13  Gráficos

Status 🟨🟨🟨

13.1 Introdução

R oferece uma série de funções nativas para criação de gráficos. Estas funções possuem muitos parâmetros que permitem melhorar visualamente as apresentações dos gráficos.

13.2 Função Plot

A função plot, do pacote graphics, é uma função que gera gráficos de dispersão e oferece uma gama de opções para customização. Mas vejamos primeiro um exemplo mínimo.

Os argumentos x e y são usados nas coordenadas e já são suficientes para a geração do. Por padrão o gráfico gerado é de pontos (argumento type = "p").

df_aprovacoes <- readRDS('data/aprovacoes_por_porte_de_empresa.RDS')

plot(x = df_aprovacoes$ANO, y = df_aprovacoes$GRANDE)

Podemos incluir diversos elementos no gráfico, por exemplo, main é o argumento que define o título, enquanto que xlab e ylab são os labels dos eixos e col define a cor. Note que o R possui muitas cores que podem ser identificadas como strings. Você pode ver as disponíveis com a função colors.

plot(df_aprovacoes$ANO, df_aprovacoes$GRANDE, 
     col ='brown3', main = 'Gráfico - Aprovações - Porte: Grande', 
     xlab = 'Ano', ylab = 'Valor Aprovado')

Veja que o gráfico foi exibido com pontos para os valores. O parâmetro type permite outras opções:

  • p (padrão): pontos

  • l: linhas

  • b: pontos e linhas

  • c: pontos ‘vazios’ ligados por linhas

Obviamente, nem todos os tipos de gráficos se enquadram para todos os tipos de dados. Se usarmos um gráfico de pontos e linhas nos dados do exemplo acima, as linhas não farão muito sentido, pois elas farão a ligação entre os pontos.

plot(df_aprovacoes$ANO, df_aprovacoes$GRANDE, 
     type = 'b',
     col ='brown3', 
     main = 'Gráfico - Aprovações - Porte: Grande', 
     xlab = 'Ano', ylab = 'Valor Aprovado')

Vamos criar gráfico de linhas com a base de dados da Taxa Selic Acumulado no Mês divulgada pelo Banco Central do Brasil. Vamos utilizar os parâmetros lty (de line type) para determinar o tipo de linha e lwd (de line width) para determinar a largura da linha.

df_taxa_selic <- read.csv2('./data/csv_serie_sgs_4390.csv',
                           dec = ',', quote = '\"',
                           col.names = c('DATA', 'SELIC'))

# formatar data
df_taxa_selic$DATA <- as.Date(df_taxa_selic$DATA, format = '%d/%m/%Y')

# filtrar a partir de 2017
df_taxa_selic <- df_taxa_selic |> 
  subset(DATA >= '2017-01-01')

plot(df_taxa_selic$DATA, df_taxa_selic$SELIC, 
     type = 'b', col ='firebrick3', lty = 3, lwd = 1.5,
     main = 'Taxa Selic Acumulada Mensal', 
     xlab = 'Data', ylab = 'Selic Acumulada (% a.m.)')

13.3 Função Hist

Abaixo um exemplo de um histograma:

hist(df_taxa_selic$SELIC, col ='cyan4', 
     main = 'Selic', 
     xlab = 'Taxa Selic',
     ylab = 'Qtde')

hist(df_aprovacoes$PEQUENA, col = 'cyan3', 
   main = 'Aprovações - Porte: Pequena', 
   xlab = 'Valor - Aprovações',
   ylab = 'Qtde')

Com o argumento breaks podemos controlar quantas divisões serão exibidas no histograma.

hist(df_aprovacoes$PEQUENA, col = 'cyan3', 
   main = 'Aprovações - Porte: Pequena', 
   xlab = 'Valor - Aprovações',
   ylab = 'Qtde',
   breaks = 20)

Kassambara (s.d.)

Schmuller (2019)

Última atualização: 11/10/2024 - 21:51:03