Introdução

Como desafio pessoal às vezes tento replicar gráficos que acho interessante. O portal Nexo, em particular, costuma ter lindas visualizações de dados. Vou tentar replicar os gráficos desta publicação. Como o foco desta postagem está na visualização e em mostrar exemplos de aplicações do ggplot2 vou omitir as (longas) manipulações de dados, deixando indicadas as fontes (com links) que usei. Numa postagem futura pretendo fazer um tutorial mais detalhado de como reproduzir estes gráficos.

Pacotes

Code

library("readxl")
library("here")
library("ggplot2")
library("ggrepel")
library("dplyr")
library("reshape2")
library("kableExtra")

Dados

Dados são do Maddison Project Database, disponíveis aqui

País	Ano	Região	PIB	Crescimento
Angola	2005	Africa	66351984	1
Angola	2011	Africa	123013536	1
Albania	2005	Europe	21452400	1
Albania	2006	Europe	22717995	1
Albania	2007	Europe	24080895	1
Albania	2008	Europe	25890410	1
Albania	2009	Europe	26754552	1
Albania	2010	Europe	27741824	1
Albania	2011	Europe	28452000	1
Albania	2012	Europe	28852736	1

Europa

Neste primeiro gráfico cada quadradinho representa uma variável binária que indica se o país estava em expansão ou recessão. Mapeio esta variável usando o geom_tile e depois ajusto o tamanho dos quadradinhos. Para dar um pouco da intuição do processo vale começar com uma versão simplificada do problema.

Queremos mapear a cada ano se um país está ou não em recessão. A tabela abaixo reúne esta informação para seis países (Alemanha, Bélgica, França, Itália, Polônia e Reino Unido) desde 1980. É um pequeno recorte da nossa base original.

year	country	var_pib
1980	Belgium	1
1980	Germany	1
1980	France	1
1980	United Kingdom	0
1980	Italy	1
1980	Poland	0
1981	Belgium	0
1981	Germany	1
1981	France	1
1981	United Kingdom	0
1981	Italy	1
1981	Poland	0
1982	Belgium	1
1982	Germany	0
1982	France	1
1982	United Kingdom	1
1982	Italy	1
1982	Poland	0
1983	Belgium	0
1983	Germany	1
1983	France	1
1983	United Kingdom	1
1983	Italy	1
1983	Poland	1
1984	Belgium	1
1984	Germany	1
1984	France	1
1984	United Kingdom	1
1984	Italy	1
1984	Poland	1
1985	Belgium	1
1985	Germany	1
1985	France	1
1985	United Kingdom	1
1985	Italy	1
1985	Poland	1
1986	Belgium	1
1986	Germany	1
1986	France	1
1986	United Kingdom	1
1986	Italy	1
1986	Poland	1
1987	Belgium	1
1987	Germany	1
1987	France	1
1987	United Kingdom	1
1987	Italy	1
1987	Poland	0
1988	Belgium	1
1988	Germany	1
1988	France	1
1988	United Kingdom	1
1988	Italy	1
1988	Poland	1
1989	Belgium	1
1989	Germany	1
1989	France	1
1989	United Kingdom	1
1989	Italy	1
1989	Poland	0
1990	Belgium	1
1990	Germany	0
1990	France	1
1990	United Kingdom	1
1990	Italy	1
1990	Poland	0
1991	Belgium	1
1991	Germany	1
1991	France	1
1991	United Kingdom	0
1991	Italy	1
1991	Poland	0
1992	Belgium	1
1992	Germany	1
1992	France	1
1992	United Kingdom	1
1992	Italy	1
1992	Poland	1
1993	Belgium	0
1993	Germany	0
1993	France	0
1993	United Kingdom	1
1993	Italy	0
1993	Poland	1
1994	Belgium	1
1994	Germany	1
1994	France	1
1994	United Kingdom	1
1994	Italy	1
1994	Poland	1
1995	Belgium	1
1995	Germany	1
1995	France	1
1995	United Kingdom	1
1995	Italy	1
1995	Poland	1
1996	Belgium	1
1996	Germany	1
1996	France	1
1996	United Kingdom	1
1996	Italy	1
1996	Poland	1
1997	Belgium	1
1997	Germany	1
1997	France	1
1997	United Kingdom	1
1997	Italy	1
1997	Poland	1
1998	Belgium	1
1998	Germany	1
1998	France	1
1998	United Kingdom	1
1998	Italy	1
1998	Poland	1
1999	Belgium	1
1999	Germany	1
1999	France	1
1999	United Kingdom	1
1999	Italy	1
1999	Poland	1
2000	Belgium	1
2000	Germany	1
2000	France	1
2000	United Kingdom	1
2000	Italy	1
2000	Poland	1
2001	Belgium	1
2001	Germany	1
2001	France	1
2001	United Kingdom	1
2001	Italy	1
2001	Poland	1
2002	Belgium	1
2002	Germany	1
2002	France	1
2002	United Kingdom	1
2002	Italy	1
2002	Poland	1
2003	Belgium	1
2003	Germany	0
2003	France	1
2003	United Kingdom	1
2003	Italy	1
2003	Poland	1
2004	Belgium	1
2004	Germany	1
2004	France	1
2004	United Kingdom	1
2004	Italy	1
2004	Poland	1
2005	Belgium	1
2005	Germany	1
2005	France	1
2005	United Kingdom	1
2005	Italy	1
2005	Poland	1
2006	Belgium	1
2006	Germany	1
2006	France	1
2006	United Kingdom	1
2006	Italy	1
2006	Poland	1
2007	Belgium	1
2007	Germany	1
2007	France	1
2007	United Kingdom	1
2007	Italy	1
2007	Poland	1
2008	Belgium	1
2008	Germany	1
2008	France	1
2008	United Kingdom	0
2008	Italy	0
2008	Poland	1
2009	Belgium	0
2009	Germany	0
2009	France	0
2009	United Kingdom	0
2009	Italy	0
2009	Poland	1
2010	Belgium	1
2010	Germany	1
2010	France	1
2010	United Kingdom	1
2010	Italy	1
2010	Poland	1
2011	Belgium	1
2011	Germany	1
2011	France	1
2011	United Kingdom	1
2011	Italy	1
2011	Poland	1
2012	Belgium	1
2012	Germany	1
2012	France	1
2012	United Kingdom	1
2012	Italy	0
2012	Poland	1
2013	Belgium	0
2013	Germany	1
2013	France	1
2013	United Kingdom	1
2013	Italy	0
2013	Poland	1
2014	Belgium	1
2014	Germany	1
2014	France	1
2014	United Kingdom	1
2014	Italy	1
2014	Poland	1
2015	Belgium	1
2015	Germany	1
2015	France	1
2015	United Kingdom	1
2015	Italy	1
2015	Poland	1
2016	Belgium	1
2016	Germany	1
2016	France	1
2016	United Kingdom	1
2016	Italy	1
2016	Poland	1

