01_ggplot_basico_soluciones.qmd

---
title: 'Soluciones capítulo 1'
author: "Luz Frias"
execute:
  message: false
  warning: false
---

```{r, message=FALSE}
library(dplyr)
library(ggplot2)
library(palmerpenguins)
```


### Actividad 1

Abre [colorbrewer](http://colorbrewer2.org/) y elige una paleta de colores para representar estos tres gráficos sobre el mapa que muestran de ejemplo. Para elegir una correcta, piensa en la naturaleza de los datos (secuenciales, divergentes o cualitativos):

1. El nivel de contaminación por región: **secuencial**
2. Cambio relativo en el número de habitantes con respecto a la última decada (p.e. -5%, +10%, ...): **divergente**
3. La etnia predominante por región: **cualitativa**

### Actividad 2

Examina el dataset `diamonds`, incluido dentro de la librería de `ggplot2`. Consulta la ayuda con `?diamonds` y examina su contenido.

Pinta la relación en un gráfico de puntos del precio frente a los quilates.

```{r}
# opcional, toco el alpha (opacidad) para que se vean mejor los puntos superpuestos
ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point(alpha = 0.2)
```

### Actividad 3

Con el dataset `penguins`:

1. Pinta la relación entre longitud y profundidad del pico (bill).

```{r}
ggplot(data = penguins) +
  geom_point(mapping = aes(x = bill_length_mm, y = bill_depth_mm))
```

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

```{r}
ggplot(data = penguins) +
  geom_point(mapping = aes(x = bill_length_mm, y = bill_depth_mm, color = species))
```

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

```{r}
ggplot(data = penguins) +
  geom_point(mapping = aes(x = bill_length_mm, y = bill_depth_mm, color = body_mass_g))
```

4. ¿Qué observas en las escalas de color que ha utilizado ggplot en cada uno de los dos casos? ¿De qué naturaleza (secuencial, divergente o cualitativa) es cada una de ellas? ¿Por qué crees que ha hecho esto por defecto?

Respuesta: para `species` se utiliza una escala cualitativa, para `body_mass_g` se utiliza una secuencial. Es por el tipo de dato: para datos factor / cadenas de caracters / booleanos, ggplot utiliza por defecto escalas cualitativas. Para numéricos, ggplot utiliza escalas secuenciales.

### Actividad 4

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)

2. 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

3. ¿Qué conclusiones extraes del gráfico?

```{r}
economist <- read.csv("dat/economist.csv")

ggplot(economist) +
  geom_point(aes(x = CPI, y = HDI, color = Region, size = HDI.Rank))
```

### Actividad 5

1. Lee los datos de los resultados de las elecciones presidenciales de los Estados Unidos (dat/usa_president.csv). Puedes consultar más información sobre este dataset [aquí](https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/42MVDX).

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.

> Ten en cuenta que tendrás que hacer una transformación de los datos antes de pintarlos. Razona en qué formato necesitas el dataframe y aplica las operaciones necesarias antes de utilizar ggplot.

```{r}
# Lectura del dataset
usa_president <- read.csv("dat/usa_president.csv")

# Agrupo para los partidos de interés, por año y partido
usa_president_by_year <- usa_president %>%
  filter(party %in% c("democrat", "republican")) %>%
  group_by(year, party) %>%
  summarise(candidatevotes = sum(candidatevotes))

# Pinto las líneas por cada partido
ggplot(usa_president_by_year) +
  geom_line(aes(x = year, y = candidatevotes, color = party))
```