Sesión 2
Visualizaciones con ggplot2
4 de junio de 2026
El universo tidyverse
En lugar de cargar cada paquete por separado — como library(ggplot2) y library(dplyr) — tidyverse los agrupa todos. Durante el curso irás conociendo varios.
Una sola línea carga 9 paquetes esenciales para el análisis de datos:
Parte 1
La gramática de las gráficas
Los datos del día: pingüinos de Palmer
palmerpenguins contiene medidas de 344 pingüinos de tres especies en la Antártida.
Instala el paquete:
geom_histogram(): distribución continua
x numérica. Divide los valores en intervalos y cuenta cuántas observaciones caen en cada uno.
bins fija el número de barras; binwidth fija el ancho de cada una. No uses ambos a la vez.
- Las barras tienen interior (
fill) y borde (colour); no todas las geometrías los tienen, pero sí las que encierran área (barras, cajas, violines) - Cuando se usan fuera de
aes(), fijan un color igual para toda la geometría; dentro deaes()mapean los colores a una variable. Esto lo veremos en profundidad en la sección de estéticas
geom_density(): curva de densidad
x numérica. Versión suavizada del histograma. Útil para comparar distribuciones entre grupos.
geom_bar(): conteos por categoría
x categórica. Cuenta cuántas observaciones hay en cada grupo y dibuja una barra por categoría.
Añadimos fill = island en aes() para colorear las barras según una segunda variable:
position = "dodge" coloca las barras lado a lado; "stack" las apila (opción por defecto).
x categórica: comparar grupos
Cuando x es una variable categórica (especie, tratamiento, grupo…), las geometrías comparan la distribución de y entre esos grupos.
geom_boxplot(): Mediana, cuartiles y valores extremos de y por cada nivel de x.
geom_violin(): Como boxplot, pero muestra la forma completa de la distribución.
geom_jitter(): Puntos individuales con pequeño desplazamiento aleatorio para evitar que los puntos se superpongan.
geom_violin() + geom_jitter()
Combinar capas muestra la distribución completa y los datos individuales a la vez.
Las capas se dibujan en orden: el violín primero, los puntos encima. Cambia el orden y verás la diferencia.
x numérica: ver relaciones
Cuando x también es numérica, el objetivo es ver cómo varía y a medida que cambia x.
geom_point(): El diagrama de dispersión clásico. Cada fila del dataframe es un punto. Lo exploraremos en profundidad en la siguiente sección.
geom_smooth(): Añade una línea de tendencia sobre los puntos.
geom_line(): Conecta los puntos en orden de x. Ideal para series de tiempo.
geom_smooth(): línea de tendencia
Se superpone sobre geom_point(). El argumento method define el tipo de ajuste.
method = "lm" ajusta una recta. method = "loess" ajusta una curva suave que sigue la tendencia en zonas de x. se = FALSE oculta el intervalo de confianza. Cámbialo por se = TRUE (o borra ese argumento) para mostrarlo.
geom_line(): series de tiempo
Conecta observaciones en orden de x. Apropiado cuando el orden importa.
economics es un conjunto de datos de ggplot2 con indicadores económicos de EE.UU.
¿Qué geometría usar?
ggplot2 tiene muchísimas geometrías más para distintos propósitos: mapas, gráficos de red, etc. Consulta la documentación oficial para verlas.
Dentro de aes(): variable → estética
Cuando una estética depende de los datos, va dentro de aes().
Cada especie recibe un color distinto según los datos.
Fuera de aes(): valor fijo para todos
Cuando la estética es un valor constante, va fuera de aes(), directamente en el geom_*().
Todos los puntos tienen el mismo color, tamaño y transparencia.
El error más común con aes()
aes(colour = "blue") crea una categoría llamada "blue" y le asigna el primer color de la paleta por defecto. Para fijar un color, escríbelo fuera de aes(): geom_point(colour = "blue").
Múltiples mappings en aes()
Se pueden mapear varias variables a distintas estéticas simultáneamente.
Mapear colour y shape a la misma variable mejora la accesibilidad: la figura es legible incluso en escala de grises.
labs(): títulos y etiquetas
labs() controla todos los textos de la figura: título, subtítulo, ejes, leyenda y nota al pie.
ggplot(
pinguinos,
aes(
x = bill_length_mm,
y = body_mass_g,
colour = species
)
) +
geom_point(alpha = 0.7) +
scale_colour_viridis_d() +
labs(
title = "Masa corporal y longitud del pico",
subtitle = "Pingüinos de Palmer, Antártida",
x = "Longitud del pico (mm)",
y = "Masa corporal (g)",
colour = "Especie",
caption = "Datos: Horst, Hill & Gorman (2020)"
) +
theme_minimal()
Temas incorporados
ggplot2 incluye varios temas listos para usar.
Aplícalos sumándolos a la figura:
Personalizar con theme()
theme() permite ajustar cualquier elemento visual de la figura.
element_blank() elimina un elemento. element_text() controla fuente, tamaño y color. element_line() y element_rect() hacen lo propio con líneas y rectángulos.
Comparación de paletas
Viridis
ColorBrewer Set2
facet_wrap(): un panel por categoría
Divide la figura en paneles según los valores de una variable.
facet_grid(): dos variables, filas y columnas
Organiza los paneles en una cuadrícula con una variable por eje.
La sintaxis filas ~ columnas define qué variable va en cada dimensión.
La figura completa
Todo lo visto en una sola figura.
ggplot(pinguinos,
aes(x = bill_length_mm,
y = body_mass_g,
colour = species,
shape = species)) +
geom_point(alpha = 0.6, size = 2) +
geom_smooth(method = "lm",
se = FALSE,
linewidth = 0.8) +
facet_wrap(~island) +
scale_colour_brewer(name = "Especie",
palette = "Dark2") +
scale_shape_discrete(name = "Especie") +
labs(title = "Masa y pico por isla",
x = "Longitud del pico (mm)",
y = "Masa corporal (g)",
caption = "Datos: Horst et al. (2020)") +
theme_linedraw() +
theme(legend.position = "bottom")
Hasta la próxima sesión
¡Gracias!
jdleongomez.github.io/curso-r
