Visualização de dados

class: center, middle, inverse, title-slide

.title[
# Visualização de dados
]
.subtitle[
## 📈+😎
]
.author[
### <img src = 'https://d33wubrfki0l68.cloudfront.net/9b0699f18268059bdd2e5c21538a29eade7cbd2b/67e5c/img/logo/cursor1-5.png' width = '30%'>
]
.date[
### fevereiro de 2023
]

---

class: middle, center

# Sobre a Curso-R

---

## A empresa

<br>

---

## Filosofia de código aberto!

.pull-left[
<h3>Livros</h3><a href="https://livro.curso-r.com/" target="_blank">
<img src="img/hex-livro.png" width="100px"/>
</a><a href="https://curso-r.github.io/zen-do-r/index.html" target="_blank">
<img src="img/zen-do-r.png" width="100px" style="margin-left: 20px;"/>
</a>

<br>

<h3>Lives</h3><a href="https://www.youtube.com/c/CursoR6" target="_blank">
<img src="img/youtube.png" width="200px"/>
</a>
]

.pull-right[
<h3>Material dos cursos</h3><a href="https://github.com/curso-r" target="_blank">
<img src="img/github.png" width="230px"/>
</a>

<br>

<h3>Blog</h3><a href="https://blog.curso-r.com/" target="_blank">
<img src="img/blog.png" width="400px"/>
</a>
]

<br>

.center[
### [www.curso-r.com](https://www.curso-r.com)
]

---
## Nossos cursos

<div>
<div class="pull-left">
<div class="container center">
<div class="card">
<h2>Programação para Ciência de Dados</h2>
<hr style="background-color:#3bb44a;"/>
<p>
<a href="https://loja.curso-r.com/introduc-o-a-programac-o-com-r.html">Introdução a programação com R</a>
</p>
<p>
<a href="https://loja.curso-r.com/r-para-ciencia-de-dados-i.html">R para Ciência de Dados I</a>
</p>
<p>
<a href="https://loja.curso-r.com/r-para-ciencia-de-dados-ii.html">R para Ciência de Dados II</a>
</p>
<p>
<a href="https://loja.curso-r.com/pacotes.html">Pacotes</a>
</p>
<p>
<a href="https://loja.curso-r.com/python-para-ciencia-de-dados-i.html">Python para quem usa R</a>
</p>
</div>
</div>
<br/>
<div class="container center">
<div class="card">
<h2>Web scraping</h2>
<hr style="background-color:#eeba30;"/>
<p>
<a href="https://loja.curso-r.com/web-scraping.html">Web scraping</a>
</p>
</div>
</div>
</div>
<div class="pull-right">
<div class="container center">
<div class="card">
<h2>Dashboards e Visualização de Dados</h2>
<hr style="background-color:#ff6699;"/>
<p>
<a href="https://loja.curso-r.com/visualizac-o-de-dados.html">Visualização de dados</a>
</p>
<p>
<a href="https://loja.curso-r.com/relatorios-e-apresentacoes-automaticas.html">Relatórios e apresentações</a>
</p>
<p>
<a href="https://loja.curso-r.com/construindo-dashboards-i.html">Dashboards I</a>
</p>
<p>
<a href="https://loja.curso-r.com/deploy-colocando-seu-trabalho-em-produc-o.html">Deploy</a>
</p>
<p>
<a href="https://loja.curso-r.com/construindo-dashboards-ii.html">Dashboards II</a>
</p>
</div>
</div>
<br/>
<div class="container center">
<div class="card">
<h2>Modelagem de Dados</h2>
<hr style="background-color:#996699;"/>
<p>
<a href="https://loja.curso-r.com/modelos-lineares.html">Modelos Lineares</a>
</p>
<p>
<a href="https://loja.curso-r.com/introduc-o-ao-machine-learning.html">Introdução ao Machine Learning</a>
</p>
<p>
<a href="https://loja.curso-r.com/modelagem-de-series-temporais.html">Séries Temporais</a>
</p>
<p>
<a href="https://loja.curso-r.com/modelagem-n-o-supervisionada.html">Não supervisionado</a>
</p>
</div>
</div>
</div>
</div>

---
class: middle, center

# Sobre o curso

---
## Dinâmica curso

- As aulas terão uma seção teórica, de exposição de conceitos, e prática, de aplicação de conceitos.

- O objetivo dos exercícios é gerar dúvidas. **Com exceção do trabalho final, nenhum exercício precisa ser entregue**.

- O certificado será emitido mediante uma **entrega final**, a ser detalhada a seguir.

- Haverá monitoria para esclarecimento de dúvidas sempre 30 minutos antes do início das aulas.

- Usaremos os últimos minutos de cada aula para tirar dúvidas do conteúdo apresentado. Não haverá plantão de dúvidas pós aula.

- A gravação das aulas ficará disponível no Google Classroom por 1 ano após o final do curso.

---
## Dinâmica das aulas

- Mande dúvidas e comentários no chat em qualquer momento.

- Para falar, levante a mão.

- Algumas dúvidas serão respondidas na hora. Outras serão respondidas mais tarde na própria aula ou em aulas futuras.

---
## Trabalho final

Para o TCC do curso, entregará um TidyTuesday!

O TidyTuesday é um evento semanal criado para engajar a comunidade no uso do R para análise de dados. Se quiser conhecer mais, [siga a hashtag #tidytuesday no Twitter](https://twitter.com/hashtag/TidyTuesday)!

Mais informações [aqui](https://github.com/rfordatascience/tidytuesday/).

---
## Trabalho final

O resultado deverá ser entregue em um __arquivo zip__ contendo as visualizações e códigos. A submissão deve ser feita pelo classroom, subindo um arquivo .zip contendo

- Os __códigos em R__ utilizados para gerar os gráficos.
- Os __gráficos em imagens__ (.png, .jpeg, .gif etc)
- Um arquivo __README.md__ contando qual foi sua ideia e o processo de construção das visualizações.

__Observações__

- Não é necessário que a __base de dados__ esteja no repositório, já que ela pode ser lida diretamente da internet.
- __RMarkdown/Quarto__. Se você estiver confortável com relatórios reprodutíveis, pode entregar o trabalho em um relatório ou apresentação à sua escolha. Nesse caso, envie output final (em HTML, PDF, Word, etc) no lugar das imagens.
- __GitHub__. Se você estiver confortável com Git/GitHub, pode entregar o link do repositório no lugar do zip.

---
## Tire suas dúvidas

- **Não fique com dúvidas**.
 
- Fora do horário de aula ou monitoria:
    - envie suas perguntas gerais **sobre o curso** no Classroom.
     
    - envie preferencialmente suas perguntas **sobre R** no [nosso discourse](https://discourse.curso-r.com/).

- Saber fazer a pergunta certa vai te ajudar bastante nos estudos de programação. [Veja aqui dicas de como fazer uma boa pergunta](https://discourse.curso-r.com/t/como-escrever-uma-boa-pergunta/542).

---
class: middle, center, inverse

# Introdução

---
# Objetivos de aprendizagem

⬜ Compreender o papel da visualização em um projeto de ciência de dados.

⬜ Compreender as diferenças entre análise exploratória e análise descritiva.

⬜ Entender o funcionamento básico do pacote `{ggplot2}`.

⬜ Utilizar o `{ggplot2}` em um problema concreto.

Ficaremos com esses conteúdos por 2 aulas!

---

# O que é visualização de dados?

.pull-left[

- É a representação de dados em gráficos, tabelas e diagramas que podem ser interpretados por pessoas.

