Uma série temporal pode ser vista como uma coleção de variáveis contínuas mensurada em intervalos regulares de tempo. A melhor representação visual para dados desse tipo são gráficos de linha, que são úteis para mostrar o comportamento de uma variável ao longo do tempo. A seguir, vamos considerar alguns gráficos que são úteis para representações de medidas ao longo do tempo.
Como exemplo para gráficos de linha, vamos plotar a evolução de um importante indicador econômico brasileiro: o índice IPCA.
Atividade: Importe o arquivo base_SELIC_IPCA.csv e armazene-o em um objeto chamado base_BR.
A base de dados possui variáveis referentes a dois índices econômicos brasileiros:
data - data referente a mensuração do índice;
índice nacional de preços ao consumidor amplo (ipca);
taxa selic (selic).
# Visualizando o objeto
base_BR# A tibble: 498 × 3
data ipca selic
<chr> <dbl> <dbl>
1 01/01/1980 6.62 NA
2 01/02/1980 4.62 NA
3 01/03/1980 6.04 NA
4 01/04/1980 5.29 NA
5 01/05/1980 5.7 NA
6 01/06/1980 5.31 NA
7 01/07/1980 5.55 NA
8 01/08/1980 4.95 NA
9 01/09/1980 4.23 NA
10 01/10/1980 9.48 NA
# ℹ 488 more rowsPodemos perceber que o objeto acima está assumindo que a variável data não é uma variável com classe date, ou seja, uma data. Sendo assim, é preciso transformar essa variável com a ajuda do pacote lubridate.
# Carregando pacote
library(tidyverse)── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr 1.1.2 ✔ purrr 1.0.2
✔ forcats 1.0.0 ✔ stringr 1.5.0
✔ ggplot2 3.4.4 ✔ tibble 3.2.1
✔ lubridate 1.9.2 ✔ tidyr 1.3.0
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(lubridate)
# Tratando a data
base_BR = base_BR |>
mutate(data = dmy(data))
# Visualizando o objeto
base_BR# A tibble: 498 × 3
data ipca selic
<date> <dbl> <dbl>
1 1980-01-01 6.62 NA
2 1980-02-01 4.62 NA
3 1980-03-01 6.04 NA
4 1980-04-01 5.29 NA
5 1980-05-01 5.7 NA
6 1980-06-01 5.31 NA
7 1980-07-01 5.55 NA
8 1980-08-01 4.95 NA
9 1980-09-01 4.23 NA
10 1980-10-01 9.48 NA
# ℹ 488 more rowsA função dmy foi usada, pois a variável estava organizada primeiro com o dia (day), depois mês (month) e por último o ano (year) - dmy. Existem diversas variações dessas funções que devem ser usadad de acordo com as ordenações de mês, dia e ano, por exemplo: ymd, ydm, myd, mdy e dym.
#Criando um gráfico de linhas
base_BR |>
ggplot(mapping = aes(x = data, y = ipca)) +
geom_line()
Suponha que gostaríamos de avaliar a série somente na década de 80.
#Criando um gráfico de linhas para um período específico
base_BR |>
filter(data < dmy("01-01-1990")) |>
ggplot(mapping = aes(x = data, y = ipca)) +
geom_line()
Se tivermos interessado em observar qual o comportamento da tendência desse série, podemos usar o geom_smooth com base no método loess.
#Criando um gráfico de linhas para um período específico
base_BR |>
filter(data < dmy("01-01-1990")) |>
ggplot(mapping = aes(x = data, y = ipca)) +
geom_line() +
geom_smooth(method = "loess",
se = FALSE)`geom_smooth()` using formula = 'y ~ x'
Suponha agora que o nosso interesse seja o de avaliar o comportamento das duas séries ao mesmo tempo? Naturalmente elas precisam estar numa mesma escala, idealmente no mesmo gráfico.
# Plotando duas séries no mesmo gráfico
base_BR |>
ggplot(mapping = aes(x = data, y = ipca)) +
geom_line() +
geom_line(aes(y = selic),
color = "blue")Warning: Removed 77 rows containing missing values (`geom_line()`).
