curso_ggplot.Rmd

---
title: "Llegando al gráfico que quiero con ggplot"
subtitle: "Curso: Visualización de datos con R"
author: "ixpantia"
date: "11 de enero, 2020"
always_allow_html: yes
output:
  html_document:
    code_folding: hide
    self_contained: true
    number_sections: no
    theme: spacelab
    toc: yes
    toc_float:
      collapsed: false
editor_options:
  chunk_output_type: console
---


```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE, warning = FALSE, message = FALSE)
options(scipen = 100, digits = 2)

library(readxl)
library(dplyr)
library(ggplot2)
library(lubridate)
library(stringr)
library(scales)

```

# Introducción

Este documento contiene el código que se usará para la primera partes del **Curso Profesional: Visualización de datos con R**. En particular, el documento primero introduce la gramática de gráficos usada por el paquete `ggplot` y luego elabora en personalizaciones avanzadas de gráficos. El curso se imparte como parte de las iniciativas de [Data Latam](https://datalata.com). Data Latam es una comunidad Latinoamericana de profesionales y académicos aplicando ciencia de datos en su día a día en la industria de datos en Latino América. En sus eventos, cursos y programas de extensión exploramos tecnologías, aprendemos sobre ciencia de datos, hablamos de tendencias y eventos relevantes de la industria, y compartimos novedades del sector.

## Datos para el curso

Para el curso se hará uso de datos de delitos del Poder Judicial de Costa Rica así como proyecciones de población disponibles del Instituto Nacional de Estadística (INEC) de Costa Rica. La limpieza y procesamiento que se le dieron a los datos orignales para prepararlos para este curso se describe en el documentno de [Preparación de datos](https://github.com/datalatam/visualizacion/blob/master/preparadatos.Rmd).

Dicho documento genera el archivo de Excel `datos_cr.xlsx`, el cual se carga a continuación.

```{r ingerir_datos, include = FALSE}
datos_cr <- read_excel("datos/datos_cr.xlsx") %>% 
  mutate(fecha = as.Date(fecha))
```

# Comenzando con ggplot

Es común que se requiere de alguna transformación de datos sencilla para acomodar los datos tal cual los queremos para el gráfico. Por ejemplo, aunque `datos_cr` tiene listados todos los delitos reportados, nos puede interesar contarlos por ubicación y contrastar eso con la población de cada lugar.

```{r}
delitos_pob_ubic <- datos_cr %>% 
  group_by(provincia, distrito, ubicacion, pob2016) %>% 
  tally(name = "cantidad")
```


## Construcción por capas

*1- Generamos la primera capa del grafico*

```{r}
ggplot(data = delitos_pob_ubic, aes(x = pob2016, y = cantidad))
```

*2- Agregamos segunda capa del grafico*
```{r}
ggplot(data = delitos_pob_ubic, aes(x = pob2016, y = cantidad)) +
  geom_point()
```

*3- Tercera capa del gráfico*
```{r}
ggplot(data = delitos_pob_ubic, aes(x = pob2016, y = cantidad)) +
  geom_point() +
  geom_smooth()
```

*4- Una capa más, un texto*
```{r}
ggplot(data = delitos_pob_ubic, aes(x = pob2016, y = cantidad)) +
  geom_point() +
  geom_smooth() +
  geom_text(aes(label = ubicacion))
  #geom_text(aes(label = ubicacion, hjust = -.1))
```



## Tipos de gráficos según tipos de variables

De acuerdo a las variables que tengamos a nuestra disposición y la combinación de estas para explicar algún fenómeno, así será el tipo de gráfico que debamos utilizar. A continuación mostramos algunas de las opciones más comunes de `ggplot`.

### Una variable

 **Continua**

```{r}
plot_1var_cont <- ggplot(data = delitos_pob_ubic, aes(cantidad))
```

Densidad

```{r}
plot_1var_cont +
  geom_density()
```

Histograma

```{r}
plot_1var_cont +
  geom_histogram()
```

Yo también tuve esa curiosidad.

```{r}
delitos_pob_ubic %>% 
  arrange(-cantidad) %>% 
  head(10)
```

