Visualizando dados

# Visualizando dados
### <br></br>Renata Oliveira

---

layout: true
  
<div class="my-footer">
<span>
<a href="https://places.education" target="_blank">https://places.education</a>
</span>
</div>

---

## Retrospecto

---

## Modelo conceitual da análise de dados

![Modelo de Data Science](https://retaoliveira.github.io/relements/figures/dataR.png)

---

## Tipos de dados

- Os tipos de dados mais comuns são `character`, `numeric`, `factor`e `logical`.

## Tipos de classes de objetos no R

- As classes de organização dos dados mais comuns são `vector`, `list`, `matrix` e `dataframe`.

---

## RMarkdown

<img src="img/render.png" width="100%" style="display: block; margin: auto;" />
.footnote[
Alison Hill [Teaching in Production](https://rstudio-education.github.io/teaching-in-production/slides/index.html#1)
]

---

# O que é um conjunto de dados?

---

## Terminologia

- Cada linha é uma **observação**
- Cada coluna é uma **variável**

```r
starwars
```

```
## # A tibble: 87 x 14
##   name    height  mass hair_color skin_color eye_color birth_year
##   <chr>    <int> <dbl> <chr>      <chr>      <chr>          <dbl>
## 1 Luke S~    172    77 blond      fair       blue            19  
## 2 C-3PO      167    75 <NA>       gold       yellow         112  
## 3 R2-D2       96    32 <NA>       white, bl~ red             33  
## 4 Darth ~    202   136 none       white      yellow          41.9
## 5 Leia O~    150    49 brown      light      brown           19  
## 6 Owen L~    178   120 brown, gr~ light      blue            52  
## # ... with 81 more rows, and 7 more variables: sex <chr>,
## #   gender <chr>, homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>
```

---

## Luke Skywalker

![luke-skywalker](img/luke-skywalker.png)

## O que está no conjunto de dados StarWars??

Dê uma olhada `glimpse` nos dados:

```r
glimpse(starwars)
```

```
## Rows: 87
## Columns: 14
## $ name       <chr> "Luke Skywalker", "C-3PO", "R2-D2", "Darth V~
## $ height     <int> 172, 167, 96, 202, 150, 178, 165, 97, 183, 1~
## $ mass       <dbl> 77.0, 75.0, 32.0, 136.0, 49.0, 120.0, 75.0, ~
## $ hair_color <chr> "blond", NA, NA, "none", "brown", "brown, gr~
## $ skin_color <chr> "fair", "gold", "white, blue", "white", "lig~
## $ eye_color  <chr> "blue", "yellow", "red", "yellow", "brown", ~
## $ birth_year <dbl> 19.0, 112.0, 33.0, 41.9, 19.0, 52.0, 47.0, N~
## $ sex        <chr> "male", "none", "none", "male", "female", "m~
## $ gender     <chr> "masculine", "masculine", "masculine", "masc~
## $ homeworld  <chr> "Tatooine", "Tatooine", "Naboo", "Tatooine",~
## $ species    <chr> "Human", "Droid", "Droid", "Human", "Human",~
## $ films      <list> <"The Empire Strikes Back", "Revenge of the~
## $ vehicles   <list> <"Snowspeeder", "Imperial Speeder Bike">, <~
## $ starships  <list> <"X-wing", "Imperial shuttle">, <>, <>, "TI~
```

---

.midi[
.question[
Quantas linhas e colunas tem este conjunto de dados?   
O que representa cada linha?   
O que representa cada coluna?   
]
]

```r
?starwars
```

---

```r
nrow(starwars) # number of rows
```

```
## [1] 87
```

```r
ncol(starwars) # number of columns
```

```
## [1] 14
```

```r
dim(starwars)  # dimensions (row column)
```

```
## [1] 87 14
```
]

---

# Análise exploratória de dados

---

## O que é AED?

- A análise exploratória de dados (AED) é uma abordagem para analisar conjuntos de dados visando resumir suas principais características
- Muitas vezes, é possível de maneira visual - é nisto que nos vamos concentrar primeiro
- Mas também podemos calcular estatísticas resumidas e realizar discussões/manipulação/transformação de dados nesta (ou antes) fase da análise -- é nisto que nos concentraremos a seguir