No gráfico acima conseguimos avaliar o comportamento das duas séries, mas ele não está completo, uma vez que não temos a indicação de quem é a série em azul e quem é a série em preto. Sendo assim, a melhor forma de fazer o gráfico é manipularmos a base com o gather.
# Plotando duas séries no mesmo gráfico
base_BR |>
gather(serie, valor, ipca:selic) %>%
ggplot(aes(x = data,
y = valor,
color = serie)) +
geom_line() +
labs(x = "Data (em mês)",
y = "Valor",
color = "Indicador")Warning: Removed 77 rows containing missing values (`geom_line()`).
Vamos fazer a avaliação das duas séries nos anos de 2017 a 2019.
# Plotando duas séries no mesmo gráfico
base_BR |>
gather(serie, valor, ipca:selic) |>
filter(data > dmy("31-12-2016"), data < dmy("01-01-2020")) |>
ggplot(aes(x = data,
y = valor,
color = serie)) +
geom_line() +
scale_x_date(date_breaks = '3 month',
labels = scales::date_format("%m/%y")) +
labs(x = "Data (em mês)",
y = "Valor",
color = "Indicador")
No gráfico acima, o scale_x_date foi usado para tratar do eixo x. Vejam que foi indicado o intervalo de espaçamento para aparecer a data e o formato foi indicado como sendo mês/ano.
Gráficos de Dummbbell são úteis para mostrar a mudança entre dois períodos de tempo para vários grupos de observações.
Nós já criamos esse gráfico anteriormente, mas agora vamos mostrar como fazê-lo usando um geom apropriado, o geom_dumbbell.
Atividade: Importe o arquivo PNUD.csv e armazene-o em um objeto chamado base_PNUD
A base de dados possui duas variáveis:
ano;
muni (nome do município);
idhm (índice de desenvolvimento humano municipal);
idhme (índice de desenvolvimento humano municipal educação);
idhml (índice de desenvolvimento humano municipal longevidade);
idhmr (índice de desenvolvimento humano municipal renda);
espvida (expectativa de vida);
rdpc (renda per capta);
gini (índice de gini);
pop (número de habitantes);
lat (coordenada de latitude do centróide do município);
lon (coordenada de longitude do centróide do município).
# Visualizando o objeto
base_PNUD# A tibble: 16,694 × 14
ano muni uf regiao idhm idhm_e idhm_l idhm_r expvida rdpc gini pop
<dbl> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1991 ALTA… RO Norte 0.329 0.112 0.617 0.516 62.0 198. 0.63 22835
2 1991 ARIQ… RO Norte 0.432 0.199 0.684 0.593 66.0 319. 0.57 55018
3 1991 CABI… RO Norte 0.309 0.108 0.636 0.43 63.2 116. 0.7 5846
4 1991 CACO… RO Norte 0.407 0.171 0.667 0.593 65.0 320. 0.66 66534
5 1991 CERE… RO Norte 0.386 0.167 0.629 0.547 62.7 240. 0.6 19030
6 1991 COLO… RO Norte 0.376 0.151 0.658 0.536 64.5 225. 0.62 25070
7 1991 CORU… RO Norte 0.203 0.039 0.572 0.373 59.3 81.4 0.59 10737
8 1991 COST… RO Norte 0.425 0.22 0.629 0.553 62.8 250. 0.65 6902
9 1991 ESPI… RO Norte 0.388 0.159 0.653 0.561 64.2 263. 0.63 22505
10 1991 GUAJ… RO Norte 0.468 0.247 0.662 0.625 64.7 391. 0.6 31240
# ℹ 16,684 more rows
# ℹ 2 more variables: lat <dbl>, lon <dbl>A seguir, vamos apresentar um gráfico de cleveland para a variável expectativa de vida média por UF no ano de 2010.
A seguir vamos criar uma base com medidas da expectativa de vida em 1991 e 2010, calculadas por UF.