- É uma área interdisciplinar, misturando estatística, arte e comunicação.

- É uma parte da área de *data storytelling*, que envolve organizar todos os resultados de uma análise de dados em uma ordem lógica para comunicar de forma efetiva com a audiência.

]

.pull-right[

Ilustração de [Allison Horst](https://www.allisonhorst.com)

]

---

# Por que fazer visualizações de dados?

.pull-left[

- Visualizações estão presentes na grande maioria dos projetos de ciência de dados.

- É a parte mais acessível da ciência de dados do ponto de vista de quem lê. Mostrar uma visualização costuma ser mais efetivo do que a saída de um modelo.

- É uma das partes mais difíceis de automatizar da ciência de dados. Uma carreira em *dataviz* dificilmente ficará obsoleta.

]

.pull-right[

Imagem do [blog da Curso-R](https://blog.curso-r.com/posts/2019-02-10-sf-miojo/)

]

---

# Para que servem as visualizações?

.pull-left[

- Uma base de dados contém toda a informação que precisamos.

- No entanto, não somos capazes de tirar conclusões apenas olhando essas bases.

- Por isso, é necessário resumir esses dados em estatísticas.

- Nem sempre as estatísticas (os números) são úteis para uma comunicação efetiva... Por isso, faz sentido mostrá-las usando formas, cores e outros elementos que facilitam a absorção da informação pelas pessoas.

- Para o [Hadley Wickham](https://hadley.nz), visualizar dados serve para .blue[***surpreender***].

]

.pull-right[

Ilustração de [Allison Horst](https://www.allisonhorst.com)

]

---

# Gráficos bons e ruins

.pull-left[

### Gráficos para evitar

- Barras que não começam no zero
- [Gráficos de pizza](https://forum.abj.org.br/t/graficos-de-pizza-sao-ruins/41) (discutível!)
- ...

]

.pull-right[

### Gráficos para tomar cuidado

- Gráficos com dois eixos
- Gráficos pouco conhecidos
- ...

]

---
class: middle,inverse,center

# Ferramental

---

# Em que momentos utilizamos?

---

.pull-left[

## Análise exploratória

- É um trabalho de __investigação__ de dados
- A ferramenta: precisa ser __rápida__ de programar
- O objetivo é **aprender**

]

.pull-right[

## Análise descritiva

- É um trabalho de __otimização visual__
- A ferramenta: precisa ser __customizável__
- O objetivo é **comunicar**

]

.center[
### O `{ggplot2}` permite fazer as duas coisas!
]

---

# Gramática de gráficos *em camadas*

O pacote `{ggplot2}` segue duas filosofias que nos ajudam a entender o processo de construção dos gráficos:

1. Um gráfico estatístico é uma representação visual dos dados por meio de atributos estéticos (posição, cor, forma, tamanho, ...) de formas geométricas (pontos, linhas, barras, ...). [The Grammar of Graphics](https://www.springer.com/gp/book/9780387245447).

2. Um gráfico pode ser construído em camadas (um gráfico é a sobreposição de elementos visuais). [A layered grammar of graphics](https://vita.had.co.nz/papers/layered-grammar.html).

---

# Camadas

Para construir um gráfico, começamos com o *canvas*. A função `ggplot()` cria a primeira camada do nosso gráfico: uma tela em branco (cinza).

---

# Camadas

.panelset[

.panel[
.panel-name[Canvas]

]

.panel[
.panel-name[Canvas (R)]

```r
cars |> 
  ggplot()
```

]

.panel[
.panel-name[Eixos]

]

.panel[
.panel-name[Eixos (R)]

```r
cars |> 
  ggplot() +
  aes(x = speed, y = dist)
```

]

.panel[
.panel-name[Geometria]

]

.panel[
.panel-name[Geometria (R)]

```r
cars |> 
  ggplot() +
  aes(x = speed, y = dist) +
  geom_point()
```

]
]

---

# Camadas

Depois, podemos trabalhar a estética com temas e detalhamentos.

.panelset[
.panel[
.panel-name[Completo]

]
.panel[
.panel-name[Completo (R)]

```r
ggplot(cars) +
  aes(speed, dist) +
  geom_point(colour = "darkblue") +
  stat_smooth(
    se = FALSE, colour = "lightgray", 
    method = "loess", formula = "y ~ x"
  ) +
  theme_minimal(14) +
  labs(
    title = "A velocidade influencia na distância de parada?",
    subtitle = "Distância necessária para parar o carro",
    caption = paste(
      "Fonte: Ezekiel, M. (1930) Methods of",
      "Correlation Analysis. Wiley"),
    x = "Velocidade", y = "Distância para parar"
  )
```

]
]

---

# Curiosidade: por que o `+`?

O `{ggplot2}`, diferentemente dos outros pacotes do `tidyverse`, não usa o *pipe* (`|>` ou `|>` depois do R 4.1). Isso acontece pois o `{ggplot2}` surgiu [antes que o autor tomasse conhecimento do pipe](https://www.reddit.com/r/dataisbeautiful/comments/3mp9r7/comment/cvi19ly/?utm_source=share&utm_medium=web2x&context=3).

---

# [Dúvidas?](https://www.rstudio.com/resources/cheatsheets/)

---

# [Qual gráfico escolher?](https://www.data-to-viz.com)

---

# Base de dados do exemplo

Para os slides a seguir, vamos usar a base do imdb. Atenção para a coluna lucro, que criamos fazendo a diferença entre receita e orçamento.

```r
library(tidyverse)
imdb <- read_rds("dados/imdb.rds")
imdb <- imdb |> mutate(lucro = receita - orcamento)
```

---
# Um gráfico de pontos (dispersão)

Podemos fazer um gráfico de dispersão da receita contra o orçamento dos filmes acrescentando a função `geom_point()` ao código anterior.

.tiny[

```r
imdb |> 
  ggplot() +
  geom_point(aes(x = orcamento, y = receita))
```

<img src="slides_files/figure-html/ggdispersao-1.png" width="360" style="display: block; margin: auto;" />
]

---
<br><br>

Muitos pontos para discutir:

- Esse gráfico tem duas camadas: o canvas, gerado pela função `ggplot()`, e os pontos, gerado pela função `geom_point()`.

- Unimos as camadas de um ggplot usando um `+`. Sim, precisamos controlar a nossa vontade de colocar um ` |> ` em vez de `+`, e essa é uma fonte de erro bem comum. O motivo para precisarmos usar `+` em vez do `|>` é o pacote ggplot ter nascido primeiro que o pipe.

- A função `geom_point()` define que a forma geométrica (daí o prefixo `geom`) utilizada para representar os dados será pontos. Existe uma família de funções `geom`, sendo que cada uma vai representar uma forma geométrica diferente.

- O primeiro argumento de qualquer função `geom` é o `mapping`. Esse argumento serve para mapear os dados nos atributos estéticos da forma geométrica escolhida. Ele sempre receberá a função `aes()`. No código, nós omitimos o nome do argumento, mas poderíamos ter escrito `geom_point(mapping = aes(x = orcamento, y = receita))`.

---
<br><br>

- A função `aes()` serve para *mapear os dados aos elementos estéticos do gráfico*. Os argumentos dela vão sempre depender da forma geométrica que estamos utilizando. No caso de um gráfico de pontos, precisamos definir como as posições do eixo x e y serão construídas. No exemplo, a posição do ponto no eixo x será dada pela coluna `orcamento` e a posição do ponto no eixo y será dada pela coluna `receita`.

