Soluciones capítulo 5

Author

Luz Frias 

library(dplyr)
library(tidyr)
library(palmerpenguins)
library(plotly)

Actividad 1

Utilizando el dataset diamonds, representa la relación en un gráfico de puntos del precio frente a los quilates.

diamonds_5k <- sample_n(diamonds, 5000)

plot_ly(diamonds_5k, type = "scatter", mode = "markers",
        x = ~carat, y = ~price)

Actividad 2

Con el dataset penguins:

  1. Pinta la relación entre longitud y profundidad del pico.

  2. Añade al gráfico del punto 1 la distinción entre especies mediante el color.

  3. Añade al gráfico del punto 1 la distinción entre el peso corporal mediante el color.

plot_ly(penguins, type = "scatter", mode = "markers",
        x = ~bill_length_mm, y = ~bill_depth_mm)
plot_ly(penguins, type = "scatter", mode = "markers",
        x = ~bill_length_mm, y = ~bill_depth_mm, color = ~species)
plot_ly(penguins, type = "scatter", mode = "markers",
        x = ~bill_length_mm, y = ~bill_depth_mm, color = ~body_mass_g)

Actividad 3

  1. Lee los datos del economista (dat/economist.csv), con indicadores de desarrollo y corrupción por países:
  • HDI: Human Development Index (1: más desarrollado)
  • CPI: Corruption Perception Index (10: menos corrupto)
  1. Crea un gráfico que:
  • Cada país sea un punto
  • El eje x indique CPI, el y HDI
  • El color del punto indique la región
  • Su tamaño sea proporcional al ranking HDI
economist <- read.csv("dat/economist.csv")

plot_ly(economist, type = "scatter", mode = "markers",
        x = ~CPI, y = ~HDI, size = ~HDI.Rank, color = ~Region, text = ~Country,
        hovertemplate = "<b>%{text}</b><br>CPI: %{x}<br>HDI: %{y}")

Actividad 4

  1. Lee los datos de los resultados de las elecciones presidenciales de los Estados Unidos (dat/usa_president.csv).

  2. Pinta en un gráfico de líneas la evolución del número de votos a lo largo de los años del partido republicado frente al demócrata.

usa_president <- read.csv("dat/usa_president.csv")

usa_elections <- usa_president %>%
  filter(!writein, party %in% c("democrat", "republican")) %>%
  group_by(year, party) %>%
  summarise(candidatevotes = sum(candidatevotes)) %>%
  ungroup()

plot_ly(usa_elections, type = "scatter", mode = "lines",
        x = ~year, y = ~candidatevotes, color = ~party)