library(tidyverse) # para flujo de trabajo con datos
library(sf) # para trabajar con datos espaciales
library(lubridate) # para trabajar con fechas
library(scales) # para formatos varios
library(showtext) # para cambiar las fuentes del texto
library(plotly) # para mapas interactivosEste post se basa en los datos introducidos en este otro post. El objetivo será generar un mapa interactivo con la librería plotly.
Vamos con la configuración inicial.
# salario promedio depto (total empresas)
salario_prom_depto <- read_csv("https://cdn.produccion.gob.ar/cdn-cep/datos-por-departamento/salarios/w_mean_depto_tot_emp.csv")
# diccionario deptos
dicc_deptos <- read_csv("https://cdn.produccion.gob.ar/cdn-cep/datos-por-departamento/diccionario_cod_depto.csv")
data_deptos_ARG <- read_sf("data/departamentos_arg.geojson")# vamos a observar únicamente el año 2021
salarios_2021 <- salario_prom_depto %>%
# year es una función de lubridate
filter(year(fecha)==2021)
# filtramos los casos -99 y nos quedamos con el mes de diciembre
salarios_dic_2021 <- salarios_2021 %>%
filter(w_mean > 0, fecha == "2021-12-01")
caba_fix <- data_deptos_ARG %>%
select(departamen, provincia, geometry, codigo_departamento_indec) %>%
group_by(provincia) %>%
filter(provincia == "Ciudad Autónoma de Buenos Aires") %>%
summarize(geometry = st_union(geometry),
codigo_departamento_indec = "02000") %>%
ungroup() %>%
mutate(geometry = st_combine(geometry))
sin_CABA <- filter(data_deptos_ARG, provincia != "Ciudad Autónoma de Buenos Aires")
# el "nuevo" dataset pero con id 2000 para CABA
data_deptos_ARG <- sin_CABA %>%
bind_rows(caba_fix) # corregimos el tipo
data_deptos_ARG <- data_deptos_ARG %>%
mutate(codigo_departamento_indec = as.numeric(codigo_departamento_indec))
# agregamos la información de salarios para cada depto
deptos_salario_dic_2021 <- data_deptos_ARG %>%
left_join(salarios_dic_2021)La visualización más simple que podemos obtener de la distribución de salarios promedios es la siguiente:
# graficamos
ggplot(deptos_salario_dic_2021) +
geom_sf(aes(fill = w_mean)) +
labs(fill = "Salario promedio") +
# usamos la paleta de colores viridis cuya principal
# característica es la accesibilidad
scale_fill_viridis_c(option = "viridis") +
theme_void() +
theme(
legend.text = element_text(size = 12),
legend.title = element_text(size = 13)
)
Como se puede observar en la leyenda, el salario promedio no muestra el punto separador de miles. Por otra parte podriamos detallar el tipo de unidad que estamos trabajando, es decir, el signo peso ($). Nuestra tarea será mejorar estos aspectos, para lo cual haremos uso de una libreria que fué pensada para trabajar con el reescalado de datos.
Pero… ¿Qué significa esto del “reescalado” de datos?.
Nota
En el post que introduce los datos utilizados y en donde realizamos un análisis exploratorio de los mismos, no escribí sobre la utilidad de la libreria scales. A continuación voy a desarrollar sobre el uso de esta librería, para un caso puntual.
Puede ser que estemos trabajando con ciertos valores que estén en una determinada escala. Tomemos como ejemplo las proporciones. Supongamos que luego de nuestro análisis hemos obtenido una tabla como la siguiente:
tabla <- data.frame(
tipo = c("T1","T2","T3"),
n = c(200,100,100),
pct = c(.5,.25,.25)
)
tabla tipo n pct
1 T1 200 0.50
2 T2 100 0.25
3 T3 100 0.25En la cual hemos calculado las proporciones con respecto al total (400) para cada tipo.
“Del total de casos (400), 200 son de tipo T1, 100 de tipo T2 y 100 de tipo T3”.
Dicho de otra forma, el 50% de casos son de tipo T1, el 25% de tipo T2 y el 25% restante de tipo T3. Ahora bien, al momento de graficar estos datos, podríamos hacer algo como esto:
tabla %>%
ggplot(aes(x = tipo, y = pct)) +
geom_col()
Pero si usamos estos valores, al lector le será dificil interpretar que nuestro objetivo era mostrar porcentajes en el eje Y. En lugar de 0.5, lo ideal sería mostrar 50%. Lo mismo sucede con nuestro ejemplo principal de este post, es decir, los valores de salario promedio. No es lo mismo mostrar 350000 que $350.000 Al lector le será más fácil identificar la unidad con que se está trabajando y el separador de miles. Recordemos que nuestro objetivo será que la visualización de datos no confunda, sino que debe facilitar la comprensión.