- O *warning* indica quantas observações (linhas) precisaram ser removidas, por não possuir informação de orçamento ou receita.

- Veremos nos próximos exemplos que será muito comum manipularmos a base (aplicarmos diversas funções do `dplyr`, por exemplo) antes de chamarmos a função `ggplot`.

**O mapeamento das COLUNAS nas FORMAS GEOMÉTRICAS deve ser SEMPRE feito dentro da função `aes()`**.

---
<br><br>

Vamos agora inserir um novo elemento visual ao gráfico: a reta x = y.

.tiny[

```r
imdb |>
  ggplot() +
  geom_point(aes(x = orcamento, y = receita)) +
  geom_abline(intercept = 0, slope = 1, color = "red")
```

<img src="slides_files/figure-html/ggreta-1.png" width="360" style="display: block; margin: auto;" />
]

---
<br><br>

- A reta x = y é acrescentada ao gráfico pela função `geom_abline()`. Esse `geom` pode ser utilizado para desenhar qualquer reta do tipo `y = a + b * x`, sendo `a` o intercepto (*intercept*) da reta e `b` o seu coeficiente angular (*slope*).

- Essa reta nos permite observar o número de filmes que obtiveram lucro (pontos acima da reta) e aqueles que obtiveram prejuízo (pontos abaixo da reta).

- Como não estamos mapeando colunas a essa reta, não precisamos colocar os argumentos da função `geom_abline()` do `aes()`.

---
<br><br>

Veja como o ggplot realmente é construído por camadas. Agora, colocamos a camada da reta antes da camada dos pontos. Os pontos ficam em cima da reta.

.tiny[

```r
imdb |>
  ggplot() +
  geom_abline(intercept = 0, slope = 1, color = "red") +
  geom_point(aes(x = orcamento, y = receita))
```

<img src="slides_files/figure-html/ggretavermelha-1.png" width="360" style="display: block; margin: auto;" />
]

---
<br><br>

Os atributos `x` e `y` são necessários para construirmos um gráfico de pontos. Outros atributos também podem ser mapeados em pontos, como a cor. Como a coluna `lucro` é numérica, um degradê de cores é criado para os pontos, a depender do lucro.

.tiny[

```r
imdb |>
  ggplot() +
  geom_point(aes(x = orcamento, y = receita, color = lucro))
```

<img src="slides_files/figure-html/ggdispersaoazul-1.png" width="360" style="display: block; margin: auto;" />
]

---
<br><br>

Poderíamos também classificar os filmes entre aqueles que lucraram ou não. Uma cor é atribuída a cada categoria.

.tiny[

```r
imdb |>
  mutate(
    lucrou = ifelse(lucro <= 0, "Não", "Sim")
  ) |>
  ggplot() +
  geom_point(aes(x = orcamento, y = receita, color = lucrou))
```

<img src="slides_files/figure-html/gglucro-1.png" width="360" style="display: block; margin: auto;" />
]

---
# Gráfico de linhas

Utilizamos o `geom_line` para fazer gráficos de linhas. Gráficos de linha são muito utilizados para representar *séries temporais*, isto é, observações medidas repetidamente em intervalos (em geral) equidistantes de tempo.

Assim como nos gráficos de pontos, precisamos definir as posições `x` e `y` para construirmos gráficos de linhas.

A seguir, construímos o gráfico das notas médias dos filmes produzidos em cada ano,

---
<br><br>

.tiny[

```r
imdb |> 
  group_by(ano) |> 
  summarise(nota_media = mean(nota_imdb, na.rm = TRUE)) |> 
  ggplot() +
  geom_line(aes(x = ano, y = nota_media))
```

<img src="slides_files/figure-html/gglinha-1.png" width="576" style="display: block; margin: auto;" />
]

---
<br><br>

Se mapearmos uma coluna à cor das retas, serão construídas uma reta correspondente a cada categoria distinta dessa coluna.

.tiny[

```r
imdb |> 
  filter(!is.na(idioma)) |> 
  mutate(idioma_ingles = case_when(idioma == "English" ~ "Apenas Inglês",
                                   str_detect(idioma, "English") ~ "Inglês e outros idiomas",
                                   TRUE ~ "Outros idiomas")) |>
  group_by(ano, idioma_ingles) |> 
  summarise(num_filmes = n(), .groups = "drop") |> 
  ggplot() +
  geom_line(aes(x = ano, y = num_filmes, color = idioma_ingles))
```

<img src="slides_files/figure-html/gglinhacolorida-1.png" width="576" style="display: block; margin: auto;" />
]

---
<br><br>

Podemos colocar pontos e retas no mesmo gráfico. Basta acrescentar os dois `geoms`. O gráfico abaixo mostra nota média anual dos filmes do Robert De Niro.

```r
imdb |> 
  filter(str_detect(elenco, "Robert De Niro")) |> 
  group_by(ano) |> 
  summarise(nota_media = mean(nota_imdb, na.rm = TRUE)) |> 
  ggplot() +
  geom_line(aes(x = ano, y = nota_media)) +
  geom_point(aes(x = ano, y = nota_media))
```

---
<br><br>

Quando precisamos usar o mesmo `aes()` em vários `geoms`, podemos defini-lo dentro da função `ggplot()`. Esse `aes()` será então distribuído para todo `geom` do gráfico. O código anterior pode ser reescrito da seguinte forma.

```r
imdb |> 
  filter(str_detect(elenco, "Robert De Niro")) |> 
  group_by(ano) |> 
  summarise(nota_media = mean(nota_imdb, na.rm = TRUE)) |> 
  ggplot(aes(x = ano, y = nota_media)) +
  geom_line() +
  geom_point()
```

---
<br><br>

Se algum `geom` necessitar de um atributo que os outros não precisam, esse atributo pode ser especificado normalmente dentro dele. Abaixo, utilizamos o `geom_label` para colocar as notas médias no gráfico. Além do `x` e `y`, o `geom_label` também precisa do texto que será escrito no gráfico.

.tiny[

```r
imdb |> 
  filter(str_detect(elenco, "Robert De Niro")) |> 
  group_by(ano) |> 
  summarise(nota_media = mean(nota_imdb, na.rm = TRUE)) |> 
  mutate(nota_media = round(nota_media, 1)) |> 
  ggplot(aes(x = ano, y = nota_media)) +
  geom_line() +
  geom_label(aes(label = nota_media))
```

<img src="slides_files/figure-html/gglinhalabel-1.png" width="576" style="display: block; margin: auto;" />
]

---
# Gráfico de barras

Para construir gráficos de barras, utilizamos o `geom_col`. A seguir, construímos um gráfico de barras do número de filmes das 10 pessoas que mais dirigiram filmes na nossa base do IMDB.

.tiny[

```r
imdb |> 
  count(direcao) |>
  slice_max(order_by = n, n = 10) |> 
  ggplot() +
  geom_col(aes(x = direcao, y = n))
```

Gráficos de barras também precisam dos atributos `x` e `y`, sendo que o atributo `y` representará a altura de cada barra.

No gráfico anterior, vemos que o `NA` é considerado uma "opção" de direcao e entra no gráfico. Podemos retirar os `NAs` dessa coluna previamente utilizando a função `filter()`.

A seguir, além de retirar os `NAs`, atribuímos a coluna `direcao` à cor das colunas. Repare que, nesse caso, não utilizamos o atributo `color` e sim `fill`. A regra é a seguinte: o atributo `color` colore objetos sem área (pontos, linhas, contornos), o atributo `fill` preenche objetos com cor (barras, áreas, polígonos em geral).

