Visualización

1
Visualización
2
Visualización
3
The Datasaurus Dozen

Todos tienen igual:

Media, desviación
y correlación.

No confiar solo
en los indicadores
estadísticos.

Visualización
4
¿Demasiado Robusto?

En el ejemplo, el
diagrama de cajas
no cambia aunque
los datos cambien.

No confiar en un
solo tipo de gráfico
y siempre ver el
Raw Data

Visualización
5
Objetivos

• Explicar o comunicar información

• Descubrir con:
• Rapidez
• Precisión
• Confianza

Visualización
6
Ciclo
Realizar gráfico

Analizar lo que el
• Explicar o comunicar información
Limpiar base de
datos
Definir información
a transmitir gráfico expresa

• Descubrir con:
• Rapidez Transformar datos
y/o modificar
• Precisión gráfico

• Confianza
Detalles estéticos
finales

Deployment

Visualización
7
Pasos
1. Definir la historia que se quiere contar con los datos
01 comparaciones, etc.
▪Tendencia, variabilidad,
2. Seleccionar las variables a incluir
▪¿Se debe incluir el tiempo?
02
3. Definir el tipo de gráfico
▪Cuántos o cuáles gráficos, capas de gráficos
03
▪Naturaleza de las variables This is a sample text.
▪Tipo de datos: tablas, redes y árboles, espaciales, temporales, conjuntos o listas
▪Transformaciones
04
4. ¿Debe o no ser Interactivo?
5. Definir la estética
▪Marcas 05 This is a sample text.
▪Canales de visualización This is a sample text.
▪Nombres

Visualización
8
Definir el tipo
de Gráfico

Visualización
9
Tipos de Gráficos

01

02
03 This is a sample text.
FORMA RELACIÓN COMPARACIONES COMPOSICIONES

04 This is a sample text.

• Estáticas • Estáticas
05 This is a sample text. • En el tiempo • En el tiempo

Visualización
10
Forma
Permiten conocer la forma de la distribución de los datos.
01

Boxplot Histograma Densidad Violín

05 This is a sample text.

Posición Pocos datos Muchos datos Vertical

Visualización
11
Relaciones
Elementos a tener en cuenta:
01
• Escala de los ejes o tamaño de los puntos
• Transparencia de los puntos para mostrar traslapes
• Si desea percibirse la cantidad de observaciones, puede considerarse mover los
puntos levente (jitter plot)
Escalar-Escalar

05
Nube de Puntos Burbujas
2 variables 3 variables

Visualización
12
Comparaciones (I)
Al mezclar variables categóricas con escalares se pueden hacer por gráficos partidos o
01
particiones (facets).

Boxplot Joyplot Burbuja

05
Categórica-Escalar Categórica-Escalar Escalar-Escalar-Escalar-
Categórica-Categórica

Visualización
13
Comparaciones (II)
Se pueden mezclar elementos adicionales a los gráficos.
01
Burbuja Burbuja Mosaico

05
Adicional: Elipse Adicional: Ajuste de Reg. Adicional: Tamaño y color
de las barras

Visualización
14
Comparaciones (III)

01
Mapa de Calor Tornado o Mariposa o Pirámide Araña

05 Paquete: fmsb

Visualización
15
Comparaciones con Temporal

01 Barras Línea

Pocos Periodos Muchos Periodos

05

Visualización
16
Composición Estática

01
Barras agrupadas al 100% Barras agrupadas Cascada

05
Cantidad Relativa Cantidad Absoluta Paquete: Waterfalls

Visualización
17
Composición con Temporal

01
Barras agrupadas Área streamgraph

Pocos Periodos Muchos Periodos Suaviza los bordes

05

Visualización
18
01

05

Visualización
19
Espaciales

01
Mapa de Puntos Mapa de densidad Cartograma

05

Visualización
20
Espaciales o Redes

01
Choropleth Diagrama de Chord Mapa de Conexiones

05 Incluye Redes Incluye Redes

https://www.r-graph-gallery.com

Visualización
21
¿Interactivo?