Luego de haber hecho esta breve y simple justificación de la importancia del reescalado, veamos cómo se usa la libreria scales para transformar escalas y además “mostrarlas” en nuestras gráficas. Es tan sencillo como agregar lo siguiente:
tabla %>%
ggplot(aes(x = tipo, y = pct)) +
geom_col() +
# modificamos la escala de Y indicando que
# las etiquetas sean valores porcentuales
scale_y_continuous(labels = scales::label_percent())
Ahora corrijamos nuestra leyenda del mapa haciendo uso de la función de label_dollar() de scales.
# graficamos
ggplot(deptos_salario_dic_2021) +
geom_sf(aes(fill = w_mean)) +
labs(fill = "Salario promedio") +
# usamos la paleta de colores viridis cuya principal
# característica es la accesibilidad
# además, ahora modificamos las etiquetas
scale_fill_viridis_c(option = "viridis",
labels = scales::label_dollar()) +
theme_void() +
theme(
legend.text = element_text(size = 12),
legend.title = element_text(size = 13)
)
Perfecto! pero hay un detalle… nosotros separamos miles usando punto y no coma. Por defecto la función usa la coma para separar miles. Vamos a hacer unos ajustes a la función para modificar este comportamiento.
# graficamos
ggplot(deptos_salario_dic_2021) +
geom_sf(aes(fill = w_mean)) +
labs(fill = "Salario promedio") +
# usamos la paleta de colores viridis cuya principal
# característica es la accesibilidad
# además, ahora modificamos las etiquetas
# y modificamos el comportamiento por defecto de
# la función indicando separadores de miles
# y decimales
scale_fill_viridis_c(option = "viridis",
labels = scales::label_dollar(
big.mark = ".",
decimal.mark = ","
)) +
theme_void() +
theme(
legend.text = element_text(size = 12),
legend.title = element_text(size = 13)
)
Agregando interactividad al mapa
Bien, volvamos a nuestro objetivo inicial… generar un mapa interactivo. Vamos a ver que generar un mapa de este tipo resulta demasiado sencillo. Y es que simplemente, a nuestro flujo de trabajo inicial, el que utilizamos para generar el mapa estático, debemos sumarle la función ggplotly() y listo! tenemos un mapa interactivo. A esta función le pasamos el parámetro tooltip, el cual indica qué aesthetic mostrar cuándo pasemos el puntero por encima de las regiones del mapa. En nuestro caso vamos a mostrar un texto que combina el dato del nombre de la provincia, el departamento y el salario promedio.
etiquetadora <- scales::label_dollar(
big.mark = ".",
decimal.mark = ","
)
deptos_salario_dic_2021 <- deptos_salario_dic_2021 %>%
mutate(
salario = etiquetadora(w_mean),
tooltip = paste0(provincia,"\n",departamen,"\n",salario))
# graficamos
# lo de TRUCO sale del siguiente issue
# https://github.com/plotly/plotly.R/issues/1641#issuecomment-550477069
mapa_plot <- ggplot(deptos_salario_dic_2021,
aes(fill = w_mean,
text = tooltip,
color = tooltip)) +
geom_sf() +
labs(fill = "Salario promedio") +
# usamos la paleta de colores viridis cuya principal
# característica es la accesibilidad
# además, ahora modificamos las etiquetas
# y modificamos el comportamiento por defecto de
# la función indicando separadores de miles
# y decimales
scale_fill_viridis_c(option = "viridis",
labels = scales::label_dollar(
big.mark = ".",
decimal.mark = ","
)) +
guides(color = "none") +
theme_void() +
theme(
legend.text = element_text(size = 12),
legend.title = element_text(size = 13)
)
# la "magia" de ggplotly 🧙♂️
gg_2 <- ggplotly(
mapa_plot,
tooltip = "text"
)
gg_2 %>%
style(
hoveron = "fill",
# override the color mapping
line.color = toRGB("gray40"),
# don't apply these style rules to the first trace, which is the background graticule/grid
traces = seq.int(2, length(gg_2$x$data))
) %>%
hide_legend()