# subset dados de 1991, 2000 e 2010 e calculando a média por UF
# para cada ano
base_UF <- base_PNUD |>
group_by(uf,ano) |>
summarise(expvida_media = mean(expvida, na.rm = TRUE))`summarise()` has grouped output by 'uf'. You can override using the `.groups`
argument.#Visualizando o objeto
base_UF# A tibble: 81 × 3
# Groups: uf [27]
uf ano expvida_media
<chr> <dbl> <dbl>
1 AC 1991 63.0
2 AC 2000 66.3
3 AC 2010 71.0
4 AL 1991 57.0
5 AL 2000 63.6
6 AL 2010 69.4
7 AM 1991 61.7
8 AM 2000 65.6
9 AM 2010 70.9
10 AP 1991 63.2
# ℹ 71 more rowsPara usarmos o geom_dumbbell precisamos que a base esteja espalhada, logo iremos usar o spread nela.
# Espalhando a base
base_UF_Spread = base_UF |>
spread(key = ano,
value = expvida_media) |>
rename( "Ano_1991" = `1991`,
"Ano_2000" = `2000`,
"Ano_2010" = `2010`)
#Visualizando o objeto
base_UF_Spread# A tibble: 27 × 4
# Groups: uf [27]
uf Ano_1991 Ano_2000 Ano_2010
<chr> <dbl> <dbl> <dbl>
1 AC 63.0 66.3 71.0
2 AL 57.0 63.6 69.4
3 AM 61.7 65.6 70.9
4 AP 63.2 67.2 72.0
5 BA 59.1 64.2 70.6
6 CE 59.9 66.2 70.7
7 DF 68.9 73.9 77.4
8 ES 65.2 69.9 74.5
9 GO 64.9 70.4 74.5
10 MA 57.0 62.2 69.4
# ℹ 17 more rows# Carregando pacote
library(ggalt)Registered S3 methods overwritten by 'ggalt':
method from
grid.draw.absoluteGrob ggplot2
grobHeight.absoluteGrob ggplot2
grobWidth.absoluteGrob ggplot2
grobX.absoluteGrob ggplot2
grobY.absoluteGrob ggplot2# Criando um gráfico de dumbbell
base_UF_Spread |>
ggplot(mapping = aes(y = reorder(uf, Ano_2010),
x = Ano_1991,
xend = Ano_2010)) +
geom_dumbbell(size = 1.2,
size_x = 3,
size_xend = 3,
colour = "grey",
colour_x = "blue",
colour_xend = "red") +
theme_minimal() +
labs(title = "Mudança na Expectativa de vida",
subtitle = "1991 a 2010",
x = "Expectativa de vida (anos)",
y = "UF")Warning: Using the `size` aesthetic with geom_segment was deprecated in ggplot2 3.4.0.
ℹ Please use the `linewidth` aesthetic instead.
Vejam que a criação do gráfico é bastante simples. Basta informarmos no mapeamento da função ggplot qual a variável do eixo y e quais as variáveis que representam o ponto inicial e o ponto final no eixo x. Tudo que foi especificado no geom_dumbell foi para modificar a estética do gráfico.
E se o interesse fosse em mostrar a evolução ao longo do tempo?
# os dados precisam estar organizados da seguinte forma
base_UF = base_UF |>
mutate(ano = factor(ano),
expvida_media = round(expvida_media,1))
# Carregando pacote
library(CGPfunctions)
# Gráfico de inclinação para os estados da região sudeste
base_UF |>
filter(uf %in% c("RJ","SP","ES","MG")) |>
newggslopegraph(Times = ano,
Measurement = expvida_media,
Grouping = uf) +
labs(title = "Expectativa de vida",
subtitle = "UF da Região Sudeste")
Converting 'ano' to an ordered factor
Em alguns contextos, é interessante apresentar o gráfico de linhas preenchido.
#Criando um gráfico de área para um período específico
base_BR |>
filter(data >= dmy("01-01-1995")) |>
ggplot(mapping = aes(x = data, y = selic)) +
geom_area(fill="lightblue",
color="black")
Em muitos casos, esses gráficos são usados para comparar diferentes grupos ao longo do tempo.