---
<br><br>

.tiny[

```r
imdb |> 
  count(direcao) |>
  filter(!is.na(direcao)) |> 
  slice_max(order_by = n, n = 10) |> 
  ggplot() +
  geom_col(
    aes(x = direcao, y = n, fill = direcao), show.legend = FALSE
  )
```

<img src="slides_files/figure-html/ggbarracolorida-1.png" width="504" style="display: block; margin: auto;" />
]

---
<br><br>

Para consertar as labels do eixo `x`, uma alternativa é inverter os eixos do gráfico, construindo barras horizontais.

.tiny[

```r
imdb |> 
  count(direcao) |>
  filter(!is.na(direcao)) |> 
  slice_max(order_by = n, n = 10) |> 
  ggplot() +
  geom_col(
    aes(x = direcao, y = n, fill = direcao), show.legend = FALSE
  ) +
  coord_flip()
```

<img src="slides_files/figure-html/ggbarracoordflip-1.png" width="504" style="display: block; margin: auto;" />
]

---
<br><br>

Para ordenar as colunas, precisamos mudar a ordem dos níveis do *fator* `direcao`. Para isso, utilizamos a função `fct_reorder()` do pacote `forcats`. A nova ordem será estabelecida pela coluna `n` (quantidade de filmes).

Fatores dentro do R são números inteiros (1, 2, 3, ...) que possuem uma representação textual. Variáveis categóricas são transformadas em fatores pelo ggplot pois todo eixo cartesiano é numérico. Assim, os textos de uma variável categórica são, internamente, números inteiros.

Por padrão, os inteiros são atribuídos a cada categoria de uma variável pela ordem alfabética (repare na ordem das pessoas que dirigiram filmes nos gráficos anteriores). Assim, se transformássemos o vetor `c("banana", "uva", "melancia")` em um fator, a atribuição de inteiros seria: "banana" vira 1, "melancia" vira 2 e "uva" vira 3. Embora sejam inteiros internamente, sempre que chamássemos esse novo vetor, ainda sim veríamos os textos "banana", "uva" e "melancia".

---
<br><br>

.tiny[

```r
imdb |> 
  count(direcao) |>
  filter(!is.na(direcao)) |> 
  slice_max(order_by = n, n = 10) |> 
  mutate(direcao = forcats::fct_reorder(direcao, n)) |> 
  ggplot() +
  geom_col(
    aes(x = direcao, y = n, fill = direcao),
    show.legend = FALSE
  ) +
  coord_flip()
```

<img src="slides_files/figure-html/ggbarraforcats-1.png" width="504" style="display: block; margin: auto;" />
]

---
<br><br>

Por fim, podemos colocar uma label com o número de filmes de cada pessoa que dirigiu filmes dentro de cada barra.

.tiny[

```r
imdb |> 
  count(direcao) |>
  filter(!is.na(direcao)) |> 
  slice_max(order_by = n, n = 10) |> 
  mutate(direcao = forcats::fct_reorder(direcao, n)) |> 
  ggplot() +
  geom_col(aes(x = direcao, y = n, fill = direcao), show.legend = FALSE) +
  geom_label(aes(x = direcao, y = n/2, label = n)) +
  coord_flip()
```

<img src="slides_files/figure-html/ggbarralabel-1.png" width="504" style="display: block; margin: auto;" />
]

---
# Histograma

Para construir histogramas, usamos o `geom_histogram`. Esse `geom` só precisa do atributo `x` (o eixo y é construído automaticamente). Histogramas são úteis para avaliarmos a distribuição de uma variável.

A seguir, construímos o histograma do lucro dos filmes do diretor Steven Spielberg.
O primeiro *warning* nos diz que o eixo x foi dividido em 30 intervalos para a construção do histograma.

---
<br><br>

```r
imdb |> 
  filter(direcao == "Steven Spielberg") |>
  ggplot() +
  geom_histogram(aes(x = lucro))
```

```
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
```

---
<br><br>

Para definir o tamanho de cada intervalo, podemos utilizar o argumento `bindwidth`.

.tiny[

```r
imdb |> 
  filter(direcao == "Steven Spielberg") |>
  ggplot() +
  geom_histogram(
    aes(x = lucro), 
    binwidth = 100000000,
    color = "white"
  )
```

<img src="slides_files/figure-html/gghistbind-1.png" width="504" style="display: block; margin: auto;" />
]

---
# Boxplot

Boxplots também são úteis para estudarmos a distribuição de uma variável, principalmente quando queremos comparar várias distribuições.

Para construir um boxplot no ggplot, utilizamos a função `geom_boxplot`. Ele precisa dos atributos `x` e `y`, sendo que ao atributo `x` devemos mapear uma variável categórica.

A seguir, construímos boxplots do lucro dos filmes das pessoas que dirigiram de 15 filmes.

---
<br><br>

.tiny[

```r
direcao_mais_15_filmes <- imdb |> 
  filter(!is.na(direcao), !is.na(lucro) ) |>
  group_by(direcao) |> 
  count(direcao, sort = TRUE) |> 
  filter(n >= 15)
imdb |> 
  filter(direcao %in% direcao_mais_15_filmes$direcao) |> 
  ggplot() +
  geom_boxplot(aes(x = direcao, y = lucro)) +
  coord_flip()
```

<img src="slides_files/figure-html/ggboxplot-1.png" width="504" style="display: block; margin: auto;" />
]

---
<br><br>

Também podemos reordenar a ordem dos boxplots utilizando a função `forcats::fct_reorder`.

.tiny[

```r
imdb |> 
  filter(direcao %in% direcao_mais_15_filmes$direcao) |> 
  mutate(direcao = forcats::fct_reorder(direcao, lucro, .na_rm = TRUE)) |> 
  ggplot() +
  geom_boxplot(aes(x = direcao, y = lucro)) +
  coord_flip()
```

<img src="slides_files/figure-html/ggboxplotreorder-1.png" width="504" style="display: block; margin: auto;" />
]

---
# Títulos, labels e escalas

Para colocar títulos no gráfico ou trocar as labels dos atributos, utilizamos a função `labs()`.

Para mudar as escalas (textos e quebras), utilizamos as funções da família `scale_`.

Podemos usar a função `coord_cartesian()` para definir qual porção do gráfico deve ser mostrada.

---
<br><br>

Colocando título, subtítulo e mudando as labels.

.tiny[

```r
imdb |>
  ggplot() +
  geom_point(mapping = aes(x = orcamento, y = receita, color = lucro)) +
  labs(
    x = "Orçamento ($)", y = "Receita ($)", color = "Lucro ($)",
    title = "Gráfico de dispersão", subtitle = "Receita vs Orçamento"
  )
```

<img src="slides_files/figure-html/gglabs-1.png" width="504" style="display: block; margin: auto;" />
]

---
<br><br>

Mudando as quebras dos eixos `x` e `y`.

.tiny[

```r
imdb |> 
  group_by(ano) |> 
  summarise(nota_media = mean(nota_imdb, na.rm = TRUE)) |> 
  ggplot() +
  geom_line(aes(x = ano, y = nota_media)) +
  scale_x_continuous(breaks = seq(1916, 2016, 10)) +
  scale_y_continuous(breaks = seq(0, 10, 2))
```

<img src="slides_files/figure-html/ggscale-1.png" width="504" style="display: block; margin: auto;" />
]

---
<br><br>

Mudando a escala do gráfico.

.tiny[

<img src="slides_files/figure-html/ggcoordcartesian-1.png" width="504" style="display: block; margin: auto;" />
]

---
# Cores

Também existe funções `scale` para os atributos de cor: `scale_color_` e `scale_fill_`.

