CURSOS DE VERANO 2014

TÍTULO DEL CURSO

TÍTULO PONENCIA

NOMBRE PROFESOR

APROXIMACIÓN PRÁCTICA A LA CIENCIA DE DATOS Y BIG

DATA: HERRAMIENTAS KNIME, R, HADOOP Y MAHOUT

Visualización de datos con R

Francisco Charte Ojeda

Epígrafe o tema Contenidos

Gráficos básicos

Histogramas

Agrupación de gráficos

Almacenamiento de gráficos

Introducción a ggplot2

Otras posibilidades gráficas

>> graficosBasicos.R <<

>> graficosAvanzados.R <<

Epígrafe o tema Gráficos básicos ► Nube de puntos

plot(iris$Petal.Length, iris$Petal.Width, col = iris$Species, pch = 19, xlab = 'Longitud del pétalo', ylab = 'Ancho del pétalo')

title(main = 'IRIS', sub = 'Pétalos según specie', col.main = 'blue', col.sub = 'blue')

legend("bottomright", legend = levels(iris$Species), col = unique(iris$Species), ncol = 3, pch = 19, bty = "n")

1 2 3 4 5 6 7

0.5

1.0

1.5

2.0

2.5

Longitud del pétalo

An

ch

o d

el p

éta

lo

setosa versicolor virginicasetosa versicolor virginica

IRIS

Exploración de los pétalos según especie

Epígrafe o tema Gráficos básicos ► Gráfico de cajas (bigotes)

plot(iris$Petal.Length ~ iris$Species)

setosa versicolor virginica

12

34

56

7

iris$Species

iris

$P

eta

l.L

en

gth

setosa versicolor virginica1

23

45

67

IRIS

Análisis de pétalo por familia

Lo

ng

itu

d p

éta

lo

boxplot(iris$Petal.Length ~ iris$Species)

title(main = 'IRIS', ylab = 'Longitud pétalo', sub = 'Análisis de pétalo por familia')

Epígrafe o tema Gráficos básicos ► Líneas

Fri Mon Sat Sun Tue

21

24

27

30

33

36

39

42

45

48

Precio de cierre según día

Día

Pre

cio

fin

al

$€

plot(meanPricesUS, type = "o", axes = F, ann = F, col = "blue")

lines(meanPricesEUR,type="o",col="red")

axis(1, at=1:length(meanPricesUS), lab = names(meanPricesUS))

axis(2, at = 3*0:rango[2], las = 1)

title(main='Precio de cierre según día', xlab = 'Día', ylab = 'Precio final')

legend("bottomright", c("$","€"), col = c("blue","red"), lty = c(1,1))

Epígrafe o tema Gráficos básicos ► Barras

barplot(sapply( endPricePerDay$EUR, length), col = rainbow(7))

title(main = 'Operaciones por día')

Fri Mon Sat Sun Thu Tue Wed

02

04

06

08

01

00

Número de operaciones por dia

Epígrafe o tema Gráficos básicos ► Barras

Accu

racy

Pre

cis

ion

RAkEL-BRLP-J48IBLR-MLHOMERCLRBR-J48

0.0 0.1 0.2 0.3 0.4 0.5 0.6

accuracy <- aggregate( Accuracy ~ Algorithm, results, mean) precision <- aggregate( Precision ~ Algorithm, results, mean) valMedios <- matrix(c( precision$Precision, accuracy$Accuracy), nrow=6, ncol=2) rownames(valMedios) <- accuracy$Algorithm

barplot(valMedios, beside=T, horiz=T, col = cm.colors(6), legend.text=T, names.arg = c('Accuracy', 'Precision'))

Epígrafe o tema Gráficos básicos ► Sectores (circular o tarta)

177

178

54

18

119

37239

36

Productos por categoría

Antique/Art/CraftAutomotive

BooksBusiness/Industrial

Clothing/AccessoriesCoins/Stamps

CollectiblesComputer

opPorCategoria <- aggregate( ClosePrice ~ Category, ebay,length)[1:8,]

colores <- topo.colors(length( opPorCategoria$Category))

pie(opPorCategoria$ClosePrice, labels=opPorCategoria$ClosePrice, col=colores, main='Productos por categoría')

legend("bottom", opPorCategoria$Category, cex=0.6, fill=colores, ncol=4)

Epígrafe o tema Histogramas ► Frecuencia

Elevación del terreno

Metros

Fre

qu

en

cy

2000 2500 3000 3500 4000

05

00

00

10

00

00

15

00

00 hist(covertype$elevation,

breaks = 12, col = rainbow(12), main = 'Elevación del terreno', xlab = 'Metros')