A função geom_tile() mapeia cada observação num quadrado. A cor de cada quadrado depende da variável binária var_pib. O código abaixo mostra como montar este gráfico bastante simples.

Code

ggplot(sub, aes(x = year, y = country)) +
  geom_tile(aes(fill = var_pib), height = .85, width = 1)

O resto do trabalho é simplesmente ajustar os eixos, os nomes das legendas, etc. No código fonte da página do Nexo encontrei as fontes usadas nos gráficos: Gotham Rounded Bold e Gotham Rounded Light. O pacote showtext me permite carregar estas fontes no R.

O gráfico abaixo mostra o resultado final considerando todos os países da Europa.

Code

d_europa <- d %>% 
  # Filtra por região (Europa)
  filter(region == "Europe") %>%
  # Restringe a amostra às observações a partir de 1900
  filter(year >= 1900)

plot_europa <- ggplot(d_europa, aes(year, country))+
  # Mapeia cada variável como um 'tile' (quadradinho)
  geom_tile(aes(fill = var_pib), height = .85, width = 1)+
  # Superimpõe linhas verticais tracejadas
  geom_vline(
    # valores de corte das linhas
    xintercept = c(1900, 1925, 1950, 1975, 2000, 2016),      
    # tipo da linha (2 = tracejado)
    linetype = 2,                                           
    # cor da linha
    colour = "gray65"
    )+                                      
  # Modifica o eixo-x
  scale_x_continuous(
    breaks = c(1900, 1925, 1950, 1975, 2000, 2016),
    # remove a área entre o gráfico e o eixo
    expand = c(0,0),
    # duplica o eixo (para aparecer em cima e em baixo)
    sec.axis = dup_axis()
    ) +                         
  # Modifica a legenda e as cores 
  scale_fill_discrete(
    breaks = c(0,1),
    # título da legenda
    name = "VARIAÇÃO DO PIB NO MUNDO\nPor ano",
    # texto da legenda
    labels = c("PIB EM QUEDA", "PIB EM CRESCIMENTO"), 
    na.value = "gray90"
    )+
  # Define o título do gráfico e o título dos eixos
  labs(title = "Europa", x = NULL, y = NULL)+
  # Modifica características estéticas do gráfico
  theme(
    # Fundo do gráfico
    panel.grid = element_blank(),
    # Define as margens do gráfico
    plot.margin = unit(c(1, 1, .5, 1), "cm"),
    # Eixos
    axis.text.y = element_text(vjust = .4),
    axis.ticks = element_line(size = .4),
    axis.text = element_text(family  = "Gotham Rounded Light", size = 8),
    # Legenda
    legend.position = "top",
    legend.text = element_text(
      size = 8,
      colour = "gray20",
      family = "Gotham Rounded Bold"
      ),
    legend.title = element_text(
      size = 12,
      colour = "gray20",
      family = "Gotham Rounded Bold"
      ),
    # Título
    plot.title = element_text(family = "Crimson Text", size = 18)
    )