Para escolher manualmente as cores de um gráfico, utilize as funções 
`scale_color_manual` e `scale_fill_manual()`.

Para trocar o nome nas legendas geradas por atributos de cor, utilize as funções `scale_color_discrete` e `scale_fill_discrete`.

---
<br><br>

Substituindo as cores padrão do gráfico por um outro conjunto de cores.

.tiny[

```r
imdb |> 
  count(direcao) |>
  filter(!is.na(direcao)) |> 
  slice_max(order_by = n, n = 5) |> 
  ggplot() +
  geom_col(aes(x = direcao, y = n, fill = direcao), show.legend = FALSE) +
  coord_flip() +
  scale_fill_manual(values = c("red", "blue", "green", "pink", "purple"))
```

<img src="slides_files/figure-html/ggfillmanual-1.png" width="504" style="display: block; margin: auto;" />
]

---
<br><br>

Também podemos usar códigos hexadecimais.

.tiny[

```r
imdb |> 
  count(direcao) |>
  filter(!is.na(direcao)) |> 
  slice_max(order_by = n, n = 5) |> 
  ggplot() +
  geom_col(aes(x = direcao, y = n, fill = direcao), show.legend = FALSE) +
  coord_flip() +
  scale_fill_manual(
    values = c("#ff4500", "#268b07", "#ff7400", "#0befff", "#a4bdba")
  )
```

<img src="slides_files/figure-html/ggfillhex-1.png" width="504" style="display: block; margin: auto;" />
]

---
<br><br>

Trocando os textos da legenda.

.tiny[

```r
imdb |> 
  mutate(sucesso_nota = case_when(nota_imdb >= 7 ~ "sucesso_nota_imbd",
                                  TRUE ~ "sem_sucesso_nota_imdb")) |>
  group_by(ano, sucesso_nota) |> 
  summarise(num_filmes = n(), .groups = "drop") |> 
  ggplot() +
  geom_line(aes(x = ano, y = num_filmes, color = sucesso_nota)) +
  scale_color_discrete(labels = c("Nota menor que 7", "Nota maior ou igual à 7"))
```

<img src="slides_files/figure-html/gglabelslegenda-1.png" width="504" style="display: block; margin: auto;" />
]

---
# Temas

Os gráficos que vimos até agora usam o tema padrão do ggplot2. Existem outros temas prontos para utilizarmos presentes na família de funções `theme_`.

Você também pode criar o seu próprio tema utilizando a função `theme()`. Nesse caso, para trocar os elementos estéticos do gráfico precisamos usar as funções `element_text()` para textos, `element_line()` para linhas, `element_rect()` para áreas e `element_blank()` para remover elementos.

---
<br><br>

```r
imdb |> 
  ggplot() +
  geom_point(mapping = aes(x = orcamento, y = receita)) +
  theme_minimal() 
```

---
<br><br>

```r
imdb |> 
  ggplot() +
  geom_point(mapping = aes(x = orcamento, y = receita)) +
  theme_bw()
```

---
<br><br>

```r
imdb |> 
  ggplot() +
  geom_point(mapping = aes(x = orcamento, y = receita)) +
  theme_classic()
```

---
<br><br>

---
<br><br>

Criando um próprio tema.

.tiny[

```r
imdb |> 
  ggplot() +
  geom_point(mapping = aes(x = orcamento, y = receita), color = "white") +
  labs(title = "Gráfico de dispersão", subtitle = "Receita vs Orçamento") +
  theme(
    plot.title = element_text(hjust = 0.5),
    plot.subtitle = element_text(hjust = 0.5),
    axis.title = element_text(color = "purple"),
    panel.background = element_rect(fill = "black"),
    panel.grid = element_blank()
  )
```

]

---

# Vamos ao R!

---
class: middle, center, inverse

# Otimização Visual

---
# Objetivos de aprendizagem

⬜ Discutir os principais aspectos visuais a serem considerados em um gráfico estatístico

⬜ Compreender como modificar um `ggplot` para comunicar resultados de maneira eficiente.

⬜ Otimizar um gráfico que utilizamos na aula anterior.

---

# O que é otimização visual?

- É o ato de trabalhar em uma visualização aprimorar a comunicação.

- Pode envolver alterações nas cores, fontes, elementos geométricos, entre outros, a partir de um gráfico exploratório.

- Não é uma ciência exata, mas recolhe elementos da ciência para aumentar a probabilidade de sucesso da visualização.

---

# Recursos pré-atentativos

- Uma propriedade visual pré-atentativa é processada pelo nosso [cérebro antes de uma ação consciente](https://www.interaction-design.org/literature/article/preattentive-visual-properties-and-how-to-use-them-in-information-visualization).

- Como isso esse processamento é muito rápido, trata-se de uma oportunidade para tornar visualizações mais amigáveis e diretamente interpretadas.

- Segundo [Colin Ware](https://en.wikipedia.org/wiki/Colin_Ware), existem 4 propriedades pré-atentativas que podemos explorar:
    - Cor
    - Forma
    - Movimento
    - Posicionamento
    
- O objetivo dos recursos pré-atentativos é __<span style="color:blue;">chamar a atenção</span>__.

---

# Recursos pré-atentativos

- Como isso esse processamento é muito rápido, trata-se de uma oportunidade para tornar visualizações mais amigáveis e diretamente interpretadas.

- Segundo [Colin Ware](https://en.wikipedia.org/wiki/Colin_Ware), existem 4 propriedades pré-atentativas que podemos explorar:
    - __Cor__
    - __Forma__
    - Movimento
    - Posicionamento
    
- O objetivo dos recursos pré-atentativos é __<span style="color:blue;">chamar a atenção</span>__.

---
class: inverse, middle

##### E por último isso

# Primeiro você lerá isso

### Depois você lerá isso

#### Então isso

---
class: middle, center

# Cor

---

# Cores do zero: HCL vs RGB

- HCL (hue, chroma, luminance) é vantajoso pois é mais intuitivo de criar do que RGB, já que o HCL tem apenas um eixo de cores (*hue*), enquanto RGB é uma composição de três (*red*, *green*, *blue*)

- O pacote `{colorspace}` permite usar HCL para definir uma cor/paleta: experimente `colorspace::hcl_color_picker()`

- [Nesse site](https://color.adobe.com/create/color-wheel), também é possível criar algumas paletas

---

# Paletas de cores prontas

- __Escalas qualitativas__: utilizado para variáveis nominais (sexo, cor/raça)

- __Escalas divergentes__: utilizado para variáveis que têm um centro neutro (favorável/neutro/desfavorável, correlação)

- __Escalas sequenciais__: utilizado para variáveis ordinais (faixa etária, renda)

- __Viridis__: útil para comunicar com pessoas com daltonismo

---

# Paletas de cores no {ggplot2}

- `scale_*_brewer()`: utilizada para variáveis discretas. Possui três tipos: divergente, qualitativa e sequencial.

- `scale_*_distiller()`: utilizada para variáveis contínuas. Interpola as cores do *brewer* para lidar com todos os valores.

- `scale_*_fermenter()`: utilizada para variáveis contínuas, que são transformadas em discretas (binned).

- `scale_*_viridis_[cdb]`: Escala viridis para variáveis `c`ontínuas, `d`iscretas ou `b`inned.

- `scale_*_manual()`: inclui um conjunto de cores manualmente.

