A continuación, se presenta una guía de gráficos diseñada para explorar y describir el comportamiento de los datos. La guía está organizada según la cantidad y el tipo de variables que se desean visualizar. Se muestra el gráfico creado usando el paquete base de R y usando el paquete ggplot, el cual se instala mediante el comando install.packages("ggplot2")
Para obtener información más detallada sobre el uso y las configuraciones adicionales de las funciones empleadas, se utiliza ?nombre_funcion en la consola de R. Además, en el sitio web R Charts se encuentra disponible una amplia variedad de gráficos y recursos de interés relacionados.
# Paquete base
conteo <- table(Base_prueba_aspirantes$ESTRATO_ORIG) # Tabla de frecuencias
barplot(conteo, # Datos
main = "Gráfico de barras por estrato", # Título
xlab = "", ylab = "Frecuencia", # Títulos de los ejes
ylim = c(0, max(conteo)*1.1), # Rango del eje y
col = "skyblue", # Color de las barras
space = 1, # Espacio entre las barras
las = 2) # Orientación de las etiquetas del eje X
# ggplot
library(ggplot2)
ggplot(Base_prueba_aspirantes, aes(x = ESTRATO_ORIG)) + # Datos y ejes
geom_bar(fill = "skyblue", color = "black", width = 0.5) + # Configuración de las barras
labs(title = "Gráfico de barras por estrato", x = "Estrato", y = "Frecuencia") + # Títulos
theme_minimal() + # Tema
theme(axis.text.x = element_text(angle = 45, hjust = 1),
plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
plot.subtitle = element_text(hjust = 0.5, size = 12),
legend.position = "top") 
# Paquete base
conteo <- sort(table(Base_prueba_aspirantes$DEP_NAC), decreasing = FALSE) # Tabla de frecuencias ordenada
par(mar = c(5, 12, 1, 5)) # Ajusta las márgenes
barplot_heights <- barplot(conteo, # Datos
horiz = TRUE, # Barras horizontales
las = 1, # Orientación de las etiquetas del eje X
col = "skyblue", border = "white", # Configuración de las barras
main = "Gráfico de barras por departamentos de nacimiento", # Título
xlab = "Frecuencia", ylab = "", # Títulos de los ejes
xlim = c(0, max(conteo)*1.1), # Rango del eje X
cex.names = 0.5, # Ajusta tamaño de etiquetas
cex.axis = 0.8, # Ajusta tamaño de ejes
cex.main = 1.1) # Ajusta tamaño del título
text(x = conteo, # Etiquetas de la frecuencia
y = barplot_heights, # Altura correspondiente a las barras
labels = conteo, # Valores de frecuencia
cex = 0.6, # Tamaño de texto
pos = 4) # Posición del texto a la derecha
# ggplot
library(ggplot2)
Base_prueba_aspirantes %>%
mutate(DEP_NAC = stringr::str_wrap(DEP_NAC, width = 30)) %>% # Ajusta etiquetas largas con saltos de línea
count(DEP_NAC, sort = TRUE) %>% # Conteo
drop_na() %>% # Elimina datos faltantes
ggplot(aes(x = reorder(DEP_NAC, n), y = n)) + # Ejes
geom_bar(stat = "identity", fill = "skyblue") + # Configuración de las barras
geom_text(aes(label = round(n, 0)), hjust = -0.2, size = 3) + # Etiquetas del conteo
labs(title = "Gráfico de barras por departamentos de nacimiento", x = "", y = "Frecuencia") + # Títulos
scale_y_continuous(limits = c(0, max(conteo)*1.1)) + # Rango del eje X
coord_flip() + # Vuelve las barras horizontales
theme_minimal() + # Tema
theme(axis.text.y = element_text(angle = 0, hjust = 1, size = 6)) +
theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
plot.subtitle = element_text(hjust = 0.5, size = 12),
legend.position = "top") 
# Paquete base
conteo <- table(Base_prueba_aspirantes$SEXO) # Tabla de frecuencias
pie(conteo, # Datos
main = "Gráfico circular por sexo", # Título
col = c("skyblue","plum"), border= "white", # Colores
labels = paste(names(conteo), ":", round(prop.table(conteo) * 100, 2), "%"), # Etiquetas
cex = 1.1) # Tamaño de las etiquetas
# ggplot
library(ggplot2)
Base_prueba_aspirantes %>%
count(SEXO) %>% # Conteo
mutate(percentage = n / sum(n) * 100) %>% # Calculo del porcentaje