Atividade: Importe o arquivo base_populacao_americana.csv e armazene-o em um objeto chamado base_pop_USA.
A base de dados possui variáveis referentes a evolução do quantitativo da população americana por grupos de faixa etária:
Ano;
grupo de faixa etária (Idade);
tamanho da população em milhares (Pop_milhares).
# Visualizando o objeto
base_pop_USA# A tibble: 824 × 3
Ano Idade Pop_milhares
<dbl> <chr> <dbl>
1 1900 <5 9181
2 1900 5-14 16966
3 1900 15-24 14951
4 1900 25-34 12161
5 1900 35-44 9273
6 1900 45-54 6437
7 1900 55-64 4026
8 1900 >64 3099
9 1901 <5 9336
10 1901 5-14 17158
# ℹ 814 more rows#Criando gráfico de área por grupos de faixas etárias
base_pop_USA |>
ggplot(mapping = aes(x = Ano,
y = Pop_milhares,
fill = Idade)) +
geom_area() +
labs(title = "População USA por idade",
x = "Ano",
y = "População em Milhares") +
theme_minimal()
Atividade: O gráfico acima tem um problema. Qual o problema do gráfico acima? Corrija o problema! Além disso, tente modificar a escala do eixo y para que a mesma não apareça em notação científica.
Um “spaghetti plot” é uma representação gráfica usada em estatísticas e visualização de dados para exibir múltiplas trajetórias ou séries temporais em um único gráfico. O nome “spaghetti plot” deriva da semelhança visual das linhas entrelaçadas no gráfico, que se assemelham a um monte de espaguete.
Os spaghetti plots são frequentemente usados quando se deseja comparar várias séries de dados ao longo do tempo ou em uma dimensão contínua. Eles são úteis para identificar tendências, padrões, variações e discrepâncias nas diferentes séries, especialmente quando se trata de dados longitudinais, como séries temporais climáticas, financeiras ou médicas.
No entanto, a complexidade de um spaghetti plot pode tornar a interpretação desafiadora quando há muitas séries representadas. Para tornar a leitura mais clara, é comum usar cores diferentes, etiquetas ou legendas para identificar cada série. Além disso, em alguns casos, pode ser útil suavizar as linhas para destacar tendências gerais.
Em resumo, o spaghetti plot é uma ferramenta visual que permite a comparação e análise de múltiplas séries de dados ao longo do tempo ou em uma dimensão contínua, mas deve ser usado com cuidado para garantir que as informações sejam comunicadas de forma clara e eficaz.
Atividade: Importe o arquivo fosfato.dta.
A base de dados possui variáveis referentes a evolução da quantidade de fostato em indivíduos dos grupos controle e obeso em seis períodos de tempo: 0, 30, 60, 90, 120 e 150. quantitativo da população americana por grupos de faixa etária:
# Visualizando o objeto
base_fosfato# A tibble: 33 × 8
grupo id T0 T1 T2 T3 T4 T5
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1 1 4.30 3.30 3 2.60 2.20 2.5
2 1 2 3.70 2.60 2.60 1.90 2.90 3.20
3 1 3 4 4.10 3.10 2.30 2.90 3.10
4 1 4 3.60 3 2.20 2.80 2.90 3.90
5 1 5 4.10 3.80 2.10 3 3.60 3.40
6 1 6 3.80 2.20 2 2.60 3.80 3.60
7 1 7 3.80 3 2.40 2.5 3.10 3.40
8 1 8 4.40 3.90 2.80 2.10 3.60 3.80
9 1 9 5 4 3.40 3.40 3.30 3.60
10 1 10 3.70 3.10 2.90 2.20 1.5 2.30
# ℹ 23 more rows#Transformando as variáveis numéricas em fatores
base_fosfato = base_fosfato |>
mutate(grupo = factor(x = grupo,
levels = c(1,2),
labels = c("Controle","Obeso")),
id = factor(id))Vejam que a base encontra-se espalahada e será preciso empilhá-la para conseguirmos criar os spaguetti plot.