Esto es interesante, pero no estamos acá en San José para preocuparnos.

```{r}
# Un micro demo de kable dedicado a los que no han visto R.
# install.packages(kableExtra)
# library(kableExtra)
# delitos_pob_ubic %>% 
#   ungroup() %>% 
#   mutate(cant_por_100_pax = cantidad / (pob2016 / 100)) %>% 
#   arrange(-cant_por_100_pax) %>% 
#   select(-provincia, -distrito) %>% 
#   head(10) %>% 
#   kable(col.names = c("Ubicación", "Población (2016)", "Num. Delitos", "Delitos/100pax"),
#         format.args = list(big.mark = ",")) %>%
#   kable_styling(bootstrap_options = c("striped", "hover", "condensed")) %>% 
#   row_spec(c(1, 2, 4, 5, 7), color = "red")
```


**Discreta**

```{r}
ggplot(data = datos_cr, aes(provincia)) +
  geom_bar() # Cuenta observaciones para graficar frecuencias (count)
```

### Dos variables 

**x continua, y continua**

```{r}
plot_2var_cont <- ggplot(data = delitos_pob_ubic, aes(x = pob2016, y = cantidad))
```

Diagrama de puntos o *scatter plot*

```{r}
plot_2var_cont +
  geom_point()
```

Diagrama de puntos con *jitter*.

```{r}
plot_2var_cont +
  geom_jitter()
```

¿Para qué es útil el jitter?

```{r}
delitos_fecha_ubic <- datos_cr %>% 
  filter(mes == 12) %>% 
  group_by(ubicacion, fecha) %>% 
  tally(name = "cantidad") 

ggplot(data = delitos_fecha_ubic, aes(fecha, y = cantidad)) +
  geom_point()
```

**x discreta, y continua**

```{r}
plot_xdisc_ycont <- ggplot(data = delitos_pob_ubic, aes(x = provincia, y = cantidad))
```

Conteo de frecuencias en torre (stack)

```{r}
plot_xdisc_ycont +
  geom_col() # Asume position = "stack"
```

Diagrama de cajas

```{r}
plot_xdisc_ycont +
  geom_boxplot()
```

Adelantemos un poco el tema de exploración. El gráfico anterior no se ve bien pues hay *outliers*.

```{r}
delitos_pob_ubic %>% 
  arrange(-cantidad) %>% 
  head(10)
```

¿Qué tal si sólo graficamos los distritos con menos de 1000 delitos?

```{r}
delitos_pob_ubic %>% 
  filter(cantidad < 1000) %>% 
  ggplot(aes(x = provincia, y = cantidad)) +
  geom_boxplot()
```

**x y y discretas**

```{r}
ggplot(data = datos_cr, aes(x = delito, y = provincia)) +
  geom_count()
```

# Delitos por mes

Lo anterior nos motró qué se puede hacer a un nivel muy básico por tipos de variables. Vamos a comenzar a hacer ajustes y enriquecer nuestros gráficos.
Vamos a explorar qué caracteriza los delitos en cada mes del año. Comenzamos con la cantidad de los mismos.

```{r}
datos_cr %>% 
  ggplot(aes(x = mes)) +
  geom_bar()
```

El función `geom_bar` cuenta las cosas, pero nosotros las queremos comenzar a contar nosotros. Yo (opinión muy personal) prefiero contar las cosas yo, y usar `geom_col` en su lugar.

```{r}
datos_cr %>% 
  group_by(mes) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n)) +
  geom_col()
```

Siguiendo lo anterior, puedo ver las cosas por alguna otra dimensión, como por ejemplo provincia. ¿Qué vemos ahora?

```{r}
datos_cr %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n)) +
  geom_col()
```

## Colores

¿Cómo podemos mejorar eso? ¿Qué tal colores por provincias? 

```{r}
datos_cr %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n)) +
  geom_col()
```

¡Ahora hay mucho por mejorar! ¿Qué está haciendo "Desconocido" ahí? Resulta que hay delitos para los que no se conoce la ubicación (provincia, canton, o distrito). Vamos a reemplazarlos por NAs.

```{r}
datos_cr <- datos_cr %>% 
  mutate(provincia = ifelse(provincia == "Desconocido", NA, provincia),
         canton    = ifelse(canton    == "Desconocido", NA, canton),
         distrito  = ifelse(distrito  == "Desconocido", NA, distrito))
```

Vale mencionar, sólo hay 2 delitos para los que no se conoce la provincia. Por eso no los vamos a ver en estos gráficos.

```{r}
datos_cr %>% 
  filter(is.na(provincia))
```

A nivel de cantones hay muchos más desconocidos.

```{r}
datos_cr %>% 
  filter(is.na(canton)) %>% 
  tally()
```