---

## Massa vs. altura

.midi[
.question[ 
Como você descreveria a relação entre massa e altura dos personagens de Starwars?   
Que outras variáveis nos ajudariam a entender as observações nos dados que não seguem a tendência geral?   
Quem é o personagem não tão alto mas realmente rechonchudo?   
]
]
--

---

## Jabba!

---

# Data visualization

---

## Visualização de dados

> *"The simple graph has brought more information to the data analyst's mind than any other device." --- John Tukey*
- A visualização de dados é a criação e estudo da representação visual dos dados
- Muitas ferramentas para visualização de dados -- R é uma delas
- Muitas abordagens/sistemas dentro de R para fazer visualizações de dados -- **ggplot2*** é uma delas, e é isso que vamos usar

---

## ggplot2 `$\in$` tidyverse

.pull-left[
<img src="img/ggplot2-part-of-tidyverse.png" width="80%" style="display: block; margin: auto;" />
] 
.pull-right[ 
- Oggplot2*** é o pacote de visualização de dados do tidyverse 
- ggplot2" em "ggplot2" significa Gramática Gráfica 
- Inspirado no livro **Gramática de Gráficos** de Leland Wilkinson
]

---

## Gramática dos gráficos

.pull-left-narrow[
Uma gramática de gráficos é uma ferramenta que nos permite descrever de forma concisa os componentes de um gráfico
]
.pull-right-wide[
<img src="img/grammar-of-graphics.png" width="100%" style="display: block; margin: auto;" />
]

.footnote[ Source: [BloggoType](http://bloggotype.blogspot.com/2016/08/holiday-notes2-grammar-of-graphics.html)]

---

## Massa vs. altura

```r
ggplot(data = starwars, mapping = aes(x = height, y = mass)) +
  geom_point() +
  labs(title = "Mass vs. height of Starwars characters",
       x = "Height (cm)", y = "Weight (kg)")
```

```
## Warning: Removed 28 rows containing missing values (geom_point).
```

---

.question[ 
- Quais são as funções que fazem a plotagem?
- Qual é o conjunto de dados que está sendo plotado?
- Quais variáveis mapeiam quais características (estética) da plotagem?
- O que significa o aviso?<sup>+</sup>
]

```r
ggplot(data = starwars, mapping = aes(x = height, y = mass)) +
  geom_point() +
  labs(title = "Mass vs. height of Starwars characters",
       x = "Height (cm)", y = "Weight (kg)")
```

```
## Warning: Removed 28 rows containing missing values (geom_point).
```

---

## Hello ggplot2!

- ggplot() é a função principal no ggplot2
- As parcelas são construídas em camadas
- A estrutura do código para as parcelas pode ser resumida como

```r
ggplot(data = [dataset], 
       mapping = aes(x = [x-variable], y = [y-variable])) +
   geom_xxx() +
   other options
```

- O pacote ggplot2 vem com o pacote tidyverse

```r
library(tidyverse)
```

- Para ajuda com ggplot2, veja [ggplot2.tidyverse.org](http://ggplot2.tidyverse.org/)

---

# Por que visualizamos?

---

## O quarteto de Anscombe

```
##    set  x     y
## 1    I 10  8.04
## 2    I  8  6.95
## 3    I 13  7.58
## 4    I  9  8.81
## 5    I 11  8.33
## 6    I 14  9.96
## 7    I  6  7.24
## 8    I  4  4.26
## 9    I 12 10.84
## 10   I  7  4.82
## 11   I  5  5.68
## 12  II 10  9.14
## 13  II  8  8.14
## 14  II 13  8.74
## 15  II  9  8.77
## 16  II 11  9.26
## 17  II 14  8.10
## 18  II  6  6.13
## 19  II  4  3.10
## 20  II 12  9.13
## 21  II  7  7.26
## 22  II  5  4.74
```
] 
]

```
##    set  x     y
## 23 III 10  7.46
## 24 III  8  6.77
## 25 III 13 12.74
## 26 III  9  7.11
## 27 III 11  7.81
## 28 III 14  8.84
## 29 III  6  6.08
## 30 III  4  5.39
## 31 III 12  8.15
## 32 III  7  6.42
## 33 III  5  5.73
## 34  IV  8  6.58
## 35  IV  8  5.76
## 36  IV  8  7.71
## 37  IV  8  8.84
## 38  IV  8  8.47
## 39  IV  8  7.04
## 40  IV  8  5.25
## 41  IV 19 12.50
## 42  IV  8  5.56
## 43  IV  8  7.91
## 44  IV  8  6.89
```
]
]