#Empilhando os dados
base_empilhada = base_fosfato |>
gather(key = "Tempo",
value = "Fosfato",
3:8)Warning: attributes are not identical across measure variables; they will be
droppedbase_empilhada# A tibble: 198 × 4
grupo id Tempo Fosfato
<fct> <fct> <chr> <dbl>
1 Controle 1 T0 4.30
2 Controle 2 T0 3.70
3 Controle 3 T0 4
4 Controle 4 T0 3.60
5 Controle 5 T0 4.10
6 Controle 6 T0 3.80
7 Controle 7 T0 3.80
8 Controle 8 T0 4.40
9 Controle 9 T0 5
10 Controle 10 T0 3.70
# ℹ 188 more rows#Criando uma variável numérica para representar o tempo
base_empilhada = base_empilhada |>
mutate(Tempo_num = c(rep(0,33),rep(30,33),rep(60,33),rep(90,33),rep(120,33),rep(180,33)))
#Spaghetti plot individual
spaghetti = ggplot(data = base_empilhada,
mapping = aes(x = Tempo_num,
y = Fosfato,
group = id)) +
geom_line() +
theme_classic() +
labs(x = "Tempo")
spaghetti
#Spaghetti plot por grupo
spaghetti_grupo = ggplot(data = base_empilhada,
mapping = aes(x = Tempo_num,
y = Fosfato,
group = id,
color = grupo)) +
geom_line() +
scale_x_continuous(breaks = seq(0,180,30)) +
theme_classic() +
labs(color = "Grupo",
x = "Tempo")
spaghetti_grupo
#outra forma de fazer o spaghetti por grupo
spaghetti +
facet_wrap(~grupo)
Outras vezes, podemos fazer um gráfico de perfis médios. Para tal, será necessário inicialmente calcular algumas medidas.
#Descrevendo os padrões longitudinais globais
resumoGeral = base_empilhada |>
group_by(Tempo) |>
summarise(n_obs = n(),
media = mean(Fosfato, na.rm = TRUE),
d_p = sd(Fosfato, na.rm = TRUE),
minimo = min(Fosfato, na.rm = TRUE),
maximo = max(Fosfato, na.rm = TRUE),
erro_padrao = d_p/sqrt(n_obs),
IC_LI = media - 1.96*erro_padrao,
IC_LS = media + 1.96*erro_padrao) |>
ungroup()
resumoGeral# A tibble: 6 × 9
Tempo n_obs media d_p minimo maximo erro_padrao IC_LI IC_LS
<chr> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 T0 33 4.36 0.709 3 6.60 0.123 4.12 4.60
2 T1 33 3.79 0.859 2.20 6.10 0.150 3.50 4.09
3 T2 33 3.36 0.807 2 5.20 0.140 3.09 3.64
4 T3 33 3.15 0.731 1.90 4.60 0.127 2.90 3.40
5 T4 33 3.14 0.713 1.5 4.70 0.124 2.89 3.38
6 T5 33 3.36 0.689 1.90 4.30 0.120 3.13 3.60#Criando uma variável tempo numérica no objeto resumoGeral
resumoGeral = resumoGeral |>
mutate(tempo_num = c(0,30,60,90,120,180))
#Gráfico com os perfis de médias por tempo
perfil_media = ggplot(data = resumoGeral,
mapping = aes(x = tempo_num,
y = media)) +
geom_line() +
geom_point(size = 2.5) +
labs(x = "Tempo",
y = "Média do Fosfato") +
geom_errorbar(mapping = aes(ymin = IC_LI,
ymax = IC_LS),
width = 0.5) +
scale_x_continuous(breaks = seq(0,180,30)) +
theme_classic()
perfil_media
Também é possível criar os perfis médios por grupo.