---

# Paletas de outros pacotes

- [`{ggthemr}`](https://github.com/Mikata-Project/ggthemr) tem um monte de paletas, mas está um pouco desatualizado.

- [`{hrbrthemes}`](https://github.com/hrbrmstr/hrbrthemes) contém uma lista de temas escolhidos pelo Bob Rudis.

- [`{ghibli}`](https://ewenme.github.io/ghibli/) tem paletas de cores relacionadas ao Studio Ghibli

- [`{paletteer}`](https://github.com/EmilHvitfeldt/paletteer) tem uma coleção de cores de vários outros pacotes de paletas.

---

# Qual visualização é melhor?

.pull-left[

]

.pull-right[

]

---

# É subjetivo...

---
class: middle, center

# Forma

---

# Formas

- Geralmente queremos contrastar formas para chamar a atenção...

- Sem com isso fazer uma bagunça visual.

- A ideia é utilizar apenas um elemento, como tamanho, forma, largura, marcações, angulações, etc. para mostrar o contraste.

---

# Exemplos

---

# Princípios Gestalt

- __Gestalt__ é uma área ampla da psicologia que não vamos aprofundar.

- Está ligada à ideia de que, em uma visualização, o todo é maior do que a soma das partes.

- Dois princípios Gestalt aplicáveis em visualização de dados são a nossa capacidade de:
    - Completar figuras
    - Agrupar objetos

- Ou seja, podemos criar visualizações que ativam essas capacidades.

---

# Qual visualização é melhor?

.pull-left[

]

.pull-right[

]

---

# Vamos ao R!

---
class: inverse, middle, center

# Extensões do ggplot2

---

# Objetivos de aprendizagem

⬜ Conhecer extensões do `{ggplot2}`

⬜ Experimentar extensões separadamente

⬜ Estudar um exemplo juntando várias extensões.

---

# O que é uma extensão?

- O `{ggplot2}` é maravilhoso, mas não possui todos os gráficos possíveis.

- Por isso, pessoas do mundo todo desenvolvem extensões para a comunidade usar, que vão desde pacotes com novos temas/cores, geometrias eixos até a [possibilidade de desenhar gatinhos em barras](https://coolbutuseless.github.io/package/ggpattern/index.html)

- A equipe do tidyverse mantém uma [lista curada de extensões do `{ggplot2}`](https://exts.ggplot2.tidyverse.org/gallery/)

---

# Como criar uma extensão?

- A [edição mais recente](https://ggplot2-book.org/extensions.html) do livro do `{ggplot2}` possui um tutorial de como criar extensões para o pacote.

- ⚠️  Cuidado! Criar extensões do `{ggplot2}` não é fácil. Trata-se de um pacote complexo, exigindo bastante conhecimento de elementos internos do R.

- Uma forma legal de estudar extensões é olhando o código de pacotes. Recomendamos as extensões do [Thomas Lin Pedersen](https://github.com/thomasp85), já que ele é o mantenedor atual do `{ggplot2}` e, portanto, conhece muito bem as melhores práticas para criar extensões.

---

# Vamos ao R!

---
class: inverse, middle, center

# Interatividade

---

# Objetivos de aprendizagem

⬜ Conhecer a diferença entre visualizações estáticas e dinâmicas

⬜ Experimentar algumas visualizações

⬜ Cobrir temas que não foram abordados no curso e encerrar.

---

## Gráficos interativos e estáticos

- Gráficos interativos têm o poder de engajar mais, por conta do efeito *voosh*. Todo ser humano gosta de interagir com aquilo que está analisando.

- No entanto, isso vem com um custo: não são todos os documentos capazes de processar visualizações dinâmicas. Em particular, PDF, Word e PPT não rodam esses conteúdos.

- Vamos visitar tanto o mundo estático quanto dinâmico, para que você saiba por onde começar quando receber um novo desafio.

---

## htmlwidgets

`htmlwidgets` são bibliotecas de visualização JavaScript encapsuladas em pacotes de R. Elas nos permitem usar diversas ferramentas JavaScript diretamente do R, adicionando algumas poucas linhas de código em nosso script.

Usando `htmlwidgets`, conseguimos construir tabelas, gráficos, mapas e muito outras visualizações interativas e naturalmente bonitas.

[Clique aqui](https://www.htmlwidgets.org/index.html) para acessar uma lista completa de todos os `htmlwidgets` disponíveis.

---
## Tabelas com reactable

O pacote `reactable` nos permite criar tabelas interativas baseadas na biblioteca [React Table](https://github.com/tannerlinsley/react-table).

[Clique aqui](https://glin.github.io/reactable/) para acessar o tutorial completo do pacote `{reactable}`.

---
<br><br>

A interatividade dos `htmlwidgets` não depende de uma sessão R rodando por trás. Você pode utilizá-los em qualquer documento `.html`.

<div class="reactable html-widget html-fill-item-overflow-hidden html-fill-item" id="htmlwidget-217d973d856f0a9dbba1" style="width:auto;height:auto;"></div>
<script type="application/json" data-for="htmlwidget-217d973d856f0a9dbba1">{"x":{"tag":{"name":"Reactable","attribs":{"data":{".rownames":["Mazda RX4","Mazda RX4 Wag","Datsun 710","Hornet 4 Drive","Hornet Sportabout","Valiant","Duster 360","Merc 240D","Merc 230","Merc 280","Merc 280C","Merc 450SE","Merc 450SL","Merc 450SLC","Cadillac Fleetwood","Lincoln Continental","Chrysler Imperial","Fiat 128","Honda Civic","Toyota Corolla","Toyota Corona","Dodge Challenger","AMC Javelin","Camaro Z28","Pontiac Firebird","Fiat X1-9","Porsche 914-2","Lotus Europa","Ford Pantera L","Ferrari Dino","Maserati Bora","Volvo 142E"],"mpg":[21,21,22.8,21.4,18.7,18.1,14.3,24.4,22.8,19.2,17.8,16.4,17.3,15.2,10.4,10.4,14.7,32.4,30.4,33.9,21.5,15.5,15.2,13.3,19.2,27.3,26,30.4,15.8,19.7,15,21.4],"cyl":[6,6,4,6,8,6,8,4,4,6,6,8,8,8,8,8,8,4,4,4,4,8,8,8,8,4,4,4,8,6,8,4],"disp":[160,160,108,258,360,225,360,146.7,140.8,167.6,167.6,275.8,275.8,275.8,472,460,440,78.7,75.7,71.1,120.1,318,304,350,400,79,120.3,95.1,351,145,301,121],"hp":[110,110,93,110,175,105,245,62,95,123,123,180,180,180,205,215,230,66,52,65,97,150,150,245,175,66,91,113,264,175,335,109],"drat":[3.9,3.9,3.85,3.08,3.15,2.76,3.21,3.69,3.92,3.92,3.92,3.07,3.07,3.07,2.93,3,3.23,4.08,4.93,4.22,3.7,2.76,3.15,3.73,3.08,4.08,4.43,3.77,4.22,3.62,3.54,4.11],"wt":[2.62,2.875,2.32,3.215,3.44,3.46,3.57,3.19,3.15,3.44,3.44,4.07,3.73,3.78,5.25,5.424,5.345,2.2,1.615,1.835,2.465,3.52,3.435,3.84,3.845,1.935,2.14,1.513,3.17,2.77,3.57,2.78],"qsec":[16.46,17.02,18.61,19.44,17.02,20.22,15.84,20,22.9,18.3,18.9,17.4,17.6,18,17.98,17.82,17.42,19.47,18.52,19.9,20.01,16.87,17.3,15.41,17.05,18.9,16.7,16.9,14.5,15.5,14.6,18.6],"vs":[0,0,1,1,0,1,0,1,1,1,1,0,0,0,0,0,0,1,1,1,1,0,0,0,0,1,0,1,0,0,0,1],"am":[1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,0,0,0,0,0,1,1,1,1,1,1,1],"gear":[4,4,4,3,3,3,3,4,4,4,4,3,3,3,3,3,3,4,4,4,3,3,3,3,3,4,5,5,5,5,5,4],"carb":[4,4,1,1,2,1,4,2,2,4,4,3,3,3,4,4,4,1,2,1,1,2,2,4,2,1,2,2,4,6,8,2]},"columns":[{"id":".rownames","name":"","type":"character","sortable":false,"filterable":false,"rowHeader":true},{"id":"mpg","name":"mpg","type":"numeric"},{"id":"cyl","name":"cyl","type":"numeric"},{"id":"disp","name":"disp","type":"numeric"},{"id":"hp","name":"hp","type":"numeric"},{"id":"drat","name":"drat","type":"numeric"},{"id":"wt","name":"wt","type":"numeric"},{"id":"qsec","name":"qsec","type":"numeric"},{"id":"vs","name":"vs","type":"numeric"},{"id":"am","name":"am","type":"numeric"},{"id":"gear","name":"gear","type":"numeric"},{"id":"carb","name":"carb","type":"numeric"}],"defaultPageSize":4,"striped":true,"compact":true,"dataKey":"5b3b1b9433e88dd26cbc4c3644e92607"},"children":[]},"class":"reactR_markup"},"evals":[],"jsHooks":[]}</script>