ggplot(aes(x = "", y = percentage, fill = SEXO)) + # Ejes
geom_bar(stat = "identity") +
coord_polar("y") + # Convierte a coordenadas polares
geom_text(aes(label = paste0(round(percentage, 2), "%")),
position = position_stack(vjust = 0.5), size = 5) + # Ajusta posición y tamaño de las etiquetas
labs(title = "Gráfico circular por sexo", fill = "Sexo") + # Títulos
scale_fill_manual(values = c("Hombres" = "skyblue", "Mujeres" = "plum")) + # Colores
theme_void() + # Tema
theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
plot.subtitle = element_text(hjust = 0.5, size = 12),
legend.position = "right") 
# Paquete base
hist(Base_prueba_aspirantes$PTOTAL, # Datos
main = "Histograma del puntaje total", # Título
xlab = "Puntaje total", ylab = "Frecuencia", # Título de los ejes
xlim = c(-20,1000), # Rango del eje X
col = "skyblue", border = "white") # Color de las barras
# ggplot
library(ggplot2)
Base_prueba_aspirantes %>%
select(PTOTAL) %>%
drop_na() %>% # Elimina datos faltantes
ggplot(aes(x = PTOTAL)) + # Eje
geom_histogram(binwidth = 50, fill = "skyblue", color = "white") + # Configuración de las barras
labs(title = "Histograma del puntaje total", x = "Puntaje total", y = "Frecuencia") + # Títulos
theme_minimal() + # Tema
theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
plot.subtitle = element_text(hjust = 0.5, size = 12),
legend.position = "right")
# Paquete base
densidad_edad <- density(Base_prueba_aspirantes$EDAD_MOD, na.rm = TRUE) # Calculo de la densidad
plot(densidad_edad, # Datos
main = "Gráfico de densidad de la edad de los aspirantes", # Título
xlab = "Edad", ylab = "Densidad", # Títulos de los ejes
col = "blue", # Color de la línea
lwd = 2, # Grosor de la línea
cex.main = 1.1, # Tamaño del título
cex.lab = 1, # Tamaño de las etiquetas de los ejes
cex.axis = 0.9) # Tamaño de los números en los ejes
polygon(densidad_edad, col = "skyblue", border = "blue") # Agregar el área bajo la curva (relleno)
# ggplot
library(ggplot2)
Base_prueba_aspirantes %>%
select(EDAD_MOD) %>%
drop_na() %>% # Elimina datos faltantes
ggplot(aes(x = EDAD_MOD)) + # Ejes
geom_density(fill = "skyblue", color = "blue", alpha = 1) + # Densidad con relleno y borde
labs(title = "Gráfico de densidad de la edad de los aspirantes", x = "Edad", y = "Densidad") + # Títulos
theme_minimal() + # Tema
theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
axis.title = element_text(size = 12),
axis.text = element_text(size = 10))
# Paquete base
boxplot(Base_prueba_aspirantes$PTOTAL, # Datos
main = "Boxplot del puntaje total", ylab = "Puntaje total", # Títulos
col = "skyblue", # Color de la caja
pch = 19, # Tipo de punto para los outliers
cex = 0.5) # Tamaño de los outliers
# ggplot
library(ggplot2)
Base_prueba_aspirantes %>%
select(PTOTAL) %>%
drop_na() %>% # Elimina datos faltantes
ggplot(aes(y = PTOTAL)) + # Eje
geom_boxplot(fill = "skyblue", color = "black", # Configuración de la caja
outlier.shape = 19) + # Configuración de datos atípicos
labs(title = "Boxplot del puntaje total", y = "Puntaje total") +
theme_minimal() + # Tema
theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
axis.title = element_text(size = 12),
axis.text = element_text(size = 10))
# Paquete base
conteo <- table(Base_prueba_aspirantes$SEXO,
factor(Base_prueba_aspirantes$CAT_EDAD,levels = rev(levels(Base_prueba_aspirantes$CAT_EDAD)))) # Tabla de frecuencias
par(mar = c(5, 10, 4, 2)) # Ajusta las márgenes
bar_positions <- barplot(conteo, # Datos
beside = TRUE, # No apilar barras
horiz = TRUE, # Barras horizontales
col = c("skyblue", "plum"), border = "white", # Colores de las barras
main = "Gráfico de barras de los grupos de edad por sexo", # Título
xlab = "Frecuencia", ylab = "", # Títulos de los ejes
xlim = c(0, max(conteo)*1.1), # Rango del eje X
las = 1, # Orientación de las etiquetas del eje Y
