Visualização de dados em ggplot

# Workshop
## Visualização de dados com ggplot
<a href = "https://gdgarcia.ca" style="color: #FEC20B">Guilherme D. Garcia</a> | Université Laval • Centre for Research on Brain, Language & Music (CRBLM)

<a href = "http://ronaldolimajr.github.io" style="color: #FEC20B">Ronaldo Lima Jr.</a> | Universidade de Brasília • CNPq

---

## Boa tarde!

<p style="display: inline; color: red; font-weight: bold;">🎬 Este workshop será gravado</p>

Nosso programa para estes dois dias:

**Dia 1**: slides + scripts
- <mark>Dados contínuos</mark>
- Conceitos básicos
- Intro ao `ggplot2`
- Prática
]

**Dia 2**: scripts
- <mark>Dados categóricos</mark>
- Visualizando modelos
- Ajustes adicionais
- Prática

]

<br>

📝 O material será postado no link após final do workshop: <https://gdgarcia.ca/ggplot>

---

## Gráficos e comunicação eficiente

<a href="https://gdgarcia.ca/mobydick" target = "_blank">Código</a>

</div>

---

## Questionário

- Para começar, um quiz 
- Visite <https://forms.office.com/r/eg7M9cnzd8> ou use seu celular no QR abaixo

<br>

---

## Eficiência em gráficos

---

## Visualização de dados 😞

- Uma figura pouco eficiente : somente uma variável é mostrada (`Feedback`)
- Somente médias estão presentes; não temos ideia da incerteza dessas médias (e.g., erro padrão)

.pull-left[
<img src="index_files/figure-html/unnamed-chunk-3-1.svg" style="display: block; margin: auto;" />
]

.pull-right[
<img src="index_files/figure-html/unnamed-chunk-4-1.svg" style="display: block; margin: auto;" />
]

---

# Visualização de dados 😕

- Melhor, mas `Feedback` está completamente diferente agora
- Aqui, vemos o erro padrão também: demonstração [**aqui**](https://guilherme.shinyapps.io/stats101)

.pull-left[
<img src="index_files/figure-html/unnamed-chunk-5-1.svg" style="display: block; margin: auto;" />
]

.pull-right[
<img src="index_files/figure-html/unnamed-chunk-6-1.svg" style="display: block; margin: auto;" />
]

---

# Visualização de dados 🥰

- Melhor ainda: gráficos de caixa nos dão muito mais informação sobre a dispersão dos dados

.pull-left[
<img src="index_files/figure-html/unnamed-chunk-7-1.svg" style="display: block; margin: auto;" />
]

.pull-right[
<img src="index_files/figure-html/unnamed-chunk-8-1.svg" style="display: block; margin: auto;" />
]

---

# Visualização de dados 😍

- Agora também temos informação sobre a variável `Task` (aparentemente nenhuma interação com `Feedback`)
- A figura nos permite comparar efeitos de duas variáveis sobre `Score`

.pull-left[
<img src="index_files/figure-html/unnamed-chunk-9-1.svg" style="display: block; margin: auto;" />
]

.pull-right[
<img src="index_files/figure-html/unnamed-chunk-10-1.svg" style="display: block; margin: auto;" />
]

---

# Visualização de dados 🤯

- Agora adicionamos `L1` (means): sem efeito claro (texto esconde médias e erro padrão)
- Total de variáveis: `Score ~ Feedback + Task + L1` (todos os preditores são *categóricos* aqui)

.pull-left[
<img src="index_files/figure-html/unnamed-chunk-11-1.svg" style="display: block; margin: auto;" />
]

.pull-right[
<img src="index_files/figure-html/unnamed-chunk-12-1.svg" style="display: block; margin: auto;" />
]

---

# Visualização de dados 🤒

- Aqui vemos pontos individuais (muita informação)
- Variáveis: `Score ~ Feedback + Task + L1 + ID`

