Gráficos estadísticos con R

Francisco García García (2014-10-29)

0. Introducción

1. Representación gráfica de una variable cuantitativa

2. Representación gráfica de una variable categórica

3. Representación gráfica de dos variables cuantitativas

4. ¿Cómo importamos en R datos desde un fichero txt?

5. ¿Cómo guardamos los gráficos generados en R?

6. Ejercicios

0. Introducción

#esto es una linea comentada

Los comandos de R son funciones que incluyen un conjunto de argumentos separados por comas y todos ellos entre paréntesis:

# boxplot(datos, main = "primer gráfico", xlab = "nivel de colesterol")

Argumentos generales que utilizaremos en los gráficos:

• main: Título principal del gráfico

• xlab: Etiqueta para el eje X

• ylab: Etiqueta para el eje Y

• col: vector de colores

1. Representación gráfica de una variable cuantitativa

Comandos en R:

• boxplot(x): diagramas de caja

• hist(x): histograma

Queremos representar gráficamente los valores de la variable colesterol. Utilizaremos los diagramas de cajas o boxplots:

#incluimos los datos de nuestra variable
colesterol <- c(150,125,138,144,150,201,225,233,200,190, 250,150,180,240,235)  
boxplot(colesterol)

Con un interrogante delante del nombre de la función obtenemos ayuda sobre su uso: ?boxplot

Es posible incluir o modificar elementos en el gráfico:

# incluimos color en la caja
boxplot(colesterol, col = "red")

# añadimos un título principal y subtítulo para el eje X
boxplot(colesterol, col = "red", main = "Exp. 53", xlab = "Colesterol")  

# modificamos la escala del eje Y
boxplot(colesterol, col = "red", main = "Exp. 53",xlab = "Colesterol",
        ylimit = c(0,250)) 

Estos 15 valores corresponden a 3 grupos de ratones, que fueron sometidos a distintos tratamientos. ¿Observamos diferencias a partir de su representación gráfica?

colesterol <- c(150,125,138,144,150,201,225,233,200,190, 250,150,180,240,235)
tratamientos <- c("A","A","A","A","A","B","B","B","B","B","C","C","C","C","C")

# así sería más rápido:
tratamientos <- c(rep("A",5), rep("B",5), rep("C",5))

Representamos la variable colesterol para cada uno de los tres grupos descritos:

boxplot(colesterol ~ tratamientos)

# coloreamos las cajas de cada representación:
boxplot(colesterol ~ tratamientos, col= c("red", "blue", "pink")) 

Valores de colesterol superiores a 175 pueden ser peligrosos. Incluimos una línea horizontal que señalice este límite:

boxplot(colesterol ~ tratamientos, col= c("red", "blue", "pink")) 
abline(h = 175)

#indicamos que sea una línea gruesa y de color verde
boxplot(colesterol ~ tratamientos, col= c("red", "blue", "pink")) 
abline(h = 175, col = "green", lwd = 2)   

# nos gustan más las distribuciones horizontales de estos plots, las cambiamos:
boxplot(colesterol ~ tratamientos, col= c("red", "blue", "pink"), horizontal = TRUE) 
abline(v = 175, col = "green", lwd = 2) 

2. Representación gráfica de una variable categórica o cualitativa

Comandos en R:

• table(x) para obtener la tabla de frecuencias
• pie(table(x)) genera un gráfico de sectores
• barplot(table(x)) genera un diagrama de barras

Los diagramas de barras son preferibles a los diagramas de sectores.

2.1. Gráficos circulares o de sectores:

La variable mut indica el número de mutaciones encontradas en varios genes de interés (varía entre 1 y 5)

# introducimos los datos
mut <- c(1,3,5,2,4,4,4,1,1,1,1,3,5,2) 
# preparamos una tabla de frecuencias
table(mut)

#> mut
#> 1 2 3 4 5 
#> 5 2 2 3 2

# generamos el diagrama de sectores
pie(table(mut)) 

# seleccionamos colores que nos gusten más para cada sector del gráfico:
pie(table(mut), col = c("red", "blue", "pink", "green", "grey"))  

# además incluimos un título 
pie(table(mut),  col = c("red", "blue", "pink", "green", "grey"),
    main = "Tipos de variantes genómicas")

2.2. Gráficos de barras:

Este tipo de gráficos son útiles para representar variables categóricas o variables cuantitativas discretas

La variable mut indica el número de mutaciones encontradas en varios genes de interés (varía entre 1 y 5)

# introducimos los datos
mut <- c(1,3,5,2,4,4,4,1,1,1,1,3,5,2) 
# preparamos una tabla de frecuencias
table(mut)

#> mut
#> 1 2 3 4 5 
#> 5 2 2 3 2

# generamos el diagrama de barras
barplot(table(mut)) 

# incluimos título del gráfico  y títulos para los ejes X,Y.
barplot(table(mut), xlab = "número de mutaciones", ylab = "frecuencias",
        main = "Mutaciones detectadas en genes OPITZ")

# cambiamos el modo de visualización y añadimos color a las barras
barplot(table(mut), horiz = TRUE, 
        ylab = "número de mutaciones", xlab = "frecuencias", 
        main = "Mutaciones detectadas en genes OPITZ", 
        col = "green")  

3. Representación gráfica de dos variables cuantitativas

Queremos conocer la relacion entre el nivel de cuantificación de varios metabolitos introducimos los datos de 3 metabolitos:

glutamato <- c(143, 90, 100, 119,  98,  87,  84,  99, 101,  99)
colina <- c(146, 97, 106, 123, 103,  90,  90, 106, 108, 101)  
HLDL <-   c(100, 107, 105, 89, 88, 102, 122, 105, 93, 145)