cex.main = 1.2, cex.lab = 1, cex.axis = 0.7, cex.names = 0.8, # Tamaños
legend.text = TRUE, # Incluir leyenda
args.legend = list(x = "top", # Posición de la leyenda
title = "", horiz = TRUE,
bty = "n", # Sin borde en la leyenda
cex = 0.9, # Tamaño del texto de la leyenda
inset = -0.15)) # Ajusta el espacio hacia abajo si es necesario
text(x = conteo, # Posición X
y = bar_positions, # Posición en Y
labels = conteo, # Valores de frecuencia
cex = 0.6, pos = 4) # Tamaño y posición de las etiquetas
# ggplot
library(ggplot2)
Base_prueba_aspirantes %>%
count(CAT_EDAD, SEXO, sort = TRUE) %>% # Conteo
ggplot(aes(x = reorder(CAT_EDAD, n), y = n, fill = SEXO)) + # Ejes
geom_bar(stat = "identity", position = position_dodge(width = 0.9), width = 0.8) + # Configuración de las barras
geom_text(aes(label = round(n, 0)), position = position_dodge(width = 0.9),
hjust = -0.2, size = 2.5) + # Configuración de la etiquetas de conteo
labs(title = "Gráfico de barras de los grupos de edad por sexo", # Título
x = "Grupo de edad", y = "Frecuencia", fill = "") + # Títulos de los ejes
scale_fill_manual(values = c("Hombres" = "skyblue", "Mujeres" = "plum")) + # Colores
coord_flip() + # Barras horizontales
theme_minimal() + # Tema
theme(axis.text.y = element_text(angle = 0, hjust = 1),
plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
plot.subtitle = element_text(hjust = 0.5, size = 12),
legend.position = "top")
Si se desea contruir el gráfico con barras apiladas en lugar de barras paralelas, se debe ajustar el argumento beside = FALSE en la función barplot y ajustar la posición de las etiquetas. Por otro lado, usando ggplot se debe reemplazar position_dodge(width = 0.9) por position = "stack" en geom_bar y por position = position_stack(vjust = 0.5) en geom_text respectivamente.
# Paquete base
plot(iris$Sepal.Length, iris$Petal.Length, # Datos
main = "Gráfico de dispersión entre Sepal.Length y Petal.Length", # Título
xlab = "Sepal.Length", ylab = "Petal.Length", # Títulos de los ejes
pch = 16, cex = 1, col = "skyblue") # Tipo, tamaño y color de los puntos
abline(lm(Petal.Length ~ Sepal.Length, data = iris), # Agrega la línea de regresión
col = "black", lwd = 1, lty = 2) # Color, grosor y tipo de la línea
# ggplot
library(ggplot2)
iris %>%
dplyr::select(Sepal.Length, Petal.Length) %>%
drop_na() %>% # Elimina datos faltantes
ggplot(aes(x = Sepal.Length, y = Petal.Length)) +
geom_point(color = "skyblue", alpha = 0.6) + # Configuración de los puntos
geom_smooth(method = "lm", color = "black", se = FALSE, size = 0.5, linetype = "dashed") + # Línea de regresión
labs(title = "Gráfico de dispersión entre Sepal.Length y Petal.Length", # Título
x = "Sepal.Length", y = "Petal.Length") + # Títulos de los ejes
theme_minimal() + # Tema
theme(plot.title = element_text(hjust = 0.5, size = 16, face = "bold"),
plot.subtitle = element_text(hjust = 0.5, size = 12),
legend.position = "top") 
library(corrplot)
iris %>% select(1,2,3,4) %>% cor() %>% # Calculo de la matriz de correlación
corrplot.mixed(upper = "circle", # Triángulo superior
lower = "number", # Triángulo inferior
tl.col = "black", tl.cex = 0.8, # Color y tamaño de las etiquetas
upper.col = colorRampPalette(c("skyblue", "plum"))(20), # Colores de los círculos
lower.col = colorRampPalette(c("skyblue", "plum"))(20), # Colores de los números
title = "Matriz de Correlación", # Título
mar = c(0, 0, 1, 0)) # Márgenes
# Paquete base
conteo <- table(Base_prueba_aspirantes$YEAR) # Conteo por año
plot(names(conteo), conteo,
type = "b", col = "skyblue", pch = 19, cex = 1, lwd = 2, # Configuración de puntos y líneas
main = "Serie de tiempo anual", xlab = "Año", ylab = "Número de aspirantes", # Títulos
ylim = c(0, max(conteo)*1.1), xaxt = "n") # Rango del eje Y
axis(1, names(conteo), las = 2) # Ajusta las etiquetas del eje X
