Fazendo Gráficos

A visualização de dados é uma etapa fundamental em projetos de pesquisa, permitindo identificar tendências, padrões e possíveis inconsistências nos dados coletados. No ambiente R, a elaboração de gráficos é facilitada por ferramentas como o pacote ggplot2 ou funções nativas simples, como plot(), hist(), barplot() e boxplot(), que oferecem recursos flexíveis e de alta qualidade para a criação de gráficos personalizados. Por meio deles, dados complexos podem ser apresentados de forma clara e acessível, auxiliando na interpretação dos resultados e na comunicação científica de maneira eficaz e visualmente atrativa.

Plotando gráfico com conjunto de dados survey_b

O ggplot2 é uma ferramenta essencial no R para visualização de dados, facilitando o entendimento e a comunicação de resultados em análises científicas, estatísticas e de projetos de forma clara e visualmente agradável. Ele faz parte do tidyverse e é baseado no conceito de “Grammar of Graphics” (Gramática dos Gráficos), onde você constrói gráficos por camadas, tornando-os flexíveis para análises e apresentações.

Nesta aba trabalharemos diferentes gráficos no conjunto de dados manipulados na aba anterior.

Gráfico de barras empilhadas

library(ggplot2)
survey_b |>
  group_by(year, species) |>
  count() |>
  ggplot(aes(year, n, fill = species)) +
  geom_col() +
  scale_fill_manual(values = c("purple", "yellow")) 

Outros tipos de gráficos

Gráfico de Dispersão

Útil para visualizar a relação entre duas variáveis numéricas, como severidade e dias molhados.

# Dados simulados
dados_disp <- tibble(
  dias_molhados = c(5, 10, 15, 20, 25, 30),
  severidade = c(2, 15, 28, 50, 70, 85)
)

ggplot(dados_disp, aes(x = dias_molhados, y = severidade)) +
  geom_point(size = 4, color = "darkgreen") +
  geom_smooth(method = "lm", se = FALSE, color = "blue") +
  theme_minimal(base_size = 14) +
  labs(
    title = "Relação entre dias molhados e severidade",
    x = "Dias molhados",
    y = "Severidade (%)"
  )

Gráfico de Linha

Útil para mostrar evolução temporal da severidade ou outro parâmetro ao longo dos dias.

# Dados simulados
dados_linha <- tibble(
  dias = c(0, 5, 10, 15, 20, 25, 30),
  severidade = c(0, 5, 20, 40, 60, 75, 90)
)

ggplot(dados_linha, aes(x = dias, y = severidade)) +
  geom_line(linewidth = 2, color = "blue") +
  geom_point(size = 4, color = "black") +
  theme_classic(base_size = 14) +
  labs(
    title = "Progressão da severidade ao longo dos dias",
    x = "Dias após o plantio",
    y = "Severidade (%)"
  )

Boxplot

Útil para comparar a distribuição da severidade entre diferentes substratos ou tratamentos, visualizando mediana, quartis e outliers.

# Dados simulados
set.seed(42)
dados_boxplot <- tibble(
  substrato = rep(c("Pinus", "Eucalipto", "Acácia"), each = 15),
  severidade = c(rnorm(15, 40, 10), rnorm(15, 60, 15), rnorm(15, 30, 5))
)

# Gráfico boxplot
ggplot(dados_boxplot, aes(x = substrato, y = severidade, fill = substrato)) +
  geom_boxplot() +
  theme_classic(base_size = 14) +
  labs(
    title = "Distribuição da severidade por substrato",
    x = "Substrato",
    y = "Severidade (%)"
  ) +
  scale_fill_brewer(palette = "Set2")

A elaboração de gráficos no R é uma ferramenta essencial para a análise e interpretação de dados em pesquisas científicas. Eles permitem visualizar padrões, comparações e tendências de forma intuitiva, auxiliando na tomada de decisões e na comunicação clara dos resultados. Além disso, o uso de pacotes como ggplot2 possibilita a construção de gráficos de alta qualidade, personalizáveis e adequados para relatórios técnicos e apresentações acadêmicas. Assim, os gráficos transformam dados brutos em informações visuais compreensíveis, fortalecendo a análise estatística e contribuindo para conclusões mais precisas nos estudos.