Volviendo al gráfico. Ahora los NAs aparecen al final, no en medio de las provincias. Y perdón, pero yo no puedo con los colores.

```{r}
datos_cr %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n, fill = provincia)) +
  geom_col() #  +
  #scale_fill_viridis_d()
  #scale_fill_viridis_c() # no sirve por ser variable discreta
  #scale_color_viridis_d() # no sirve pues aesthetic es fill, no color
  #scale_fill_viridis_d(end = 0.8)
  #scale_fill_viridis_d(end = 0.8, option = "C")
  #scale_fill_viridis_d(end = 0.8, alpha = 0.9)
  #scale_fill_brewer()
  #scale_fill_brewer(palette = "Dark2")
```

## Posición de las barras

¿Cómo podemos observar proporciones de cada provincia por mes? Por defecto `geom_col()` usa `position = "stack"`, pero lo podemos cambiar.

```{r}
datos_cr %>% 
  filter(mes > "06") %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n, fill = provincia)) +
  geom_col(position = "fill")  +
  scale_fill_brewer(palette = "Dark2")
```

¿Dónde hay más delitos, Limón o Heredia?

```{r}
datos_cr %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n, fill = provincia)) +
  geom_col()  +
  scale_fill_brewer(palette = "Dark2")
```

Hagamos zoom al segundo semestre.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n, fill = provincia)) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2")
```

## Orden de las barras

En Costa Rica, desde la numeración de las cédulas de identidad hasta los censos, siguen un orden para las provincias así:

```{r}
orden_provincias <- c("San Jose", "Alajuela", "Cartago", "Heredia", "Guanacaste", "Puntarenas", "Limon")
orden_provincias
```

Podemos aplicar este orden al gráfico considerando a `provincia` como un factor ajustando sus niveles.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  mutate(provincia = factor(provincia, levels = orden_provincias)) %>% 
  ggplot(aes(x = factor(mes), y = n, fill = provincia)) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2")
```

Otra alternativa para hacer lo mismo es cambiar el *aesthetic* al entrar a `ggplot`, pero nos afecta la leyenda. Pronto trabajaermos con etiquetas.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), 
             y = n, 
             fill = factor(provincia, levels = orden_provincias))) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2")
```

Quizás preferimos un orden más basado en datos, como por ejemplo un orden basado en el total de delitos por provincia, de mayor a menor. El comando `reorder(x, X)` ajusta los niveles del factor `x` de acuerdo al orden (sort) de la variable `X`.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  mutate(provincia = reorder(provincia, -n)) %>% 
  ggplot(aes(x = factor(mes), y = n, fill = provincia)) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2")
```

## Etiquetas y más

El paquete `ggplot` nos permite personalizar todo lo que vemos, como por ejemplo las etiquetas. Comencemos con nombres de los ejes.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  mutate(provincia = reorder(provincia, -n)) %>% 
  ggplot(aes(x = factor(mes), y = n, fill = provincia)) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos")
```

El comando `labs` hace referencia a los *aesthetics*, por lo que la "leyenda" se llama igual que lo que contiene, en este caso el aesthetic `fill`.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  mutate(provincia = reorder(provincia, -n)) %>% 
  ggplot(aes(x = factor(mes), y = n, fill = provincia)) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos", fill = "Provincia en orden de delitos")
```

Al imponer nosotros la etiqueta, podemos usar aquello de factores en la entrada a `ggplot`.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n, fill = reorder(provincia, -n))) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos", fill = "Provincia")
```

Agreguemos título y subtítulo al gráfico.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n, fill = reorder(provincia, -n))) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos", fill = "Provincia",
       title = "Delitos por mes en cada provincia",
       subtitle = "San José tiene la mayor cantidad de delitos.")
```