axis(2, seq(from = 0, to = 350, by = 50), las = 1) # Ajusta las etiquetas del eje Y
text(names(conteo), conteo, labels = conteo, pos = 3, col = "black", cex = 0.8) # Agrega etiquetas a cada punto
# ggplot
library(ggplot2)
Base_prueba_aspirantes %>%
group_by(YEAR) %>% count() %>% # Conteo por año
ggplot(aes(x = YEAR, y = n)) + # Ejes
geom_line(color = "skyblue", size = 1) + # Línea de la serie de tiempo
geom_point(color = "skyblue", size = 2) + # Puntos en cada fecha
geom_text(aes(label = n), vjust = -1, color = "black", size = 3) + # Etiquetas en cada punto
labs(title = "Serie de tiempo anual", x = "Año", y = "Número de aspirantes") + # Títulos
scale_y_continuous(limits = c(0, max(conteo)*1.1)) + # Rango del eje Y
theme_minimal() + # Tema
theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))
# ggplot
library(ggplot2)
Medias <- Base_prueba_aspirantes %>%
group_by(ESTRATO) %>%
summarize(mean_ptotal = mean(PTOTAL, na.rm = TRUE), n = n()) # Calcula la media y el número de observaciones
Base_prueba_aspirantes %>%
select(PTOTAL, ESTRATO) %>%
drop_na() %>% # Elimina datos faltantes
ggplot(aes(x = PTOTAL, fill = factor(ESTRATO))) + # Ejes
geom_density(alpha = 0.6) + # Densidades con transparencia
geom_vline(data = Medias, aes(xintercept = mean_ptotal),
linetype = "dotted", color = "skyblue", size = 1) + # Líneas verticales para la media
geom_label(data = Medias,
aes(x = mean_ptotal, y = 0, label = paste("Promedio:", round(mean_ptotal, 0), " - # Obs:", n)),
angle = 0, color = "skyblue", fill = "white", size = 3, label.padding = unit(0.2, "lines")) + # Etiquetas
labs(title = "Gráfico de densidades del puntaje total por estrato", # Título
x = "Puntaje Total", y = "Densidad", fill = "Estrato") + # Títulos de los ejes
scale_fill_brewer(palette = "Set2") + # Paleta de colores
facet_wrap(~ESTRATO, scales = "free") + # Separar distribuciones
theme_minimal() + # Tema
theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
plot.subtitle = element_text(hjust = 0.5, size = 12),
legend.position = "top") 
Por supuesto, en este caso es posible reemplazar el gráfico de densidades por otro tipo de gráficos, por ejemplo, histogramas.
# Paleta de colores
library(paletteer)
# Paquete base
datos <- na.omit(Base_prueba_aspirantes[, c("INS_SEDE_NOMBRE", "PTOTAL")]) # Selecciona variables y elimina datos faltantes
boxplot(PTOTAL ~ INS_SEDE_NOMBRE, # Fórmula > v. cuantitativa ~ v. cualitativa
data = datos,
main = "Boxplot del puntaje total por sede de inscripción", # Título
xlab = "Sede", ylab = "Puntaje total", # Títulos de los ejes
col = paletteer_d("ggsci::blue_material"), border = "black", # Colores de las cajas
outline = TRUE, outcol = "black", outpch = 8, cex = 0.5, # Configuración de los valores atípicos
las = 2, cex.axis = 0.7) # Configuración de los ejes
means <- tapply(datos$PTOTAL, datos$INS_SEDE_NOMBRE, mean, na.rm = TRUE) # Calcula la media de cada boxplot
points(1:length(means), means, pch = 23, bg = "white", cex = 1.2) # Punto de la media en blanco
library(ggplot2)
Base_prueba_aspirantes %>%
select(INS_SEDE_NOMBRE, PTOTAL) %>%
drop_na() %>% # Elimina datos faltantes
ggplot(aes(x = factor(INS_SEDE_NOMBRE), y = PTOTAL, fill = factor(INS_SEDE_NOMBRE))) +
geom_boxplot(alpha = 0.7, outlier.color = "black", outlier.shape = 8, outlier.size = 0.5) + # Boxplot con valores atípicos
stat_summary(fun = "mean", geom = "point", shape = 23, size = 2, fill = "white") + # Mostrar la media
scale_fill_manual(values = paletteer_d("ggsci::blue_material")) + # Paleta de colores
labs(title = "Boxplot del puntaje potal por sede de inscripción", # Título
x = "Sede", y = "Puntaje total", fill = "Sede") + # Título de los ejes
theme_minimal() + # Tema
theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
axis.text.x = element_text(angle = 45, hjust = 1))