I 5 temi di grafici più visitati della R Graph Gallery

1. The Grammar of Graphics: ggplot2

Non sorprende che la categoria ggplot2 sia di gran lunga il tema più visitato: rappresenta circa il 15% del traffico considerato per questo post (che, come detto sopra, era il 45% del traffico totale).

Questo volume di traffico si spiega non solo con la grande popolarità del pacchetto nella community R, ma anche col fatto che questa categoria raccoglie tutti i tipi di grafici che puoi creare con il pacchetto, come boxplot, scatterplot, grafici ad area, ecc., e contiene anche alcune sottosezioni che mostrano come aggiungere annotazioni, gestire i colori del grafico e creare data art. In breve, questa categoria contiene tantissime informazioni su questo pacchetto R.

Questa libreria, che è “un sistema di plotting per R, basato sulla grammar of graphics”, è un riferimento per i grafici in R e sono disponibili molte risorse per impararne la sintassi, come il corso di DataCamp Data Visualization with ggplot2 e il libro su ggplot2 del creatore di ggplot2, Hadley Wickham.

ggplot2 è un’implementazione della grammar of graphics, il che significa che esiste una grammatica di base per produrre grafici: ti servono dati ed elementi grafici per costruire i tuoi plot, proprio come ti servono pronomi personali e un verbo coniugato per formare frasi.

Per i grafici, questo significa che fornisci i dati a un plot come elementi x e y e devi manipolare alcuni dettagli, come colori, marcatori, ecc., come elementi grafici. Vedrai che anche ggplot2 fa questa distinzione e che ci sono alcuni elementi di base che spesso puoi distinguere nei grafici ggplot2, come dati, geometrie, estetiche e scale.

Ovviamente, esistono anche parti più avanzate della grammatica di ggplot2, come trasformazioni statistiche e facet, ma non saranno trattate in questo post. Consulta le risorse citate sopra per informazioni più approfondite su ggplot2 e sulle sue possibilità.

Tornando alla gallery, vedrai che attualmente mostra circa 40 grafici realizzati con il pacchetto, che permettono di ottenere i principali tipi di chart, come il bar plot che trovi qui sotto:

Vedi che il grafico qui sotto utilizza tre dei quattro elementi menzionati sopra: dati, estetiche e geometrie. Ora, dai un’occhiata più da vicino al risultato o espandi la finestra nella scheda “Plots” che è apparsa accanto alla console di R nel riquadro DataCamp Light qui sopra:

Nota che se ti servono più temi, scale e geom per i tuoi grafici ggplot2, puoi sempre trovarli in pacchetti aggiuntivi come ggthemes o il pacchetto ggthemr.

2. Grafici interattivi

In secondo luogo, la categoria dei grafici interattivi rappresenta circa l’11% del traffico considerato per questo post. Proprio come per ggplot2, si può sostenere o supporre che gran parte del traffico verso questa categoria derivi dal fatto che è più generale e racchiude molte informazioni su diversi grafici interattivi.

Ma cosa sono i grafici interattivi?

Beh, sono ovviamente grafici, ma ciò che li rende speciali è che puoi fare zoom in o out sui plot, giocare con gli assi, passare il mouse sugli elementi per ottenere informazioni aggiuntive, esportare in formato png, filtrare dati specifici, ecc.… Consentono agli utenti di interagire con i dati e trovare le informazioni di cui hanno bisogno.

Usati durante l’analisi, i grafici interattivi ti permetteranno di esplorare i dati in modo più efficiente. Usati nei report per clienti, colleghi o lettori, aiuteranno a catturare l’attenzione e a far comprendere i dati; i grafici interattivi consentono una comunicazione bidirezionale tra utente e grafici, il che rende la cosa vantaggiosa per tutti.

Non è un caso che i grafici interattivi siano ora usati da giornali come il New York Times e da riviste scientifiche come Science!

In R, è sorprendentemente facile crearli usando gli htmlwidgets.

Oltre a mostrare esempi di questo pacchetto, la gallery presenta anche vari esempi in cui viene usato Plotly. Plotly è un pacchetto R per creare grafici web-based tramite la libreria grafica JavaScript open source plotly.js. La sintassi del codice è davvero vicina a quella di ggplot2, quindi probabilmente realizzerai il tuo primo grafico interattivo in pochi minuti! Se vuoi iniziare con questo pacchetto, considera questo tutorial su Plotly.

Ovviamente puoi creare grafici interattivi anche con Shiny, una libreria R che ti permette di trasformare le analisi in applicazioni web interattive, e oltre alle librerie che hai visto in questa sezione, ce ne sono molte altre che consentono di trasformare visualizzazioni statiche in interattive!

3. Boxplot

La categoria boxplot rappresenta circa l’8% del traffico considerato per questo post. È la terza categoria più popolare del sito, probabilmente perché è più specifica delle due precedenti: tratta un tipo di grafico ben definito.

I boxplot non hanno più bisogno di presentazioni. Sono uno strumento comune per visualizzare la relazione tra una variabile numerica e una variabile discreta. Ma fai attenzione a non perdere informazioni che potrebbero nascondersi dietro un boxplot (come una distribuzione bimodale)!

La R Graph Gallery ti fornirà alcune interessanti alternative ai boxplot, come i violin plot o i boxplot con jitter. Vedrai che, nonostante ggplot2 abbia una sua sezione, questo pacchetto è ancora molto popolare, insieme alle funzioni base di R come jitter()!

# Library `ggplot2`
library(.......)

# First type of color
ggplot(mtcars, aes(factor(cyl), mpg)) + geom_violin(aes(fill = cyl))

4. Spider plot

Sorprendentemente, la categoria degli spider plot o web chart ha un enorme successo nella gallery, con il 6% del 45% di traffico analizzato per questo post.

I radar chart sono un modo per confrontare più variabili quantitative. Uno degli esempi consiste nel costruire questi grafici con la libreria fmsb, che contiene funzioni di utilità per il libro “Practices of Medical and Health Data Analysis using R”.

Il codice nel riquadro DataCamp Light produce il seguente risultato (oppure espandi la finestra nella scheda “Plots” che è apparsa accanto alla scheda della Console R nel riquadro DataCamp Light):

Consiglio: come puoi immaginare, evita di rappresentare troppi gruppi nello stesso grafico! Può diventare illeggibile molto velocemente!

Ma il pacchetto fmsb non è tutto: puoi anche costruire radar chart con ggplot, anche se non è incluso nel pacchetto. Puoi trovare un tutorial qui o dare un’occhiata all’estensione di ggplot2 ggradar.

Inoltre, potrebbe interessarti il pacchetto radarchart. È utile da tenere a mente se vuoi creare radar chart interattivi.

5. Data Art

Curiosità? Divertimento? Interesse? Sorpresa?

Non so cosa porti le persone lì, ma la sezione Data Art è il quinto tema più visitato dagli utenti della R Graph Gallery, con circa il 5% del traffico considerato per questo post.

È decisamente qualcosa che non si vede tutti i giorni!

Questa pagina mostra un estratto del lavoro di 10 data aRtist da tutto il mondo. La Data Art è una tendenza recente in cui, come il nome lascia già intendere, si crea arte a partire dai dati. Può assumere varie forme, usando dati reali o meno, rappresentando qualcosa o creando semplicemente forme astratte.

Sei interessato e vuoi saperne di più? Dai un’occhiata a questa sezione e, naturalmente, sentiti libero di proporre i tuoi lavori!

Vuoi contribuire alla R Graph Gallery, proporre un grafico o richiederne uno mancante? Vai qui.