También podemos hacer ajustes en las etiquetas de los valores de los ejes.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n, fill = reorder(provincia, -n))) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos", fill = "Provincia",
       title = "Delitos por mes en cada provincia",
       subtitle = "San José tiene la mayor cantidad de delitos.") # +
  #scale_y_continuous(labels = comma) 
  #scale_y_continuous(labels = comma, breaks = seq(from = 0, to = 2000, by = 200))
```

¿Qué tal si cambiamos los números de los meses por nombres?

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n, fill = reorder(provincia, -n))) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos", fill = "Provincia",
       title = "Delitos por mes en cada provincia",
       subtitle = "San José tiene la mayor cantidad de delitos.") +
  scale_y_continuous(labels = comma) +
  scale_x_discrete(labels = c("Jul", "Ago", "Set", "Oct", "Nov", "Dic"))

datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes, labels = c("Jul", "Ago", "Set", "Oct", "Nov", "Dic")),
             y = n,
             fill = reorder(provincia, -n))) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos", fill = "Provincia",
       title = "Delitos por mes en cada provincia",
       subtitle = "San José tiene la mayor cantidad de delitos.") +
  scale_y_continuous(labels = comma) 

datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = month(mes, label = TRUE, abbr = FALSE, locale = "es_ES"),
             y = n,
             fill = reorder(provincia, -n))) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos", fill = "Provincia",
       title = "Delitos por mes en cada provincia",
       subtitle = "San José tiene la mayor cantidad de delitos.") +
  scale_y_continuous(labels = comma) 

```

Hasta le podemos cambiar el tipo y tamaño de letra.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n, fill = reorder(provincia, -n))) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos", fill = "Provincia",
       title = "Delitos por mes en cada provincia",
       subtitle = "San José tiene la mayor cantidad de delitos.") +
  scale_y_continuous(labels = comma, breaks = seq(from = 0, to = 2000, by = 200)) +
  scale_x_discrete(labels = c("Jul", "Ago", "Set", "Oct", "Nov", "Dic")) +
  theme(text = element_text(size=14, family = "Lato"))
```

Ronny me dio un consejo sobre el fondo: En algunos casos se prefiere blanco.

```{r}
datos_cr %>% 
  filter(mes > 6) %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = factor(mes), y = n, fill = reorder(provincia, -n))) +
  geom_col(position = "dodge")  +
  scale_fill_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos", fill = "Provincia",
       title = "Delitos por mes en cada provincia",
       subtitle = "San José tiene la mayor cantidad de delitos.") +
  scale_y_continuous(labels = comma, breaks = seq(from = 0, to = 2000, by = 200)) +
  scale_x_discrete(labels = c("Jul", "Ago", "Set", "Oct", "Nov", "Dic")) +
  #theme(text = element_text(size=14, family = "Lato")) +
  theme_bw(base_size = 14, base_family = "Lato")
```

## Líneas para ver tendencias

```{r}
datos_cr %>% 
  group_by(mes, provincia) %>% 
  tally() %>% 
  mutate(provincia = factor(provincia, levels = orden_provincias)) %>% 
  ggplot(aes(x = factor(mes), y = n,
             group = provincia,
             color = provincia)) +
  geom_line() + 
  #geom_point() +
  scale_color_brewer(palette = "Dark2") +
  labs(x = "Mes del año", y = "Cantidad de delitos", color = "Provincia",
       title = "Delitos por mes en cada provincia",
       subtitle = "San José tiene la mayor cantidad de delitos.") 
```

# Correlación de delitos y población

## Atributos parametrizados

Para demostrar el uso de capas habíamos iniciado con este gráfico. Se veía muy saturado.

```{r}
ggplot(data = delitos_pob_ubic, aes(x = pob2016, y = cantidad)) +
  geom_point() +
  geom_smooth() +
  geom_text(aes(label = ubicacion, hjust = -.1))
```

Al final sólo nos interesa identificar a algunos cuantos distritos, los más problemáticos. Podemos hacer que la etiquete sólo aparezca para algunos cuantos.

```{r}
ggplot(data = delitos_pob_ubic, aes(x = pob2016, y = cantidad)) +
  geom_point() +
  geom_smooth(method = "lm") +
  geom_text(aes(label = ifelse(cantidad > 1000, distrito, NA),
                hjust = -.1))
```

Además podemos agregarle algo de colores. Esto también afecta a `geom_smooth`.

```{r}
ggplot(data = delitos_pob_ubic, 
       aes(x = pob2016, y = cantidad, color = provincia)) +
  geom_smooth(method = "lm", se = FALSE) +
  geom_point() +
  geom_text(aes(label = ifelse(cantidad > 1000, distrito, NA),
                hjust = -.1)) +
  scale_color_brewer(palette = "Dark2") 
```

## Límites de las escalas

No me gusta eso que que no pueda leer "Pavas". Podemos imponerle al gráfico los límites del plano (vean apartado de Zooming de la guía de referencia de `ggplot`)

```{r}
ggplot(data = delitos_pob_ubic, 
       aes(x = pob2016, y = cantidad, color = provincia)) +
  geom_smooth(method = "lm", se = FALSE) +
  geom_point() +
  geom_text(aes(label = ifelse(cantidad > 1000, distrito, NA),
                hjust = -.1)) +
  scale_color_brewer(palette = "Dark2") +
  scale_x_continuous(limits = c(0, 100000))
```


# Delitos por provincia y tipo

¿Se acuerdan de este gráfico?

