Como criar um histograma no R básico

Neste tutorial, visualizaremos as distribuições de dados traçando histogramas usando a linguagem de programação R. Abordaremos o que é um histograma, como ler dados no R, como criar um histograma e como personalizar o gráfico. 

Usaremos a linguagem de programação R básica, sem pacotes adicionais. Essa abordagem é especialmente útil quando pacotes adicionais não podem ser usados ou quando você está procurando análises exploratórias rápidas. Em outros casos, você pode considerar o uso de ggplot2, conforme abordado em nosso tutorial How to Make a ggplot2 Histogram in R.

Para executar facilmente todos os exemplos de código deste tutorial, você pode criar gratuitamente uma pasta de trabalho do DataLab que tenha o R pré-instalado e contenha todos os exemplos de código. Para que você possa praticar mais como criar um histograma no R, confira este exercício prático do DataCamp.

O que é um histograma?

Um histograma é um gráfico muito popular usado para mostrar distribuições de frequência em variáveis contínuas (numéricas). Os histogramas nos permitem ver o número de observações nos dados dentro dos intervalos que a variável abrange.

Os histogramas são semelhantes aos gráficos de barras. Uma diferença importante entre os dois é que os gráficos de barras têm um valor associado a uma categoria específica ou variável discreta, enquanto um histograma visualiza frequências para variáveis contínuas. 

Configuração de dados para histogramas

Usaremos esse conjunto de dados de moradia que inclui detalhes sobre diferentes listagens de casas, inclusive o tamanho da casa, o número de cômodos, o preço e as informações de localização. Podemos ler os dados usando a função read.csv(), seja diretamente do URL ou baixando o arquivo csv em um diretório e lendo-o em nosso armazenamento local. Também podemos especificar que queremos armazenar apenas as colunas que nos interessam neste tutorial: preço e condição.

home_data <- read.csv("https://raw.githubusercontent.com/rashida048/Datasets/master/home_data.csv")[ ,c('price', 'condition')]

Vamos examinar as primeiras linhas de dados usando a função head()

head(home_data, 5)

Criando histogramas com o Base R

Em seguida, criaremos um histograma usando a função hist() para analisar a distribuição de preços em nosso conjunto de dados.

hist(home_data$price)

Histograma básico de preços de imóveis residenciais. Imagem do autor.

Adição de estatísticas descritivas

Podemos adicionar estatísticas descritivas ao histograma usando a função abline(). Isso adiciona uma linha vertical ao gráfico.

• Defina o argumento v como a posição no eixo x para a linha vertical. Aqui, obtemos o preço médio dos imóveis usando mean().
• O argumento col define a cor da linha, nesse caso, para vermelho.
• O argumento lwd define a largura da linha. Um valor de 3 aumenta a espessura da linha para facilitar a visualização.

hist(home_data$price)

abline(v = mean(home_data$price), col='red', lwd = 3)

Plotagem de densidades de probabilidade

Para adicionar uma linha de densidade de probabilidade ao histograma, primeiro alteramos o eixo y para que seja dimensionado de acordo com a densidade. Na chamada para hist(), definimos o argumento probability como TRUE.

A linha de densidade de probabilidade é criada com uma combinação de density(), que calcula a posição da curva de densidade de probabilidade, e lines(), que adiciona a linha ao gráfico existente.

hist(home_data$price, probability = TRUE)
abline(v = mean(home_data$price), col='red', lwd = 3)
lines(density(home_data$price), col = 'green', lwd = 3)

Histograma de preços de imóveis residenciais com a média destacada. Imagem do autor.

Observe que os números no eixo y foram alterados.

Personalização da cor

Podemos alterar as cores dentro dos compartimentos no histograma usando o parâmetro col da função hist(). Vamos alterar o preenchimento para azul. Você também pode alterar a cor do contorno das barras usando o parâmetro border. Alteraremos a cor dos contornos para branco.

hist(home_data$price, col = 'blue', border = "white")

Histograma de preços de imóveis residenciais com adição de cor. Imagem do autor.

Adição de rótulos e títulos

Podemos alterar os rótulos do gráfico para torná-lo mais legível e apresentável. Isso é útil se você compartilhar o gráfico com outras pessoas.

• xlab define o rótulo do eixo x
• ylab define o rótulo do eixo y
• main define o título do gráfico

hist(home_data$price, xlab = 'Price (USD)', ylab = 'Number of Listings', main = 'Distribution of House Prices')