Epígrafe o tema Histogramas ► Frecuencia

Elevación del terreno

Metros

Fre

qu

en

cy

2000 2500 3000 3500

05

00

01

00

00

15

00

02

00

00 histograma <- hist(covertype$elevation,

breaks = 100)

plot(histograma, col = ifelse(histograma$breaks < 2500, 'green', ifelse(histograma$breaks > 3000, "red", "blue")), main = 'Elevación del terreno', xlab = 'Metros')

Epígrafe o tema Histogramas ► Densidad

plot(density(rnorm(1000), adjust = 3), col = 'blue', lwd = 4, main = 'Distribución normal', xlab = 'Valores')

-4 -2 0 2 4

0.0

00

.10

0.2

00

.30

Distribución normal

Valores

De

nsity

Epígrafe o tema Histogramas ► Histograma + Densidad

Elevación del terreno

Metros

De

nsity

2000 2500 3000 3500

0.0

00

00

.00

05

0.0

01

00

.00

15

hist(covertype$elevation, prob = T, col = "grey", main = 'Elevación del terreno', xlab = 'Metros')

lines(density(covertype$elevation, adjust = 5), col = 'black', lwd = 3)

Epígrafe o tema Histogramas ► Histogramas de objetos compuestos

hist(iris)

Sepal.Length

Fre

quency

4 5 6 7 8

05

10

20

30

n:150 m:0Sepal.Width

Fre

quency

2.0 3.0 4.0

020

40

60

n:150 m:0Petal.Length

Fre

quency

1 3 5 70

10

20

30

40

50

n:150 m:0

Petal.Width

Fre

quency

0.0 1.0 2.0

010

20

30

40

50

n:150 m:0

virginica

versicolor

setosa

30 70

Frequencies for Species

Epígrafe o tema Agrupación de gráficos ► Proyecciones 2D

Sepal.Length

2.0 3.0 4.0 0.5 1.5 2.5

4.5

6.0

7.5

2.0

3.0

4.0

Sepal.Width

Petal.Length1

35

7

4.5 6.0 7.5

0.5

1.5

2.5

1 3 5 7

Petal.Width

plot(iris[ ,1:4], col = iris$Species)

Epígrafe o tema Agrupación de gráficos ► mfrow/mfcol

4.5 5.5 6.5 7.5

2.0

3.0

4.0

iris$Sepal.Lengt

iris

$S

epal.W

idth

1 2 3 4 5 6 7

0.5

1.5

2.5

iris$Petal.Lengt

iris

$P

eta

l.W

idth

4.5 5.5 6.5 7.5

0.5

1.5

2.5

iris$Sepal.Lengt

iris

$P

eta

l.W

idth

1 2 3 4 5 6 7

2.0

3.0

4.0

iris$Petal.Lengt

iris

$S

epal.W

idth

prev <- par(mfrow=c(2,2)) plot(iris$Sepal.Length, iris$Sepal.Width, col=iris$Species) plot(iris$Petal.Length, iris$Petal.Width, col=iris$Species) plot(iris$Sepal.Length, iris$Petal.Width, col=iris$Species) plot(iris$Petal.Length, iris$Sepal.Width, col=iris$Species) par(prev)

Epígrafe o tema Agrupación de gráficos ► layout

# 2x2 con 3 gráficas layout(matrix(c(1,1,2,3), 2, 2, byrow = T)) # Gráfico 1 ocupa 1ª fila hist(ebay$Duration, main='Duración subasta', xlab='Días') # Gráfico 2 en 1ª col de 2ª fila barplot(sapply( endPricePerDay$EUR, length), col = rainbow(7), horiz=T,las=1) # Gráfico 3 en 2ª col de 2ª fila plot(meanPricesEUR, type="o")

Duración subasta

Días

Fre

quency

2 4 6 8 10

0400

800

FriMonSat

SunThuTue

Wed

0 20 40 60 80

Operaciones por día Precio cierre por día

Día

Euro

s

Fri

Mon

Sat

Sun

Thu

Tue

Wed

212427303336394245

Epígrafe o tema Almacenamiento de gráficos ► Opciones de RStudio

Epígrafe o tema Almacenamiento de gráficos ► Funciones de R

Generan un archivo en el formato adecuado

Mapas de bits: png(), bmp(), jpeg(), tiff()

Vectoriales: win.metafile()

Otros: postscript(), pdf()

Parámetros generales

filename, width, height, pointsize, quality

Desactivación de la salida al archivo

dev.off()