```{r}
datos_cr %>% 
  filter(!is.na(provincia)) %>% # Quitamos 2 observaciones con provincia desconocida
  ggplot(aes(x = delito, y = provincia)) +
  geom_count()
```

Resulta que `geom_count()` por detrás es un `geom_point` usando el *aesthetic* de `size`.

```{r}
datos_cr %>% 
  filter(!is.na(provincia)) %>% # Quitamos 2 observaciones con provincia desconocida
  group_by(delito, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = delito, y = provincia)) +
  geom_point(aes(size = n))
```

¡Mejorémoslo! Por ejemplo, podemos agregarle una nueva capa con la cantidad de cada punto.

```{r}
datos_cr %>% 
  filter(!is.na(provincia)) %>% # Quitamos 2 observaciones con provincia desconocida
  group_by(delito, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = delito, y = provincia)) +
  geom_point(aes(size = n)) +
  geom_text(aes(label = n,
                hjust = -.4, vjust = -.4),
            color = "grey60")
```

Ahora agreguemos algunas etiquetas que descibran mejor el contenido del gráfico.

```{r}
datos_cr %>% 
  filter(!is.na(provincia)) %>% # Quitamos 2 observaciones con provincia desconocida
  group_by(delito, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = delito, y = provincia)) +
  geom_point(aes(size = n)) +
  geom_text(aes(label = n,
                hjust = -.4, vjust = -.4),
            color = "grey60") +
  labs(x = "Tipo de delito", y = "Provincia", size = "Cantidad",
       title = "Delitos por tipo y provincia")
```

Hay dos alternativas para corregir el texto del eje X. Una es rotando el texto.

```{r}
datos_cr %>% 
  filter(!is.na(provincia)) %>% # Quitamos 2 observaciones con provincia desconocida
  group_by(delito, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = delito, y = provincia)) +
  geom_point(aes(size = n)) +
  geom_text(aes(label = n,
                hjust = -.4, vjust = -.4),
            color = "grey60") +
  labs(x = "Tipo de delito", y = "Provincia", size = "Cantidad",
       title = "Delitos por tipo y provincia") +
  theme(axis.text.x = element_text(angle = 45))
```

La que me gusta más a mi es introduciendo cambios de línea en la etiqueta. La función `stringr::str_wrap(string, width)` toma el texto `string` y lo corta cada `width` caracteres.

```{r}
datos_cr %>% 
  filter(!is.na(provincia)) %>% # Quitamos 2 observaciones con provincia desconocida
  group_by(delito, provincia) %>% 
  tally() %>% 
  ggplot(aes(x = str_wrap(delito, 10),
             y = provincia)) +
  geom_point(aes(size = n)) +
  geom_text(aes(label = n,
                hjust = -.4, vjust = -.4),
            color = "grey60") +
  labs(x = "Tipo de delito", y = "Provincia", size = "Cantidad",
       title = "Delitos por tipo y provincia")
```

Ya para terminarlo hasta colores le podemos poner. Usemos colores para denotar si la provincia es costera o no.

```{r}
datos_cr %>% 
  filter(!is.na(provincia)) %>% # Quitamos 2 observaciones con provincia desconocida
  group_by(delito, provincia) %>% 
  tally() %>% 
  mutate(costera = ifelse(provincia %in% c("Limon", "Guanacaste", "Puntarenas"), "Costera", "Sin costa")) %>% 
  ggplot(aes(x = str_wrap(delito, 10),
             y = provincia,
             color = costera)) +
  geom_point(aes(size = n)) +
  geom_text(aes(label = n,
                hjust = -.4, vjust = -.4),
            color = "grey60") +
  labs(x = "Tipo de delito", y = "Provincia", 
       size = "Cantidad", color = "Costera",
       title = "Delitos por tipo y provincia")
```

# Más dimensones con paneles

**Meta:** Nos vamos a enfocar de nuevo más en el contenido que en la estética. Queremos observar la proporción de delitos cometidos a mujeres en cada provincia por mes, y  observar cómo se compara cada provincia la estadística nacional ese mes.

Hacemos un precálculo que calcula:

1. El total delitos a nivel nacional por mes y por genero en cada mes.
2. El total delitos a nivel provincias por mes y por genero en cada mes.
3. La proporción de delitos cometidos a mujeres con base en los totales anteriores.

