AEM_SEE_1st/ggplot_pucp.R at master · APDataSc/AEM_SEE_1st · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
#***************Taller "ggplot"***********#
#                                         #
#   Elaboración:      Peña, Andrés        #
#   Modificado:       04-12-2017          #
#                                         #
#                                         #
#*****************************************#

setwd("C:\\Users\\apena\\Desktop\\I+D+i\\ggplot")

library(foreign)
genero <- as.data.frame(read.spss("IOP_1212_01_B.sav"))

library(ggplot2)
ggplot(genero, aes(x = SEXO)) + geom_bar()

gr1 <- ggplot(genero, aes(x = SEXO)) + geom_bar()
gr1 + xlab("Sexo del entrevistado") + ylab ("Número de casos")# etiquetas de los ejes

gr1 + xlab("Sexo del entrevistado") + ylab ("Número de casos") +
  ggtitle("Sexo del entrevistado")

gr1 <- ggplot(genero, aes(x = SEXO)) + geom_bar(width=0.5)
gr1 + xlab("Sexo del entrevistado") + ylab ("Número de casos") +
  ggtitle("Sexo del entrevistado")

gr1 <- ggplot(genero, aes(x = SEXO)) + geom_bar(width=0.5, colour="blue", fill="red")
gr1 + xlab("Sexo del entrevistado") + ylab ("Número de casos") +
  ggtitle("Sexo del entrevistado")


gr1 + xlab("Sexo del entrevistado") + ylab ("Número de casos") +
  ggtitle("Sexo del entrevistado") + theme_bw()


tab.sex1 <- as.data.frame(prop.table(table(genero$SEXO))*100)
tab.sex1

colnames(tab.sex1) <- c("Sexo", "Porcentaje")

ggplot(tab.sex1, aes(x=Sexo, y=Porcentaje)) + geom_bar(stat="identity")


gr2 <- ggplot(tab.sex1, aes(x=Sexo, y = Porcentaje)) +
  geom_bar(stat="identity", width=0.5, fill = "grey")

gr2 + xlab(NULL) + ylab("% de entrevistados") +
  ggtitle("Distribución de los entrevistados\n por sexo (%)") + theme_bw()


library(scales) # requiere instalar el paquete "scales"
gr2.a <- ggplot(genero, aes(SEXO)) +
  geom_bar(aes(SEXO, (..count..)/sum(..count..)), width=0.5, fill = "grey")

gr2.a + scale_y_continuous(labels=percent) + xlab(NULL) +
  ylab("% de casos") +
  ggtitle("Distribución de los\n entrevistados por sexo") +  theme_bw()


ggplot(genero, aes(P36, fill=SEXO)) + geom_bar(position="dodge")


gr3 <- ggplot(genero[genero$P36!="NS/NR", ], (aes(P36, fill=SEXO))) +
  geom_bar(aes(P36, (..count..)/sum(..count..)), position="dodge") +
  scale_y_continuous(labels=percent) + scale_fill_grey() + theme_bw()

gr3

gr3 + xlab(NULL) + ylab("% de casos") + ggtitle("¿Los demás miembros del hogar deberían pagarle un sueldo o salario\n al")


tab.5 <- as.data.frame(prop.table(table(genero$P51D, genero$DOMINIO), 2)*100)
tab.5

colnames(tab.5) <- c("Rptas", "Dominios", "Pct")
gr4 <- ggplot(tab.5, aes(x=Rptas, y=Pct)) + geom_bar(stat="identity")
gr4

gr4 + facet_grid(Dominios ~.)

gr4 + facet_grid(.~ Dominios)

gr4 + facet_wrap(~ Dominios)

gr4 + coord_flip() + facet_wrap(~ Dominios)


ggplot(genero, aes(P19A)) + geom_histogram()

range(genero$P19A, na.rm=TRUE)

ggplot(genero, aes(P19A)) + geom_histogram(binwidth = 10)


hist1 <- ggplot(genero, aes(P19A)) +
  geom_histogram(binwidth = 10,
                 fill="red",
                 colour="black")
hist1


hist1 + facet_grid(SEXO ~.)


## Las sintaxis nos dan el mismo resultado.
#La segunda evita dibujar la línea de abajo.
ggplot(genero, aes(P23)) + geom_density()
ggplot(genero, aes(P23)) + geom_line(stat="density")


ggplot(genero, aes(P23)) + geom_line(stat="density") + facet_grid(NSEGrup ~.)

ggplot(genero, aes(P23)) + geom_line(stat="density") + facet_grid(NSEGrup ~ SEXO)

edad <- genero$EDAD
gr.edad <- as.factor(cut(edad, breaks = c(18, 25, 35, 45, 55, 92),
                         include.lowest = TRUE))
table(gr.edad)