---

## Resumindo o quarteto da Anscombe

```r
quartet %>%
  group_by(set) %>%
  summarise(
    mean_x = mean(x), 
    mean_y = mean(y),
    sd_x = sd(x),
    sd_y = sd(y),
    r = cor(x, y)
  )
```

```
## # A tibble: 4 x 6
##   set   mean_x mean_y  sd_x  sd_y     r
##   <fct>  <dbl>  <dbl> <dbl> <dbl> <dbl>
## 1 I          9   7.50  3.32  2.03 0.816
## 2 II         9   7.50  3.32  2.03 0.816
## 3 III        9   7.5   3.32  2.03 0.816
## 4 IV         9   7.50  3.32  2.03 0.817
```

---

## Visualizando o quarteto de Anscombe

---

## Idade no primeiro beijo

---

## Visitas ao Facebook

.question[ 
Como as pessoas estão relatando valores mais baixos versus valores mais altos de visitas da FB?
]

---
class: middle

# ggplot2 ❤️ 🐧

---

## ggplot2 `$\in$` tidyverse

.pull-left[
<img src="img/ggplot2-part-of-tidyverse.png" width="80%" style="display: block; margin: auto;" />
] 
.pull-right[ 
- **ggplot2** is tidyverse's data visualization package 
- Structure of the code for plots can be summarized as

```r
ggplot(data = [dataset], 
       mapping = aes(x = [x-variable], 
                     y = [y-variable])) +
   geom_xxx() +
   other options
```
]

---

## Data: Palmer Penguins

Medidas para espécies de pinguins, ilha no Arquipélago de Palmer, tamanho (comprimento da barbatana, massa corporal, dimensões do bico) e sexo.

.pull-left-narrow[
<img src="img/penguins.png" width="80%" style="display: block; margin: auto;" />
]
.pull-right-wide[

```r
library(palmerpenguins)
```

```
## Warning: package 'palmerpenguins' was built under R version 4.1.3
```

```r
glimpse(penguins)
```

```
## Rows: 344
## Columns: 8
## $ species           <fct> Adelie, Adelie, Adelie, Adelie, Adeli~
## $ island            <fct> Torgersen, Torgersen, Torgersen, Torg~
## $ bill_length_mm    <dbl> 39.1, 39.5, 40.3, NA, 36.7, 39.3, 38.~
## $ bill_depth_mm     <dbl> 18.7, 17.4, 18.0, NA, 19.3, 20.6, 17.~
## $ flipper_length_mm <int> 181, 186, 195, NA, 193, 190, 181, 195~
## $ body_mass_g       <int> 3750, 3800, 3250, NA, 3450, 3650, 362~
## $ sex               <fct> male, female, female, NA, female, mal~
## $ year              <int> 2007, 2007, 2007, 2007, 2007, 2007, 2~
```
]

---

.panelset[
.panel[.panel-name[Plot]
<img src="index_files/figure-html/unnamed-chunk-21-1.png" width="70%" style="display: block; margin: auto;" />
]
.panel[.panel-name[Código]

```
## Warning: Removed 2 rows containing missing values (geom_point).
```
]
]

---

# Codificação em voz alta

---

```r
*ggplot(data = penguins)
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-22-1.png" width="100%" style="display: block; margin: auto;" />
]

---

```r
ggplot(data = penguins,
*      mapping = aes(x = bill_depth_mm))
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-23-1.png" width="100%" style="display: block; margin: auto;" />
]

---

.midi[
> Comece com o dataframe `penguins`,
> atribua a largura do bico (bill depth) ao eixo x
> **e atribua o comprimento do bico (bill length) ao eixo y**
]

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
*                    y = bill_length_mm))
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-24-1.png" width="100%" style="display: block; margin: auto;" />
]

---

.midi[
> Comece com o dataframe `penguins`,
> atribua a largura do bico (bill depth) ao eixo x
> e atribua o comprimento do bico (bill length) ao eixo y.
> **Represente cada observação com um ponto**
]

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
                     y = bill_length_mm)) + 
* geom_point()
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-25-1.png" width="100%" style="display: block; margin: auto;" />
]