.pull-left[
<img src="index_files/figure-html/unnamed-chunk-13-1.svg" style="display: block; margin: auto;" />
]

.pull-right[
<img src="index_files/figure-html/unnamed-chunk-14-1.svg" style="display: block; margin: auto;" />
]

---

# Visualização em contexto

- Consideração importante: <p style="color: red; display: inline;">**onde**</p> estará a figura?
  - Slides?
  - Pôster?
  - Artigo?
  - Site?
- Tudo isso afeta o <p style="color: red; display: inline;">**conteúdo**</p> e a <p style="color: red; display: inline;">**estética**</p> de um gráfico

---

## Tipos de gráficos

---

## Preparação

- Dados utilisados: <mark>`english`</mark> (pacote `languageR`)

```r
data(english)
english = english |> 
  select(RTlexdec, Familiarity, Word, AgeSubject)
glimpse(english)
#> Rows: 4,568
#> Columns: 4
#> $ RTlexdec    <dbl> 6.543754, 6.397596, 6.304942, 6.424221, 6.450597, 6.531970…
#> $ Familiarity <dbl> 2.37, 4.43, 5.60, 3.87, 3.93, 3.27, 3.73, 5.67, 3.10, 4.43…
#> $ Word        <fct> doe, whore, stress, pork, plug, prop, dawn, dog, arc, skir…
#> $ AgeSubject  <fct> young, young, young, young, young, young, young, young, yo…
```

---

### y contínuo e x categórico

- Demonstração <a href = "https://guilherme.shinyapps.io/stats101" target = "_blank">**aqui**</a>

---

### y contínuo e x categórico

---

### y e x contínuos

---

### y e x contínuos + z categórico

<img src="index_files/figure-html/unnamed-chunk-19-1.png" width="95%" style="display: block; margin: auto;" />
]

- Terceira variável (idade) + cor em subtítulo

- Duas linhas de tendência

- Bom grau de informação e fácil leitura 😃

- Eixos podem melhorar (qual a escala de `$y$`?)  🤨

]

---

## Boas práticas

### Alguns pontos a considerar

- Gráfico apropriado aos dados

- Quantidade apropriada de informação

- Tamanho (e tipo) de fonte

- Clareza de variáveis

- Uso consistente de cores

- Alinhamento entre figura e análise

- Consistência ao longo do documento
]

- Definição apropriada (≥500 `dpi`) 🫠

]

---

## Exemplo não acadêmico: The Economist

]

]

---

## Exemplo acadêmico: resultado de modelo estatístico

- Combinação de efeito, intervalo, porcentagem de efeito na ROPE, e efeito misto ([Garcia & Guzzo 2022](https://jpl.letras.ulisboa.pt/article/id/8188/))

<br>

---

## Painéis (*facets*)

- Dados no **eixo y** comparados: um único eixo y com todos os painéis alinhados horizontalmente<sup>`*`</sup>
- Dados no **eixo x** comparados: painéis empilhados (*nomes de painéis podem ser longos demais*)
- Matriz se os dados de cada painel não estiverem relacionados ou se o espaço for muito pequeno

---

## Proporção de tela (*aspect ratio*)

- Uma figura quadrada evita viés visual na escolha dos eixos y e x<sup>`*`</sup>
- Uma figura quadrada deve ser considerada se os dois eixos têm algo em comum:
   + pré *vs* pós
   + dados observados *vs* valores previstos pelo modelo
   + mesmas unidades

---

## Eixos

- O eixo deve começar em 0 (a menos que haja um bom motivo para escolher outros intervalos)<sup>`*`</sup>
- Se os dados não contiverem valores negativos, o eixo não deverá se estender para valores negativos
- Se os dados exibidos forem comparáveis, os limites dos eixos deverão ser idênticos

---

## Legendas

- As legendas não devem atrair muita atenção
- Devem ser colocadas nas margens da figura
- Se a legenda se referir a objetos únicos (por exemplo, uma linha por grupo), colocar a legenda ao lado do objeto correspondente facilita a leitura
- *Colocar cores das legendas no título do gráfico (dia 2)*

