewer(palette = "Set3") +                                         # Especifico los colores para el relleno. 
  labs(title= "Gráfico de Juan M.", 
       x = "Factor o variables discreta", 
       y = "Variables contínua cuya distribución presentan los violines", 
       fill = "Etiquetas de la variable \n de relleno. Redundante.")

Resultado.

introducir la descripción de la imagen aquí

0

Quisiera proponer otra alternativa al punto uno, a través del uso del paquete forcats (anagrama de factors, que viene en el paquete tidyverse) el cual viene con muchas funciones para trabajar con factores, en particular, fct_reorder reordena factores, segun una funcion aplicada de otro valor. En este caso el la función de la media y la columna es y. El uso sería x = fct_reorder(x, y, mean) ver detalles más abajo.


library(ggplot2)

set.seed(10)

df <- data.frame(x = rep(c("Grupo1", "Grupo2", "Grupo3"), 100, each = 100), 
  y = c(rnorm(100, mean = 3, sd = 1), rnorm(100, mean = 10, sd = 1), rnorm(100, 
    mean = 1, sd = 2)))

library(tidyverse)

df <- mutate(df, x = fct_reorder(x, y, mean))

ggplot(df, aes(x=x, y=y)) +
  geom_violin() +
  stat_summary(fun.y=mean, geom="point", shape=23, size=2, color = "black")

introducir la descripción de la imagen aquí

1
  • 1
    muchísimas gracias por vuestra ayuda, me ha sido tremendamente útil!!!!!
    – Juan M
    Commented el 2 abr. 2018 a las 8:34

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.