América do Sul

Para fazer o mesmo gráfico para os países da América do Sul e da Ásia basta filtrar por estas regiões. Esta é uma das grandes vantagens do R: para fazer os dois gráficos abaixo só precisei mudar uma linha de código. Na verdade, como é uma mudança muito simples podemos montar o processo acima numa função que cria exatamente o mapa acima para cada região.

O código abaixo mostra um exemplo de como estruturar isto.

Code

# Função para reproduzir o gráfico acima

# Guarda as informações do tema
theme_vini <-  
  theme(
    # Fundo do gráfico
    panel.grid = element_blank(),
    # Define as margens do gráfico
    plot.margin = unit(c(1, 1, .5, 1), "cm"),
    # Eixos
    axis.text.y = element_text(vjust = .4),
    axis.ticks = element_line(size = .4),
    axis.text = element_text(family  = "Gotham Rounded Light", size = 8),
    # Legenda
    legend.position = "top",
    legend.text = element_text(
      size = 8,
      colour = "gray20",
      family = "Gotham Rounded Bold"
      ),
    legend.title = element_text(
      size = 12,
      colour = "gray20",
      family = "Gotham Rounded Bold"
      ),
    # Título
    plot.title = element_text(family = "Crimson Text", size = 18)
    )

# Função simples para traduzir os títulos
translate_region <- function(string) {
  
  vl <- c(
    "South America" = "América do Sul",
    "Asia" = "Ásia",
    "Africa" = "África",
    "Oceania" = "Oceania",
    "North America" = "América do Norte",
    "Latin America And The Caribbean" = "América Latina",
    "Europa" = "Europa"
    )
  
  return(unname(vl[string]))
  
}

plot_regiao <- function(name_region) {
  
  # Filtra por região e restringe a amostra às observações a partir de 1900
  
  if (name_region == "South America") {
    
    df <- dplyr::filter(d, subregion == name_region, year >= 1900)
    
  } else {
    
    df <- dplyr::filter(d, region == name_region, year >= 1900)
  }
  
  p <- 
    ggplot(df, aes(year, country)) +
    geom_tile(aes(fill = var_pib), height = .85, width = 1) +
    geom_vline(
      xintercept = c(1900, 1925, 1950, 1975, 2000, 2016),      
      linetype = 2,                                           
      colour = "gray65"
      ) +                                      
    scale_x_continuous(
      breaks = c(1900, 1925, 1950, 1975, 2000, 2016),
      expand = c(0,0),
      sec.axis = dup_axis()
      ) +                         
    scale_fill_discrete(
      breaks = c(0,1),
      name = "VARIAÇÃO DO PIB NO MUNDO\nPor ano",
      labels = c("PIB EM QUEDA", "PIB EM CRESCIMENTO"), 
      na.value = "gray90"
      ) +
    labs(title = translate_region(name_region), x = NULL, y = NULL) +
    theme_vini
  
  return(p)
 
}

plot_regiao("South America")

Ásia

Code

plot_regiao("Asia")

América Latina

Code

plot_regiao("Latin America And The Caribbean")

Número de países com queda no PIB

Gráfico 2

Este gráfico conta o número absoluto de países que estava em recessão durante um determinado ano. Como o número de países dentro da amostra também cresce com o tempo, uma linha cinza foi adicionada para representar isto. Resolvi suprimir as flechas que aparecem na postagem original, pois a implementação disto no ggplot é muito trabalhosa e o resultado final não é tão bonito.