Visualización
22
Conceptos
Ventajas
Herramientas
• Cantidad de información: agregar • Permite al usuario definir sus
o quitar capas esfuerzos de análisis
• Filtrado: listas desplegables, • Evita tener que realizar varios
bandas, checkboxes, zoom gráficos con diferentes filtros
• Información adicional: al pasar el
cursor, al dar clic
• Estética: se complementa
Desventajas
usualmente con html+css
Puede perderse el mensaje que
se quiere expresar con los datos

Formato de salida
Alternativas
Por facilidad, HTML
Animaciones predeterminadas

Visualización
23
Estética

Visualización
24
Codificación visual

Ítems Atributos
Marca que representa el elemento en el Son un canal de visualización:
gráfico: • Color
• Geometría • Forma
• Tamaño
• Fondo
• Subgráfico: dentro de un mapa, dentro
de coordenadas

Visualización
25
Marcas

Visualización
26
Atributos

Visualización
27
Atributos de Resalte

Visualización
28
Efectividad de percepción del canal

05
Agrupamiento
04
Resalte
03
Separación
02
Discriminación
01
Precisión

Visualización
29
Precisión

Visualización
30
Discriminación
Capacidad para diferenciar máximo de 5 a 7 colores diferentes (Hue).

Visualización
31
Separación

Visualización
32
Resalte y agrupamiento

http://www.fusioncharts.com/whitepapers/downloads/Principles-of-Data-Visualization.pdf

Visualización
33
Colores - Codificación
• RGB
• Saturación de rojo, verde y azul con valor máximo de 255 cada uno
• Ejemplo: (51, 255, 193)
• Hexadecimal
• Misma construcción del RGB pero presentando en Hexadecimal.
• Hexadecimal es en base 16 con {1,2,3,4,5,6,7,8,9, 𝐴, 𝐵, 𝐶, 𝐷, 𝐸, 𝐹}
• Ejemplo: #33FFC1. 3316 = 51, 𝐹𝐹16 = 255, 𝐶116 = 193.
• En ggplot: scale_fill_manual(values), scale_colour_gradient(low, high)
• HSL
• Matiz: Es el color que está expresado como un ángulo. 0 es Rojo, 120 es Verde y 240 es Azul, 360 vuelve a ser Rojo.
• Saturación: Es un porcentaje, 0% es gris y 100% es el color real
• Luminosidad: Es un porcentaje, 0% es negro, 100% es blanco y 50% es el color real.
• Ejemplo: H:162, S=0.98, L=0.45.
• En ggplot: scale_fill_hue(h,s,l)
• H:

Visualización
34
Comparaciones de colores
RGB: {0,0,0} RGB: {0,0,0}
HEX: #000000 HEX: #000000
HSL: {X,X,0%} HSL: {X,0,25%}
RGB: {255,255,255} RGB: {255,255,255}
HEX: #FFFFFF HEX: #FFFFFF
HSL: {X,X,100%} HSL: {X,0,50%}

RGB: {255,0,0} RGB: {161,64,64} RGB: {255,0,0}

HEX: #FF0000 HEX: #FF0000 Coca Cola HEX: #FF0000
HSL: {0,100%,50%} HSL: {0,50%,50%} HSL: {0,100%,50%}

RGB: {0,255,0} RGB: {64,161,64} RGB: {104,180,69}

HEX: #00FF00 HEX: #00FF00 Android HEX: #68B44
HSL: {120,100%,50%} HSL: {120,50%,50%} HSL: {101,45%,49%}

RGB: {0,0,255} RGB: {64,64,161} RGB: {66,103,178}

HEX: #0000FF HEX: #0000FF Facebook HEX: #4267B2
HSL: {240,100%,50%} HSL: {240,50%,50%} HSL: {220,46%,48%}

Visualización
35
Paletas de colores

Coloridos Percepción uniforme

Rango amplio de colores Elementos similares deben
que permita identificar distinguirse fácilmente.
diferencias.