Ejemplo

pdf('Subastas.pdf', width=8.3, height=11.7) # A4 hist(iris) # Una gráfica por página dev.off() # Cerrar PDF

Epígrafe o tema Almacenamiento de gráficos ► Animaciones

Funciones en paquete animations

saveGIF(), saveVideo(), saveHTML(), saveLatex()

Ejemplo de uso

saveGIF({

for(lim in seq(-3.14,3.14,by=0.1))

curve(sin, from=lim, to=lim + 9.42)

}, movie.name="animacion.gif", interval=0.2, ani.width=640, ani.height=640)

Epígrafe o tema Introducción a ggplot2

Ventajas sobre los gráficos básicos

Estética mejorada y altamente personalizable

Mayor flexibilidad y control

Más facilidad para generar gráficos con datos complejos

Recursos necesarios

Instalar paquete ggplot2

Documentación en http://docs.ggplot2.org/current

ggplot2: Elegant Graphics for Data Analysis

Ejemplos disponibles en http://ggplot2.org/book

Epígrafe o tema Introducción a ggplot2 ► Nube de puntos

2.0

2.5

3.0

3.5

4.0

4.5

5 6 7 8

Sepal.Length

Se

pa

l.W

idth

Species

setosa

versicolor

virginica

Petal.Width

0.5

1.0

1.5

2.0

2.5

qplot(Sepal.Length, Sepal.Width, data=iris, colour=Species, size=Petal.Width)

Epígrafe o tema Introducción a ggplot2 ► Líneas

5

6

7

8

2 4 6

Petal.Length

Se

pa

l.L

en

gth

Species

setosa

versicolor

virginica

qplot(Petal.Length, Sepal.Length, data=iris, color=Species) + geom_line()

Epígrafe o tema Introducción a ggplot2 ► Nube de puntos + Curvas de regresión

qplot(Petal.Length, Petal.Width, data=iris, color=Species) + geom_point() + geom_smooth()

Epígrafe o tema

0.000

0.001

0.002

0.003

2000 2500 3000 3500

elevation

de

nsity

wilderness_area

1

2

3

4

Introducción a ggplot2 ► Densidad

qplot(elevation, data=covertype, geom="density", fill=wilderness_area)

Epígrafe o tema Introducción a ggplot2 ► Facets

# Representar 5 variables qplot(ClosePrice, sellerRating, data=ebay[ebay$endDay %in% c('Wed','Thu','Fri') & ebay$currency != 'US',], facets=currency ~ endDay, color=Duration)

Epígrafe o tema Introducción a ggplot2 ► Facets

Fri Mon Sat

Sun Thu Tue

0

5000

10000

15000

0

5000

10000

15000

EUR GBP US EUR GBP US EUR GBP US

currency

Clo

seP

rice

currency

EUR

GBP

US

qplot(currency, ClosePrice, data=ebay[ebay$endDay != 'Wed',], fill=currency) + geom_bar(stat='identity') + facet_wrap(~endDay)

Epígrafe o tema Otras posibilidades gráficas

Medio centenar de paquetes gráficos sólo en CRAN

http://cran.r-project.org/web/views/Graphics.html

Interacción con los gráficos desde navegador web

Shiny: http://shiny.rstudio.com/

Multitud de tipos de gráficas alternativas

circos, radar, 3D, etc.

Gráficos no generados a partir de datos

TurtleGraphics

Epígrafe o tema Otras posibilidades gráficas ► circlize

Epígrafe o tema Otras posibilidades gráficas ► radarchart (paquete fmsb)

1

1

1 1

1

emotions

corel

scene yeast

ebay

Epígrafe o tema Otras posibilidades gráficas ► scatterplot3d

Helix

-1.0 -0.5 0.0 0.5 1.0-10

-5

0

5

10

-1.0

-0.5

0.0

0.5

1.0

x

y

z

Epígrafe o tema Otras posibilidades gráficas ► lattice

X

Y

Z

Elevación del terreno

Epígrafe o tema Otras posibilidades gráficas ► TurtleGraphics

turtle_do({ for(j in 1:45) { for(i in 1:6) { turtle_forward(20) turtle_right(360/6) } turtle_right(360/45) }})

CURSOS DE VERANO 2014

TÍTULO DEL CURSO

TÍTULO PONENCIA

NOMBRE PROFESOR

APROXIMACIÓN PRÁCTICA A LA CIENCIA DE DATOS Y BIG

DATA: HERRAMIENTAS KNIME, R, HADOOP Y MAHOUT

Visualización de datos con R

Francisco Charte Ojeda