Code

# Primeiro: conta o número de países pela variável var_pib
# (1 = expansão, 0 = recessão)
recession_countries <- d %>%
  # Seleciona as observações a partir de 1900
  filter(year >= 1900) %>%
  # Agrupa os dados por ano e var_pib
  group_by(year, var_pib) %>%
  # Soma os valores que não são NA por tipo (1 = expansão, 0 = recessão)
  summarise(tipo = sum(!is.na(var_pib)))

# Segundo: conta o número de países incluídos na amostra
recession_countries <- recession_countries %>%
  group_by(year) %>%
  mutate(amostra = sum(tipo)) %>%
  ungroup()

# Terceiro: remove as contagens de anos de expansão e converte os dados para longitudinal (melhor para plotar)
recession_countries <- recession_countries %>%
  # Remove os valores que são referentes a anos de expansão
  filter(var_pib != 1) %>%
  # Tranforma os dados em longitudinais por ano e 'var_pib'
  # (tipo = recessão, amostra = observações válidas)
  melt(id.vars = c("year", "var_pib"))

# Base de dados para os textos no gráfico
highlight <- data.frame(
  evento = c(
    "1ª GUERRA\nMUNDIAL", "CRISE\nDE 1929", "2ª GUERRA\nMUNDIAL",
    "CRISE DO\nPETRÓLEO", "TRANSIÇÃO CAPITALISTA\nDO LESTE EUROPEU",
    "CRISE DE 2008"),
  year = c(1918, 1929, 1945, 1971, 1988, 2008),
  y = c(52, 65, 35, 62, 78, 90)
)

Code

# Obs: como plotamos dados de duas bases diferentes a sintaxe é diferente

ggplot() +
  geom_line(
    data = recession_countries, 
    aes(year, value, group = variable, colour = variable),
    # Espessura da linha
    linewidth = 1.2
    ) +
  # Destaques de texto
  geom_text(
    data = highlight,
    aes(year, y, label = evento), 
    size = 3,
    family = "Gotham Rounded Light",
    vjust = "center",
    hjust = "center") +
  # Troca as cores das linhas e altera a legenda
  scale_colour_manual(
    name = NULL,
    breaks = c("amostra", "tipo"),
    values = c("tomato", "gray50"),
    labels = c("países incluídos na amostra", "países com queda no PIB")
    ) +
  scale_x_continuous(
    breaks = c(1900, 1925, 1950, 1975, 2000, 2016),
    expand = c(0.025,0.025)
    ) +
  # Define o título e subtítulo do gráfico e o título dos eixos
  labs(
    x = NULL,
    y = "número\nde países",
    title = "NÚMERO DE PAÍSES COM QUEDA NO PIB NO ANO",
    subtitle = "Em valores absolutos"
    ) +
  theme(
    # Título e subtítulo
    plot.title = element_text(family = "Gotham Rounded Bold"),
    plot.subtitle = element_text(family = "Gotham Rounded Light", size = 14),
    # Eixos
    axis.text.x = element_text(family = "Gotham Rounded Bold", size = 10),
    axis.text.y = element_text(family = "Gotham Rounded Light", size = 10),
    axis.ticks.x = element_line(colour = "grey70"),
    axis.ticks.y = element_blank(),
    axis.title.y = element_text(angle = 360, face = "bold", size = 8),
    # Legenda
    legend.text = element_text(
      family = "Gotham Rounded Bold",
      size = 12,
      vjust = .8,
      hjust = 0
      ),
    legend.background = element_rect(fill = NA),
    legend.key = element_rect(fill = "white"),
    legend.position = c(0.17,0.75),
    # Fundo do gráfico  
    panel.background = element_rect(fill = "white"),
    # Linhas de grade
    panel.grid = element_blank(),
    panel.grid.major.y = element_line(colour = "grey70")
  )

Gráfico 3

Este último gráfico mostra o número relativo de países em recessão.

Code

# Calcula o share de países em recessão na amostra a cada ano
share_recession <- d %>% 
  filter(year >= 1900) %>%
  # Agrupa os dados por ano e var_pib (indicadora)
  group_by(year, var_pib) %>%
  # Remove as observações ausentes 
  filter(!is.na(var_pib)) %>%
  # Conta o número de casos
  summarise(count = n()) %>%
  # Calcula a proporção dos casos acima (em porcentagem)
  group_by(year) %>%
  mutate(freq = count / sum(count) * 100)

# Tabela auxiliar para guardar os valores que vão ser plotados como
# texto no gráfico
highlight <- data.frame(
  evento = c(
    "1ª GUERRA\nMUNDIAL", "CRISE\nDE 1929", "2ª GUERRA\nMUNDIAL",
    "CRISE DO\nPETRÓLEO", "TRANSIÇÃO\nCAPITALISTA\nDO LESTE\nEUROPEU",
    "CRISE DE 2008"),
  year = c(1916, 1929, 1942, 1971, 1988, 2006),
  y = c(70, 45, 75, 77, 81, 70)
)