#Descrevendo os padrões longitudinais por grupos
resumoGrupo = base_empilhada |>
group_by(grupo,Tempo) |>
summarise(n_obs = n(),
media = mean(Fosfato, na.rm = TRUE),
d_p = sd(Fosfato, na.rm = TRUE),
minimo = min(Fosfato, na.rm = TRUE),
maximo = max(Fosfato, na.rm = TRUE),
erro_padrao = d_p/sqrt(n_obs),
IC_LI = media - 1.96*erro_padrao,
IC_LS = media + 1.96*erro_padrao) |>
ungroup()`summarise()` has grouped output by 'grupo'. You can override using the
`.groups` argument.resumoGrupo# A tibble: 12 × 10
grupo Tempo n_obs media d_p minimo maximo erro_padrao IC_LI IC_LS
<fct> <chr> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 Controle T0 20 4.15 0.516 3.10 5 0.115 3.92 4.38
2 Controle T1 20 3.50 0.747 2.20 5 0.167 3.18 3.83
3 Controle T2 20 2.95 0.541 2 4.10 0.121 2.71 3.19
4 Controle T3 20 2.78 0.529 1.90 3.90 0.118 2.55 3.02
5 Controle T4 20 3.00 0.622 1.5 3.80 0.139 2.73 3.27
6 Controle T5 20 3.30 0.716 1.90 4.30 0.160 2.99 3.61
7 Obeso T0 13 4.68 0.858 3 6.60 0.238 4.21 5.14
8 Obeso T1 13 4.24 0.855 2.5 6.10 0.237 3.77 4.70
9 Obeso T2 13 4.00 0.740 2.30 5.20 0.205 3.60 4.40
10 Obeso T3 13 3.70 0.658 2.20 4.60 0.183 3.34 4.06
11 Obeso T4 13 3.35 0.815 2.10 4.70 0.226 2.90 3.79
12 Obeso T5 13 3.46 0.661 2.30 4.20 0.183 3.10 3.82#Criando uma variável tempo numérica no objeto resumoGrupo
resumoGrupo = resumoGrupo |>
mutate(tempo_num = c(c(0,30,60,90,120,180),c(0,30,60,90,120,180)))
#Gráfico com os perfis de médias por tempo e por grupo
perfil_media_grupo = ggplot(data = resumoGrupo,
mapping = aes(x = tempo_num,
y = media,
color = grupo,
shape = grupo)) +
geom_line() +
geom_point(size = 2.5) +
labs(x = "Tempo",
y = "Média do Fosfato",
color = "Grupo") +
geom_errorbar(mapping = aes(ymin = IC_LI,
ymax = IC_LS),
width = 0.5) +
scale_x_continuous(breaks = seq(0,180,30)) +
guides(shape = FALSE) +
theme_classic()Warning: The `<scale>` argument of `guides()` cannot be `FALSE`. Use "none" instead as
of ggplot2 3.3.4.perfil_media_grupo
E ainda colocar os perfis médios sobre o spaghetti plot.
#Gráfico com os perfis de médias por tempo e por grupo com o spaghetti
perfil_media_grupo_spag = ggplot(data = resumoGrupo,
mapping = aes(x = tempo_num,
y = media,
color = grupo,
shape = grupo)) +
geom_line(data = base_empilhada |> filter(grupo == "Controle"),
mapping = aes(x = Tempo_num,
y = Fosfato,
group = id,
color=" Pacientes Controle")) +
geom_line(data = base_empilhada |> filter(grupo == "Obeso"),
mapping = aes(x = Tempo_num,
y = Fosfato,
group = id,
color=" Pacientes Obesos")) +
geom_line() +
geom_point(size = 2.5) +
labs(x = "Tempo",
y = "Média do Fosfato",
color = "Grupo") +
geom_errorbar(mapping = aes(ymin = IC_LI,
ymax = IC_LS),
width = 0.5) +
scale_x_continuous(breaks = seq(0,180,30)) +
scale_color_manual(values = c("grey90", "grey70", "#55acee", "#bb4444")) +
guides(shape=FALSE) +
theme_classic()
perfil_media_grupo_spag