Disponibles para Colorblinds

• Los resultados presentados no deben cambiar sin importar qué personas las vea
• Recomendación, no usar escalas de rojo-verde

Visualización
36
Ejemplo de paletas en R
viridis Rcolorbrewer wesanderson

Base de R Escala de grises

Visualización
37
Uso de las paletas
SECUENCIA
• Gradiente: el color representa una magnitud
• Presentar datos que están ordenados, por lo
general de menor a mayor
• Ejemplos: densidad de color en: nube de
puntos, choropleths, etc.

DIVERGENCIA
• Gradiente: el color respresenta CUALITATIVO
una magnitud • Presentar diferentes colores
• Hacen énfasis en los valores que no representan
medios y extremos magnitudes
• Ejemplo: mapa de calor, tornado, • Ejemplo: diagrama de barras,
etc. diagrama de cajas, nubes de
puntos, etc.

Visualización
38
Adicionales

Agregar elementos que apoyen el contexto de

los datos:
• Nombres: título, ejes, etiquetas
• Orden de los datos: temporal, espacial, magnitud
• Ejes: amplitud, transformaciones, línea base,
saltos
• Geometrías adicionales: Líneas base, puntos de
referencia
• Canales adicionales: resalte, agrupación,
transparencias
• Traslapes de gráficos: compensar falencias de un
gráfico con otro
• Fondo: Color, líneas de división

Visualización
39
Recomendaciones (I)
• No usar color para variables categóricas a menos que sea para agrupación o resalte
• Si la escala de color es gradiente
• Usar una paleta de colores que facilite la comprensión de magnitud (HSL en vez de RGB)
• Si se desea resaltar elementos de bueno o malo, usar como color base el gris y como color de comparación azul o
naranja. HSL variando S
• Para resaltar valores de bueno o malo usar notación semáforo (precaución con colorblinds)
• Usualmente se considera que hay más armonía si hay menos variación en H en la paleta utilizada
• Usar un color de fondo neutral: blanco o gris, a menos que se busque generar emociones, cálidas, frías, neutrales
(Teoría del color)
• Sin embargo: la percepción del color puede cambiar según cultura, edad, género, contexto

Lecturas de Interés:
• Chevreul, M. E. (1839). The principles of harmony and contrast of colors. Birren, F. (Ed.) (1987). New York: Van
Nostrand Reinhold.
• Karen B. Schloss & Stephen E. Palmer. Aesthetic response to color combinations: preference, harmony, and similarity.
Atten Percept Psychophys (2011) 73:551–571.

Visualización
40
Recomendaciones (II)
• Definir el tipo de gráfico según la historia a contar: variabilidad, comparaciones,
comportamiento en el tiempo, tipo de variables, etc.
• Agregar título, nombre a los ejes y etiquetas
• Definir de manera relativa a los datos la amplitud de los ejes
• No agregar muchas variables a un solo gráfico
• No traslapar muchos tipos de gráficos diferentes
• De ser necesario, definir una transformación correcta
• Presentar de manera correcta los valores de referencia de los ejes (breaks)
• Ordenar las variables categóricas según alguna propiedad de los datos

Visualización
41
Gramática de gráficos (R-Hadley Wickham)
• Una capa de un gráfico se compone de:
• Datos: importante la naturaleza de la variable
• Geometría: qué gráfica realizar: boxplot, histograma, barras, etc.
• Mapeo: qué variables presentar y qué representan: tamaño, intensidad de color, posición, etc.
• Estadística: qué graficar de la variable: cantidad, densidad, promedio, valor único de la variable (identidad)
• Posición: Ajuste que se hace a la posición del gráfico: agrupados, apilados, separados, etc.
• Elementos adicionales del gráfico:
• Escalas: cómo se presentan los datos en el gráfico: ejes y legendas, amplitud de ejes, saltos, transformación de los ejes,
nombres, etc.
• scale_x_continuous(), scale_y_discrete(), scale_colour_discrete(), scale_x_log10()
• Temas: ajuste del texto, colores de texto, etiquetas, fondo, paleta de colores, etc.
• Aspectos (Facets): subgráficos presentados por cada categoría
• Coordenadas: cartesianas, polares
• Las capas pueden sobreponerse unas a otra
• Ejemplo: ggplot(Datos, aes(x=Var1, y=Var2))+geom_line(stat=“identity”, position=fill)
datos mapeo geometría estadística posición

Visualización
42
Ejemplos de gráficos Barras*

Diagrama de flujo – Similar al Sankey

Diagram

Sub gráficos, colores.