---

### Exemplo

---

## Orientação

- Geralmente: variável preditora no eixo y e variável resposta no x
- **Tempo** também no eixo x (passado `$\rightarrow$` futuro, esquerda `$\rightarrow$` direita)
- No entanto: se há uma ordem nos dados a serem comparados, barras/caixas horizontais são mais intuitivas

---

### Exemplo

- Importante considerar questões estéticas: legendas com muito texto *vs.* dimensões da apresentação
- Outras questões: número de níveis de um fator, ângulo do texto, contexto da apresentação

---

## Elementos extras

- Informações redundantes devem ser retiradas (ex: repetir o eixo em painéis)
- Elemetnos extras devem ser adicionados apenas se ajudam na leitura/interpretação
  + ex: linha horizontal/vertical/diagonal no zero (ponto sem mudança)
  
---

### Exemplo

---

## Eixos lineares e logarítmicos

- Com dados comparados a um valor de referência, pode ser necessário transformar a escala em logarítmica, para que os valores acima e abaixo do valor de referência fiquem simétricos.

- Exemplo: nos gráficos a seguir (esq. linear, dir. log) metade dos dados está acima e metade abaixo do valor de referência

---

### Exemplo

---

## Mesmo exemplo com histogramas

---

## Dados e Modelos

- Com estatística inferencial, apresentar minimamente 
  + dados descritivos
  + valores previstos pelo modelo (idealmente, com dados sobrepostos)
  
--

`$\rightarrow$` Segundo dia do curso!

---
class: inverse, center, middle

## Introdução ao `ggplot2`

---

## Pacotes

- Antes de irmos ao RStudio: estes são os pacotes que usaremos

```r
library(tidyverse) # ggplot2, tidyr, etc.
library(Hmisc)     # para complementar estatística básica em ggplot2
library(scales)    # para eixos mais flexíveis
library(languageR) # dados
```

- Importante: há **outros** pacotes para visualização de dados. O `ggplot2` é apenas o mais completo

- `plotly`, `lattice`, `base`, `leaflet`, `ggvis`, ...

---

## Noção de camadas

- A ideia básica de um gráfico com `ggplot2` envolve <mark>**camadas**</mark>

- Camadas são ordenadas linearmente: a camada `$n$` será gerada *antes* de `$n+1$`

- A primeira camada (base) define a origem dos dados, que será "herdada" por outras camadas

```r
camada_base(dados, aes(x = ..., y = ..., color = ..., ...)) +
 camada_1() + 
 camada_2() +
 ...+
 camada_n()
```

- Apesar dessa "herança automática", camadas também podem ter certa independência

- Isso nos permite utilizar mais de uma base de dados ao mesmo tempo 🤯

---

## Introdução ao `ggplot2`

```r
ggplot(data = english, aes(x = AgeSubject,      # Camada de base: dados
                           y = RTlexdec)) + 
  stat_summary(geom = "bar", width = 0.5) +     # Camada que determina tipo de gráfico
  labs(x = "Idade", y = "Tempo de reação")      # Camada que nomeia os eixos
```

---

## Parte 2: Prática + exercícios no RStudio

---

## Link importante

- **Guarde o link abaixo** para o exercício que faremos mais tarde:

# <a href = "https://bit.ly/workshop-ggplot" target = "_blank">bit.ly/workshop-ggplot</a>

mark { background-color: #ffff88; color: black; } h-l { color: crimson; font-weight: bold; } @import url('https://fonts.googleapis.com/css?family=Fira+Code&display=swap'); pre, code { font-family: "Fira Code", "Monaco", monospace !important; } /* Center the contents of the iframe */ div.iframe-container { text-align: center; } /* Remove the iframe border */ iframe.d3-figure { border: none; display: block; margin: 0 auto; } /* Hide slide number on title slide */ .title-slide .remark-slide-number { display: none; }