---

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
                     y = bill_length_mm,
*                    colour = species)) +
  geom_point()
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-26-1.png" width="100%" style="display: block; margin: auto;" />
]

---

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
                     y = bill_length_mm,
                     colour = species)) +
  geom_point() +
* labs(title = "Largura e comprimento do bico")
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-27-1.png" width="100%" style="display: block; margin: auto;" />
]

---

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
                     y = bill_length_mm,
                     colour = species)) +
  geom_point() +
  labs(title = "Largura e comprimento do bico",
*      subtitle = "Dimensões para penguins Adelie, Chinstrap, e Gentoo")
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-28-1.png" width="100%" style="display: block; margin: auto;" />
]

---

.midi[
> Comece com o dataframe `penguins`,
> atribua a largura do bico (bill depth) ao eixo x
> e atribua o comprimento do bico (bill length) ao eixo y.
> Represente cada observação com um ponto
> e mapeie as espécies para a cor de cada ponto
> Título do gráfico "Largura e comprimento do bico",
> e adicione o subtítulo "Dimensões para penguins Adelie, Chinstrap, e Gentoo", 
> **rotule os eixos x e y como "Largura do bico (mm)" and "Comprimento do bico (mm)", respectivamente**
]

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
                     y = bill_length_mm,
                     colour = species)) +
  geom_point() +
  labs(title = "Largura e comprimento do bico",
       subtitle = "Dimensões para penguins Adelie, Chinstrap, e Gentoo",
*      x = "Largura do bico (mm)", y = "Comprimento do bico (mm)")
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-29-1.png" width="100%" style="display: block; margin: auto;" />
]

---

.midi[
> Comece com o dataframe `penguins`,
> atribua a largura do bico (bill depth) ao eixo x
> e atribua o comprimento do bico (bill length) ao eixo y.
> Represente cada observação com um ponto
> e mapeie as espécies para a cor de cada ponto
> Título do gráfico "Largura e comprimento do bico",
> e adicione o subtítulo "Dimensões para penguins Adelie, Chinstrap, e Gentoo", 
> rotule os eixos x e y como "Largura do bico (mm)" and "Comprimento do bico (mm)", respectivamente,
> **rotule a legenda "Espécies"**
]

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
                     y = bill_length_mm,
                     colour = species)) +
  geom_point() +
  labs(title = "Largura e comprimento do bico",
       subtitle = "Dimensões para penguins Adelie, Chinstrap, e Gentoo",
       x = "Largura do bico (mm)", y = "Comprimento do bico (mm)",
*      colour = "Espécies")
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-30-1.png" width="100%" style="display: block; margin: auto;" />
]

---

.midi[
> Comece com o dataframe `penguins`,
> atribua a largura do bico (bill depth) ao eixo x
> e atribua o comprimento do bico (bill length) ao eixo y.
> Represente cada observação com um ponto
> e mapeie as espécies para a cor de cada ponto
> Título do gráfico "Largura e comprimento do bico",
> e adicione o subtítulo "Dimensões para penguins Adelie, Chinstrap, e Gentoo", 
> rotule os eixos x e y como "Largura do bico (mm)" and "Comprimento do bico (mm)", respectivamente,
> rotule a legenda "Espécies" 
> **e adicione uma legenda para os dados.**
]

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
                     y = bill_length_mm,
                     colour = species)) +
  geom_point() +
  labs(title = "Largura e comprimento do bico",
       subtitle = "Dimensões para penguins Adelie, Chinstrap, e Gentoo",
       x = "Largura do bico (mm)", y = "Comprimento do bico (mm)",
       colour = "Espécies",
*      caption = "Dados: Palmer Station LTER / palmerpenguins package")
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-31-1.png" width="100%" style="display: block; margin: auto;" />
]

---

.midi[
> Comece com o dataframe `penguins`,
> atribua a largura do bico (bill depth) ao eixo x
> e atribua o comprimento do bico (bill length) ao eixo y.
> Represente cada observação com um ponto
> e mapeie as espécies para a cor de cada ponto
> Título do gráfico "Largura e comprimento do bico",
> e adicione o subtítulo "Dimensões para penguins Adelie, Chinstrap, e Gentoo", 
> rotule os eixos x e y como "Largura do bico (mm)" and "Comprimento do bico (mm)", respectivamente,
> rotule a legenda "Espécies" 
> e adicione uma legenda para os dados.
> **Finalmente, utilize uma escala de cores discreta para leitores com algum tipo de daltonismo.**
]