Cascada+Línea+Barras°
Información espacial, temporal, cantidad

2 gráficos en uno: grid+gridExtra

°http://anhhoangduc.com/blog/create-waterfall-chart-with-ggplot2/
*https://blog.revolutionanalytics.com/2012/09/visualize-complex-data-with-subplots.html

Visualización
43
Online Vs. Offline

Visualización
44
Distinciones

Online Offline
Gráfico que cambia en tiempo real Gráfico que no cambia
Computacionalmente, debe ser más rápido y eficiente Puede tardar un poco más
Gráficos con más información y no necesariamente
Gráficos con poca información y mucho resalte
con resalte
Se recomienda usar colores con paleta distinguible
Puede usarse otros tipos de paletas
(Rojo-Amarillo-Verde)
Debe expresarse a través de texto, valores No siempre es necesario, puede usarse únicamente
interesantes como referencia los ejes

Visualización
45
Recomendaciones - Dashboards
• Inspirarse en creaciones hechas por los demás: Gráficos, colores, formas, etc.
• No saturar: Usar la menor cantidad de gráficas
• No usar muchos gráficos repetidos o de información repetida
• ¿es suficiente solo con el valor en texto del indicador?
• Poner valores o canales de referencia: ¿Qué es bueno? ¿Qué es malo?
• Usar estilo de rejilla: Ayuda a que se vean más ordenados los gráficos. Atención irá de arriba-debajo de izquierda-
derecha
• Usar fuentes adecuadas: Tipos de letra atractivos y fáciles de leer
• Simplificar colores: Usar paletas de colores sencillas y con alta saturación. Las zonas con más contraste serán las de
mayor atención
• Valores en texto: No todo debe ser gráficos. Poner el valor del indicador relevante y resaltarlo
• Iteración: Proceso de mejora continua del gráfico
• Evaluación externa: Para evitar sesgos, evaluar la capacidad de transmitir información del gráfico con personas ajenas al
proceso

Visualización
46
Ejemplos Dashboards

Visualización
47
Errores (obvios)
en los gráficos

Visualización
48
Errores de forma

Tamaño de letra incorrecto + 3D Imagen de fondo

Visualización
49
Escala

Valor inicial > 0 Valor inicial = 0 Datos sin transformar Datos transformados

Visualización
50
Errores

http://stat405.had.co.nz/lectures/21-grammar-of-graphics.pdf

Visualización
51
Infografías

Visualización
52
Visualización
53
Enlaces de Interés
• Videos:
• Evolución de los ingresos y esperanza de vida de los países: clic aquí
• Evolución de ingresos de los países: clic aquí
• Evolución del ELO de los jugadores de ajedrez en la historia: clic aquí

• Gráficos interactivos
• Nombres de bebés en USA: clic aquí
• Comparaciones entre países: clic aquí
• Evolución de la música: clic aquí

• Gráficos interactivos en Shiny (R)

• Visor del genoma humano y cáncer de páncreas: clic aquí
• Información geográfica con mapas: clic aquí
• Turismo en Nueva Zelanda: clic aquí

Visualización
54
Paquetes en R
• Paleta de Colores • Espacial
• RColorBrewer • maps
• wesanderson • geosphere
• viridis • rgdal
• ggsi • ggmap
• Gráficos adicionales • leaflet
• streamgraph • cartography
• fmsb • Interactivos
• waterfalls • plotly
• ggridges • Rmarkdown
• circliz • Shiny
• ggsubplot • gganimations
• Extensiones de ggplot
• https://www.ggplot2-exts.org/

Visualización
55
Alternativas
• R
• Ggplot2, ggviz, plotly
• Galería de gráficos: clic aquí
• Python
• MatPlotLib, plotly
• Galería de gráficos: clic aquí
• D3-Javascript
• Plotly
• Galería de gráficos: clic aquí
• Tableu
• Galería de gráficos: clic aquí

Visualización
56