```{r}
datos_mujeres <- datos_cr %>% 
  # Reduce complejidad de datos
  filter(!is.na(provincia)) %>% 
  select(provincia, mes, genero) %>% 
  # Conteo nacional
  group_by(mes) %>% 
  mutate(total_nac = n()) %>% 
  group_by(mes, genero) %>% 
  mutate(total_nac_gen = n()) %>% 
  # Conteo por provincia
  group_by(mes, provincia) %>% 
  mutate(total_prov = n()) %>% 
  group_by(mes, provincia, genero) %>% 
  mutate(total_prov_gen = n()) %>% 
  # Cálculo de proporciones
  filter(genero == "Mujer") %>% 
  ungroup() %>% 
  mutate(prop_muj_nac  = total_nac_gen  / total_nac,
         prop_muj_prov = total_prov_gen / total_prov) %>% 
  distinct()

datos_mujeres
```

Procedemos a graficar la información. Comencemos con series de tiempo por provincia. Esto cuesta leerlo.

```{r}
datos_mujeres %>% 
  ggplot(aes(x = factor(mes), y = prop_muj_prov)) +
  geom_line(aes(group = provincia, color = provincia)) +
  scale_color_brewer(palette = "Dark2") 
```

Antes de mejorarlo, sin embargo, agreguemos el promedio nacional que queríamos.

```{r}
datos_mujeres %>% 
  ggplot(aes(x = factor(mes), y = prop_muj_prov)) +
  geom_line(aes(group = provincia, color = provincia)) +
  scale_color_brewer(palette = "Dark2") +
  geom_point(aes(x = mes, y = prop_muj_nac))
```

¡Cuesta comparar cada mes de forma individual!

## Paneles

Queremos agrupar las barras de cada mes. Esto se hace con `facet_wrap`.

```{r}
datos_mujeres %>% 
  ggplot(aes(x = provincia, y = prop_muj_prov)) +
  geom_col() +
  facet_wrap(~mes)
```

Vamos a mejorar esto un poco antes de agregar elementos. Primero, barras no es lo mejor para indicar un solo punto. Puntos representaría mejor que esto se trata de una estadística y no un conteo. También, conviene rotar las etiquetas.

```{r}
datos_mujeres %>% 
  ggplot(aes(x = provincia, y = prop_muj_prov)) +
  geom_point() +
  facet_wrap(~mes) +
  theme(axis.text.x = element_text(angle = 90))
```

Agreguemos ahora el promedio nacional para cada mes. Lo podemos hace como una raya horizontal usando `geom_hline`.

```{r}
datos_mujeres %>% 
  ggplot(aes(x = provincia, y = prop_muj_prov)) +
  geom_point() +
  geom_hline(aes(yintercept = prop_muj_nac)) +
  facet_wrap(~mes) +
  theme(axis.text.x = element_text(angle = 90))
```

Ahora algo de estítica. Usemos colores por provincia, hagamos los puntos un poco más grandes, pongamos nombres para humanos....

```{r}
prop_muj_anual <- datos_cr %>% 
  group_by(genero) %>% 
  tally() %>% 
  mutate(prop = n / sum(n)) %>% 
  filter(genero == "Mujer") %>% 
  pull(prop)

datos_mujeres %>% 
  mutate(provincia = factor(provincia, levels = orden_provincias),
         mes = month(mes, label = TRUE, abbr = FALSE, locale = "es_ES")) %>% 
  ggplot(aes(x = provincia, y = prop_muj_prov)) +
  geom_point(aes(color = provincia, size = 2)) +
  guides(size = "none") + # sin esto aparece una leyenda para size
  scale_color_brewer(palette = "Dark2") +
  geom_hline(aes(yintercept = prop_muj_nac)) +
  geom_hline(aes(yintercept = prop_muj_anual), color = "red", size = 0.5, linetype = "dashed") +
  facet_wrap(~mes) +
  theme_bw() +
  theme(axis.text.x = element_text(angle = 90)) +
  scale_y_continuous(limits = c(0.3, 0.45)) +
  labs(x = "Provincia", y = "Proporción de delitos a víctimas mujeres",
       color = "Provincia", title = "¿En qué provincia en qué mes es mayor la proporción de delitos cometidos a mujeres?")
```