Code

ggplot() +
  geom_col(data = share_recession, aes(year, freq, fill = var_pib)) +
  # Superimpõe linhas horizontais no gráfico
  geom_hline(
    yintercept = seq(0, 100, 25),
    colour = "gray70",
    alpha = .5,
    size = .8
    ) +
  # Mapeia o texto no gráfico (geom_label permite escolher fill = "salmon")
  geom_label(
    data = highlight,
    aes(year, y, label = evento),
    colour = "white",
    size = 3,
    fill = "salmon",
    family = "Gotham Rounded Medium")+
  # Define título, subtítulo e o título dos eixos
  labs(
    x = NULL,
    y = NULL,
    title = "NÚMERO DE PAÍSES COM QUEDA NO PIB",
    subtitle = "Em percentual dos países incluídos na amostra")+
  scale_fill_discrete(
    name = NULL,
    breaks = c(1,0),
    labels = c("PIB EM CRESCIMENTO", "PIB EM QUEDA"))+
  scale_x_continuous(
    breaks = c(1900, 1925, 1950, 1975, 2000, 2016),
    expand = c(0.025,0.025)
    ) +
  scale_y_continuous(
    breaks = seq(0, 100, 25),
    labels = c(0, 25, 50, 75, "100%")
    )+
  theme(
    # Fundo do gráfico
    panel.background = element_rect(fill = "white"),
    # Linhas de grade
    panel.grid = element_blank(),
    # Legenda
    legend.position = "top",
    legend.direction = "horizontal",
    legend.justification='left',
    legend.text = element_text(family = "Gotham Rounded Bold"),
    # Título e subtítulo
    plot.title = element_text(family = "Gotham Rounded Bold", size = 16),
    plot.subtitle = element_text(family = "Gotham Rounded Light", size = 12),
    # Eixos
    axis.text.x = element_text(family = "Gotham Rounded Bold", size = 10),
    axis.text.y = element_text(family = "Gotham Rounded Light", size = 10),
    axis.ticks.y = element_blank()
  )

Gráfico extra

Resolvi fazer um gráfico próprio mostrando o crescimento do PIB nos países da América Latina dando destaque para alguns.

Code

destaque <- c("Uruguay", "Brazil", "Chile", "Venezuela")

principal <- d %>% 
  filter(year >= 1900, subregion == "South America") %>%
  mutate(ind = as.factor(ifelse(country %in% destaque, country, NA))) %>%
  filter(!is.na(ind))

outros <- d %>%
  filter(year >= 1900, subregion == "South America") %>%
  mutate(ind = as.factor(ifelse(country %in% destaque, NA, country))) %>%
  filter(!is.na(ind))

y <- principal %>% 
  filter(year == 2016) %>%
  mutate(
    y = cgdppc,
    country_abbrev = case_when(
      country == "Brazil" ~ "BRA",
      country == "Venezuela" ~ "VEN",
      country == "Uruguay" ~ "URY",
      country == "Chile" ~ "CHL",
      TRUE ~ country
    ))

Code

ggplot() +
  geom_line(
    data = principal,
    aes(year, cgdppc, group = country, colour = ind),
    linewidth = 1,
    alpha = .85
    ) +
  geom_line(
    data = outros,
    aes(year, cgdppc, group = country),
    colour = "grey70",
    alpha = .6
    ) +
  geom_hline(
    yintercept = seq(5000, 20000, 5000),
    linetype = 2,
    colour = "grey75"
    ) +
  geom_text_repel(
    data = y,
    aes(year, cgdppc * 1.025, label = country_abbrev),
    size = 4,
    family = "Bahnschrift",
    colour = "black", nudge_x = 7, force = 5
    ) +
  scale_colour_manual(
    values = c("steelblue2", "limegreen", "orange", "tomato")
    )+
  scale_x_continuous(breaks = c(seq(1900, 2010, 10)))+
  scale_y_continuous(
    breaks = seq(5000, 20000, 5000),
    labels = c("5.000", "10.000", "15.000", "20.000")
    )+
  guides(colour = FALSE)+
  labs(
    x = NULL,
    y = "US$",
    title = "AMÉRICA DO SUL",
    subtitle = "PIB per capita real, em milhares de dólares (constante 2011).\nEm destaque: Brasil (BR), Chile (CH), Uruguai (UR) e Venezuela (VN).")+
  theme(
    text = element_text(family = "Bahnschrift"),
    panel.background = element_rect(fill = "white"),
    axis.text.x = element_text(face = "bold", size = 12),
    axis.text.y = element_text(size = 10),
    plot.title = element_text(size = 16, face = "bold"),
    plot.subtitle = element_text(size = 12)
  )