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
                     y = bill_length_mm,
                     colour = species)) +
  geom_point() +
  labs(title = "Largura e comprimento do bico",
       subtitle = "Dimensões para penguins Adelie, Chinstrap, e Gentoo",
       x = "Largura do bico (mm)", y = "Comprimento do bico (mm)",
       colour = "Espécies",
       caption = "Dados: Palmer Station LTER / palmerpenguins package") +
* scale_colour_viridis_d()
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-32-1.png" width="100%" style="display: block; margin: auto;" />
]

---

.panelset[
.panel[.panel-name[Plot]
<img src="index_files/figure-html/unnamed-chunk-33-1.png" width="70%" style="display: block; margin: auto;" />
]
.panel[.panel-name[Code]

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
                     y = bill_length_mm,
                     colour = species)) +
  geom_point() +
  labs(title = "Largura e comprimento do bico",
       subtitle = "Dimensões para penguins Adelie, Chinstrap, e Gentoo",
       x = "Largura do bico (mm)", y = "Comprimento do bico (mm)",
       colour = "Espécies",
       caption = "Dados: Palmer Station LTER / palmerpenguins package") +
  scale_colour_viridis_d()
```

```
## Warning: Removed 2 rows containing missing values (geom_point).
```
]

Comece com o dataframe `penguins`, atribua a largura do bico (bill depth) ao eixo x e atribua o comprimento do bico (bill length) ao eixo y.   
Represente cada observação com um ponto e mapeie as espécies para a cor de cada ponto.

Título do gráfico "Largura e comprimento do bico", e adicione o subtítulo "Dimensões para penguins Adelie, Chinstrap, e Gentoo", rotule os eixos x e y como "Largura do bico (mm)" and "Comprimento do bico (mm)", respectivamente.

Rotule a legenda "Espécies" e adicione uma legenda para os dados.

Finalmente, utilize uma escala de cores discreta para leitores com algum tipo de daltonismo.
]
]

]

---

## Nomes dos argumentos

```r
ggplot(data = penguins,
       mapping = aes(x = bill_depth_mm,
                     y = bill_length_mm,
                     colour = species)) +
  geom_point() +
  scale_colour_viridis_d()
```
]
.pull-right[

```r
ggplot(penguins,
       aes(x = bill_depth_mm,
           y = bill_length_mm,
           colour = species)) +
  geom_point() +
  scale_colour_viridis_d()
```
]

---

# Aesthetics

---

## Opções de Aesthetics

Parâmetros de gráficos que podem ser **especificados para uma variável** nos dado são

- `colour`
- `shape`
- `size`
- `alpha` (transparência)

---

## Cor

```r
ggplot(penguins,
       aes(x = bill_depth_mm, 
           y = bill_length_mm,
*          colour = species)) +
  geom_point() +
  scale_colour_viridis_d()
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-34-1.png" width="100%" style="display: block; margin: auto;" />
]

---

## Forma

Mapeado para uma variável diferente da **cor**.

```r
ggplot(penguins,
       aes(x = bill_depth_mm, 
           y = bill_length_mm,
           colour = species,
*          shape = island)) +
  geom_point() +
  scale_colour_viridis_d()
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-35-1.png" width="100%" style="display: block; margin: auto;" />
]

---

## Forma

Mapeado para a mesma variável como **cor**.

```r
ggplot(penguins,
       aes(x = bill_depth_mm, 
           y = bill_length_mm,
           colour = species,
*          shape = species)) +
  geom_point() +
  scale_colour_viridis_d()
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-36-1.png" width="100%" style="display: block; margin: auto;" />
]

---

## Tamanho

```r
ggplot(penguins,
       aes(x = bill_depth_mm, 
           y = bill_length_mm,
           colour = species,
           shape = species,
*          size = body_mass_g)) +
  geom_point() +
  scale_colour_viridis_d()
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-37-1.png" width="100%" style="display: block; margin: auto;" />
]

---

## Alpha