---
## Pacotes alternativos para tabelas

A seguir, uma lista de pacotes/funções alternativos que trazem soluções para visualização de tabelas.

- `knitr::kable()`: não é um htmlwidget (não possui interatividade), mas é uma solução para formatar tabelas quando não precisamos que elas sejam interativas. Funciona em conjunto com o pacote `{kableExtra}`.

- `{flextable}`: também não é interativo, é um excelente pacote para editar tabelas. Funciona quando trabalhamos com relatórios em Word, e também integra bem com o pacote `{DT}`.

- `DT::datatable()`: outro htmlwidget para criar tabelas interativas. Funciona tal como o `reactable()`, mas um pouco mais burocrático para formatar as tabelas. Baseado na biblioteca JavaScript [DataTables](http://datatables.net/).

#### Tutoriais

- [Tutorial kable e kableExtra](https://cran.r-project.org/web/packages/kableExtra/vignettes/awesome_table_in_html.html)

- [Tutorial flextable](https://ardata-fr.github.io/flextable-book/)

- [Tutorial DT](https://rstudio.github.io/DT/)

---
## Gráficos com plotly

O pacote `plotly` nos permite criar gráficos interativos baseados na biblioteca [Plotly](https://plotly.com/) (construída em [D3](https://d3js.org/)).

Embora seja possível criar um plotly do zero usando a função `plot_ly()`, um jeito muito eficiente de utilizar essa biblioteca é criar um ggplot e então utilizar a função `ggplotly()`. Veja o exemplo a seguir.

#### Tutoriais

- [Tutorial plotly](https://plotly.com/r/)

- [Interactive web-based data visualization with R, plotly, and shiny](https://plotly-r.com/)

---
<br><br>

.pull-left[

```r
gg <- ggplot(mtcars) +
  aes(wt, mpg) +
  geom_point()
plotly::ggplotly(
  p = gg, 
  height = 400
)
```

]

.pull-right[

<div id="htmlwidget-be73a7e5a5747c9ece54" style="width:360px;height:400px;" class="plotly html-widget "></div>
<script type="application/json" data-for="htmlwidget-be73a7e5a5747c9ece54">{"x":{"data":[{"x":[2.62,2.875,2.32,3.215,3.44,3.46,3.57,3.19,3.15,3.44,3.44,4.07,3.73,3.78,5.25,5.424,5.345,2.2,1.615,1.835,2.465,3.52,3.435,3.84,3.845,1.935,2.14,1.513,3.17,2.77,3.57,2.78],"y":[21,21,22.8,21.4,18.7,18.1,14.3,24.4,22.8,19.2,17.8,16.4,17.3,15.2,10.4,10.4,14.7,32.4,30.4,33.9,21.5,15.5,15.2,13.3,19.2,27.3,26,30.4,15.8,19.7,15,21.4],"text":["wt: 2.620<br />mpg: 21.0","wt: 2.875<br />mpg: 21.0","wt: 2.320<br />mpg: 22.8","wt: 3.215<br />mpg: 21.4","wt: 3.440<br />mpg: 18.7","wt: 3.460<br />mpg: 18.1","wt: 3.570<br />mpg: 14.3","wt: 3.190<br />mpg: 24.4","wt: 3.150<br />mpg: 22.8","wt: 3.440<br />mpg: 19.2","wt: 3.440<br />mpg: 17.8","wt: 4.070<br />mpg: 16.4","wt: 3.730<br />mpg: 17.3","wt: 3.780<br />mpg: 15.2","wt: 5.250<br />mpg: 10.4","wt: 5.424<br />mpg: 10.4","wt: 5.345<br />mpg: 14.7","wt: 2.200<br />mpg: 32.4","wt: 1.615<br />mpg: 30.4","wt: 1.835<br />mpg: 33.9","wt: 2.465<br />mpg: 21.5","wt: 3.520<br />mpg: 15.5","wt: 3.435<br />mpg: 15.2","wt: 3.840<br />mpg: 13.3","wt: 3.845<br />mpg: 19.2","wt: 1.935<br />mpg: 27.3","wt: 2.140<br />mpg: 26.0","wt: 1.513<br />mpg: 30.4","wt: 3.170<br />mpg: 15.8","wt: 2.770<br />mpg: 19.7","wt: 3.570<br />mpg: 15.0","wt: 2.780<br />mpg: 21.4"],"type":"scatter","mode":"markers","marker":{"autocolorscale":false,"color":"rgba(0,0,0,1)","opacity":1,"size":5.66929133858268,"symbol":"circle","line":{"width":1.88976377952756,"color":"rgba(0,0,0,1)"}},"hoveron":"points","showlegend":false,"xaxis":"x","yaxis":"y","hoverinfo":"text","frame":null}],"layout":{"margin":{"t":29.1506849315069,"r":7.30593607305936,"b":43.1050228310502,"l":37.2602739726027},"plot_bgcolor":"rgba(235,235,235,1)","paper_bgcolor":"rgba(255,255,255,1)","font":{"color":"rgba(0,0,0,1)","family":"","size":14.6118721461187},"xaxis":{"domain":[0,1],"automargin":true,"type":"linear","autorange":false,"range":[1.31745,5.61955],"tickmode":"array","ticktext":["2","3","4","5"],"tickvals":[2,3,4,5],"categoryorder":"array","categoryarray":["2","3","4","5"],"nticks":null,"ticks":"outside","tickcolor":"rgba(51,51,51,1)","ticklen":3.65296803652968,"tickwidth":0.66417600664176,"showticklabels":true,"tickfont":{"color":"rgba(77,77,77,1)","family":"","size":11.689497716895},"tickangle":-0,"showline":false,"linecolor":null,"linewidth":0,"showgrid":true,"gridcolor":"rgba(255,255,255,1)","gridwidth":0.66417600664176,"zeroline":false,"anchor":"y","title":{"text":"wt","font":{"color":"rgba(0,0,0,1)","family":"","size":14.6118721461187}},"hoverformat":".2f"},"yaxis":{"domain":[0,1],"automargin":true,"type":"linear","autorange":false,"range":[9.225,35.075],"tickmode":"array","ticktext":["10","15","20","25","30","35"],"tickvals":[10,15,20,25,30,35],"categoryorder":"array","categoryarray":["10","15","20","25","30","35"],"nticks":null,"ticks":"outside","tickcolor":"rgba(51,51,51,1)","ticklen":3.65296803652968,"tickwidth":0.66417600664176,"showticklabels":true,"tickfont":{"color":"rgba(77,77,77,1)","family":"","size":11.689497716895},"tickangle":-0,"showline":false,"linecolor":null,"linewidth":0,"showgrid":true,"gridcolor":"rgba(255,255,255,1)","gridwidth":0.66417600664176,"zeroline":false,"anchor":"x","title":{"text":"mpg","font":{"color":"rgba(0,0,0,1)","family":"","size":14.6118721461187}},"hoverformat":".2f"},"shapes":[{"type":"rect","fillcolor":null,"line":{"color":null,"width":0,"linetype":[]},"yref":"paper","xref":"paper","x0":0,"x1":1,"y0":0,"y1":1}],"showlegend":false,"legend":{"bgcolor":"rgba(255,255,255,1)","bordercolor":"transparent","borderwidth":1.88976377952756,"font":{"color":"rgba(0,0,0,1)","family":"","size":11.689497716895}},"hovermode":"closest","height":400,"barmode":"relative"},"config":{"doubleClick":"reset","modeBarButtonsToAdd":["hoverclosest","hovercompare"],"showSendToCloud":false},"source":"A","attrs":{"762c180d7cf9":{"x":{},"y":{},"type":"scatter"}},"cur_data":"762c180d7cf9","visdat":{"762c180d7cf9":["function (y) ","x"]},"highlight":{"on":"plotly_click","persistent":false,"dynamic":false,"selectize":false,"opacityDim":0.2,"selected":{"opacity":1},"debounce":0},"shinyEvents":["plotly_hover","plotly_click","plotly_selected","plotly_relayout","plotly_brushed","plotly_brushing","plotly_clickannotation","plotly_doubleclick","plotly_deselect","plotly_afterplot","plotly_sunburstclick"],"base_url":"https://plot.ly"},"evals":[],"jsHooks":[]}</script>