¿Qué relación hay entre la colina y el HLDL? Utilizaremos los gráficos de dispersión o de puntos

plot(colina, HLDL)

# representamos cada metabolito con triángulos azules 
plot(colina, HLDL, pch = 2, col = "blue", main = "colina vs. HLDL")     

# un poco más grandes! 
plot(colina, HLDL, pch = 2, col = "blue", cex =2, main = "colina vs. HLDL")  
# añadimos la recta de regresión 
abline(lm(colina ~ HLDL), col = "red", main = "colina vs. HLDL") 

¿Y entre la colina y el glutamato?

plot(colina, glutamato, main = "colina vs. glutamato")

#puntos más pequeños y con color
plot(colina, glutamato, main = "colina vs. glutamato", cex=0.5, col = "blue") 

Estos metabolitos corresponden a dos grupos de ratas y queremos saber si el comportamiento entre colina y glutamato es diferente en cada grupo. ¿Es posible visualizar esta información gráficamente?

grupos <-  c(1,1,1,1,1,2,2,2,2,2)
plot(colina, glutamato, main = "colina vs. glutamato", col = c("red", "blue"), pch = grupos, cex = 2) 
legend(130,100, legend=c("1","2"), pch= c(1:2), col = c("red", "blue") )

¿Podemos ver las relaciones de los tres metabolitos por parejas?

pairs(~glutamato + colina + HLDL)

#incluyendo nuevos elementos en el gráfico
pairs(~glutamato + colina + HLDL, col = "blue", main = "Correlación lineal entre metabolitos")

4. ¿Cómo importamos en R datos desde un fichero txt?

# datos de las cuantificaciones de los metabolitos, separados por tabulaciones 
datos <- read.delim("datos.txt", header = TRUE, sep = "\t")
datos

#>    glutamato colina HLDL
#> 1        143    146  100
#> 2         90     97  107
#> 3        100    106  105
#> 4        119    123   89
#> 5         98    103   88
#> 6         87     90  102
#> 7         84     90  122
#> 8         99    106  105
#> 9        101    108   93
#> 10        99    101  145

5. ¿Cómo guardamos los gráficos generados en R?

5.1. Es posible generar varios gráficos y que aparezcan en la misma ventana, antes de guardarlos. Lo vemos con un ejemplo:

# a. Definimos  el número de filas y columnas que tendrá esa ventana, por ejemplo: 2 filas y 1 columna:
par(mfrow=c(2,1))
# b. Generamos los dos gráficos que queremos incluir en la misma imagen:
boxplot(colesterol)
hist(colesterol)

# c. Para finalizar, dejamos la región del dibujo como estaba inicialmente: 1 fila y 1 columna
par(mfrow=c(1,1))

5.2. Los gráficos que hemos creado en la sesión de R se pueden crear en diferentes formatos BMP, JPEG, PNG, TIFF, PDF…

Desde R o Rstudio es posible guardarlos directamente, pero también podemos ajustar las características de la resolución, utilizando los siguientes comandos:

Vemos algunos ejemplos con el gráfico de dispersión de los metabolitos

pairs(~glutamato + colina + HLDL, col = "blue", main = "Correlación lineal entre metabolitos")

#guardamos el gráfico en formato PNG:
png(file="cor_metabolitos.png", height = 600, width = 600)  # avisa a R que queremos un fichero PNG 
pairs(~glutamato + colina + HLDL, col = "blue", main = "Correlación lineal entre metabolitos")
dev.off()  #cierra el dispositivo gráfico

#> pdf 
#>   2

#guardamos el gráfico en formato JPEG:
jpeg(file="cor_metabolitos.jpeg", height = 600, width = 600)  # avisa a R que queremos un fichero PNG 
pairs(~glutamato + colina + HLDL, col = "blue", main = "Correlación lineal entre metabolitos")
dev.off()  #cierra el dispositivo gráfico

#> pdf 
#>   2

#guardamos el gráfico en formato PDF:
pdf(file="cor_metabolitos.pdf")  # avisa a R que queremos un fichero PNG 
pairs(~glutamato + colina + HLDL, col = "blue", main = "Correlación lineal entre metabolitos")
dev.off()  #cierra el dispositivo gráfico

#> pdf 
#>   2

Obtenemos información detallada sobre como exportar en diferentes formatos con ?png o ?pdf

6. Ejercicios

6.1. Tiempo de recuperación en ratas con lesión medular

Tenemos un grupo de 16 ratas con lesión medular. Tras aplicar un tratamiento hemos medido el tiempo de recuperación en días. Estos son los datos: 14 15 16 19 11 15 13 13 15 21 18 18 16 16 15 21

1. Describe la variable tiempo utilizando un diagrama de caja o box-plot
2. Incluye o modifica elementos como el título del gráfico, título del eje x, color verde para la caja.
3. Cambia la escala del eje Y, de modo que se visualice un rango entre 0 y 25 días.
4. Exporta el gráfico en formato pdf.

6.2. Tiempo de recuperación en ratas con lesión medular: dos tratamientos

De las 16 ratas anteriores, distinguimos dos grupos: a las 8 primeras se les aplicó el tratamiento A y a las 8 últimas el tratamiento B.

1. ¿Qué grupo se recupera antes?. Puedes utilizar un gráfico que incluya un diagrama de cajas para cada grupo.
2. Incluye o modifica elementos como el título del gráfico, título del eje x, color verde para la caja.
3. Cambia la escala del eje Y, de modo que se visualice un rango entre 0 y 25 días.
4. Exporta el gráfico en formato png.
   
   
   
   

Links interesantes:

-Quick-R Web con recursos para trabajar con R.

-ggplot2 Paquete de funciones que personalizan cualquier tipo de gráfico.

-r-tutor An R Introduction to Statistics.