```r
ggplot(penguins,
       aes(x = bill_depth_mm, 
           y = bill_length_mm,
           colour = species,
           shape = species,
           size = body_mass_g,
*          alpha = flipper_length_mm)) +
  geom_point() +
  scale_colour_viridis_d()
```
]
.pull-right[
<img src="index_files/figure-html/unnamed-chunk-38-1.png" width="100%" style="display: block; margin: auto;" />
]

---

```r
ggplot(penguins,
       aes(x = bill_depth_mm,
           y = bill_length_mm,
*          size = body_mass_g,
*          alpha = flipper_length_mm)) +
  geom_point()
```

<img src="index_files/figure-html/unnamed-chunk-39-1.png" width="100%" style="display: block; margin: auto;" />
]
.pull-right[
**Setting**

```r
ggplot(penguins,
       aes(x = bill_depth_mm,
           y = bill_length_mm)) + 
* geom_point(size = 2, alpha = 0.5)
```

<img src="index_files/figure-html/unnamed-chunk-40-1.png" width="100%" style="display: block; margin: auto;" />
]

---

## Mapping vs. setting

- **Mapping:** Determinar o tamanho, alfa, etc. dos pontos com base nos valores de uma variável nos dados
  - vai para `aes()`

- **Setting:** Determinar o tamanho, alfa, etc. dos pontos **não** com base nos valores de uma variável nos dados
  - entra em `geom_*()` (isto foi `geom_point()` no exemplo anterior, mas aprenderemos sobre outros geoms em breve!)
  
---

# Faceting

---

## Faceting

- gráficos menores que exibem diferentes subconjuntos dos dados
- Útil para explorar relações condicionais e grandes dados

---

.panelset[
.panel[.panel-name[Plot]
<img src="index_files/figure-html/unnamed-chunk-41-1.png" width="70%" style="display: block; margin: auto;" />
]
.panel[.panel-name[Código]

```r
ggplot(penguins, aes(x = bill_depth_mm, y = bill_length_mm)) + 
  geom_point() +
* facet_grid(species ~ island)
```

```
## Warning: Removed 2 rows containing missing values (geom_point).
```
]
]

---

## Várias maneiras de fazer "facets"

.question[
Nos próximos slides, descreva o que cada gráfico apresenta. Pense em como o código se relaciona com a saída.

**Nota:** Os gráficos nos próximos slides não têm títulos, rótulos de eixos, etc., porque queremos que você descubra o que está acontecendo nos gráficos. Mas você deve sempre rotular!
]

---

```r
ggplot(penguins, aes(x = bill_depth_mm, y = bill_length_mm)) + 
  geom_point() +
* facet_grid(species ~ sex)
```

---

```r
ggplot(penguins, aes(x = bill_depth_mm, y = bill_length_mm)) + 
  geom_point() +
* facet_grid(sex ~ species)
```

---

```r
ggplot(penguins, aes(x = bill_depth_mm, y = bill_length_mm)) + 
  geom_point() +
* facet_wrap(~ species)
```

---

```r
ggplot(penguins, aes(x = bill_depth_mm, y = bill_length_mm)) + 
  geom_point() +
* facet_grid(. ~ species)
```

---

```r
ggplot(penguins, aes(x = bill_depth_mm, y = bill_length_mm)) + 
  geom_point() +
* facet_wrap(~ species, ncol = 2)
```

---

## Resumo Faceting

- `facet_grid()`:
    - Grid em duas dimensões
    - `rows ~ cols`
    - use `.` para não separar
- `facet_wrap()`: Representação em uma dimensão de acordo com o número de linhas e colunas especificadas ou com a área de plotagem disponível

---

## Facet e cores

```r
ggplot(
  penguins, 
  aes(x = bill_depth_mm, 
      y = bill_length_mm, 
*     color = species)) +
  geom_point() +
  facet_grid(species ~ sex) +
* scale_color_viridis_d()
```
]
.pull-right-wide[
<img src="index_files/figure-html/unnamed-chunk-47-1.png" width="100%" style="display: block; margin: auto;" />
]

---

## Facet e cor, sem legenda

```r
ggplot(
  penguins, 
  aes(x = bill_depth_mm, 
      y = bill_length_mm, 
      color = species)) +
  geom_point() +
  facet_grid(species ~ sex) +
  scale_color_viridis_d() +
* guides(color = FALSE)
```
]
.pull-right-wide[
<img src="index_files/figure-html/unnamed-chunk-48-1.png" width="100%" style="display: block; margin: auto;" />
]