]

---
## Pacotes alternativos

A seguir, uma lista de pacotes/funções alternativos que trazem soluções para visualização de gráficos.

- `highcharter::highcharter()`: pacote gráfico baseado na biblioteca JavaScript [Highcharts](https://www.highcharts.com/). A biblioteca Highcharts é gratuita apenas para fins educacionais e não lucrativos (exceto órgãos governamentais). Para outros usos, você pode precisar de uma licença. **[avançado]**

- Procure por pacotes para tipos específicos de gráficos na [galeria de htmlwidgets](http://gallery.htmlwidgets.org/).

#### Tutoriais

- [Tutorial highcharter](http://jkunst.com/highcharter/)

- [Documentação Highcharts](https://api.highcharts.com/highcharts/)

---
## Mapas com leaflet

O pacote `{leaflet}` nos permite criar mapas interativos baseados na biblioteca  JavaScript open-source [Leaflet](https://leafletjs.com/).

Para criar um mapa leaflet, utilizamos a função `leaflet::leaflet()` e diversas funções auxiliares para caracterizar nosso mapa. Um tutorial de como utilizar o `leaflet` se encontra [aqui](http://rstudio.github.io/leaflet/).

A seguir, mostramos um exemplo simples de como criar um mapa leaflet.

---
<br><br>

```r
library(leaflet)

leaflet(height = 300) |>
  addTiles() |>  # Adiciona a camada gráfica do OpenStreetMap (padrão)
  addMarkers(
    lng = -46.6623969, lat = -23.5581664, 
    popup = "A Curso-R morava aqui antes da pandemia. Agora ela mora no mundo todo!"
  )
```

<div id="htmlwidget-551aa10df6e956135702" style="width:360px;height:300px;" class="leaflet html-widget "></div>
<script type="application/json" data-for="htmlwidget-551aa10df6e956135702">{"x":{"options":{"crs":{"crsClass":"L.CRS.EPSG3857","code":null,"proj4def":null,"projectedBounds":null,"options":{}}},"calls":[{"method":"addTiles","args":["https://{s}.tile.openstreetmap.org/{z}/{x}/{y}.png",null,null,{"minZoom":0,"maxZoom":18,"tileSize":256,"subdomains":"abc","errorTileUrl":"","tms":false,"noWrap":false,"zoomOffset":0,"zoomReverse":false,"opacity":1,"zIndex":1,"detectRetina":false,"attribution":"© <a href=\"https://openstreetmap.org\">OpenStreetMap<\/a> contributors, <a href=\"https://creativecommons.org/licenses/by-sa/2.0/\">CC-BY-SA<\/a>"}]},{"method":"addMarkers","args":[-23.5581664,-46.6623969,null,null,null,{"interactive":true,"draggable":false,"keyboard":true,"title":"","alt":"","zIndexOffset":0,"opacity":1,"riseOnHover":false,"riseOffset":250},"A Curso-R morava aqui antes da pandemia. Agora ela mora no mundo todo!",null,null,null,null,{"interactive":false,"permanent":false,"direction":"auto","opacity":1,"offset":[0,0],"textsize":"10px","textOnly":false,"className":"","sticky":true},null]}],"limits":{"lat":[-23.5581664,-23.5581664],"lng":[-46.6623969,-46.6623969]}},"evals":[],"jsHooks":[]}</script>

---
## Pacotes alternativos

- `highcharter::hcmap()`: variação do `highcharter` para mapas, baseada na biblioteca JavaScript [Highcharts](https://www.highcharts.com/maps/demo). **[avançado]**

- [`{tmap}`](https://github.com/mtennekes/tmap): Pacote focado em mapas temáticos.

#### Tutoriais

- [Construindo mapas com o highcharter](http://jkunst.com/highcharter/highmaps.html)

- [Documentação Highmaps](https://api.highcharts.com/highmaps/)

- [Documentação do tmap](https://github.com/mtennekes/tmap)

---
## Referências e material extra

.pull-left[

#### htmlwidgets

- [Galeria htmlwidgets](http://gallery.htmlwidgets.org/)

#### reactable

- [A biblioteca React Table](https://github.com/tannerlinsley/react-table)
- [Tutorial reactable](https://glin.github.io/reactable/)

#### DT

- [Tutorial DT](https://rstudio.github.io/DT/)

#### plotly

- [Tutorial plotly](https://plotly.com/r/)

- [Interactive web-based data visualization with R, plotly, and shiny](https://plotly-r.com/)

]

.pull-right[

#### highcharter/highcharts

- [Tutorial highcharter](http://jkunst.com/highcharter/)

- [Biblioteca Highcharts](https://www.highcharts.com/)

- [Galeria Highcharts](https://www.highcharts.com/demo)

- [Documentação Highcharts](https://api.highcharts.com/highcharts/)

#### leaflet

- [Biblioteca Leaflet](https://leafletjs.com/)

- [Tutorial Leaflet](http://rstudio.github.io/leaflet/)

#### highmaps

- [Galeria Highmaps](https://www.highcharts.com/maps/demo)

- [Documentação Highmaps](https://api.highcharts.com/highmaps/)

]

---
# Vamos ao R!

---
class: middle, center, inverse

# Fim!