Geometrie Base in ggplot2

Hands-on Workshop

Marco Chiapello

Obiettivi della Sessione

Cosa impareremo oggi:

Esplorare le geometrie fondamentali di ggplot2
Comprendere quando usare ogni tipo di geom
Praticare con pesercizi su dati reali
Focus su aesthetics x e y (altri aesthetics: sessioni successive)

Approccio:

Teoria per ogni categoria di geom
Esempi pratici
Esercizi guidati

Esercizi Pratici

Scarica il file esercizi: 04_geometrie_base_exercises.R

30 esercizi organizzati in 6 parti:

Relazioni (6 esercizi): point, smooth, line, path
Distribuzioni 1D (6 esercizi): histogram, density, freqpoly, dotplot
Distribuzioni 2D (4 esercizi): bin2d, hex, density2d
Statistiche (5 esercizi): boxplot, violin, bar, col
Incertezza (3 esercizi): errorbar, pointrange, ribbon
Combinazioni (6 esercizi): multi-layer plots

Approccio suggerito:

Lavora su ogni parte in sequenza
Confronta con soluzioni solo dopo aver provato
Sperimenta con parametri diversi

Cos’è una Geometria?

Definizione:

Le geometrie (geom_*) sono gli oggetti geometrici che rappresentano i dati nel grafico.

Ogni geom:

Interpreta i dati in modo specifico
Ha parametri personalizzabili
Può essere combinato con altri geom
Eredita mapping da ggplot() o definisce i propri

Struttura base:

ggplot(data, aes(x = var1, y = var2)) +
  geom_TIPO()

Categorie principali:

Relazioni (scatter, line, smooth)
Distribuzioni 1D (histogram, density, dotplot)
Distribuzioni 2D (bin2d, hex, density2d)
Statistiche riassuntive (boxplot, violin, bar)
Incertezza (errorbar, linerange, ribbon)
Combinazioni (multipli geom insieme)

Oggi: solo x e y

Focus esclusivo su mappature x e y. Color, size, shape, etc. → prossime sessioni.

Geoms per Relazioni

geom_point(): Scatter Plot

Quando usarlo:

Relazione tra due variabili continue
Identificare correlazioni, cluster, outlier
Ogni punto = una osservazione

Parametri principali:

geom_point(
  size = 2,        # dimensione punti
  alpha = 0.5,     # trasparenza (0-1)
  shape = 16       # forma (0-25)
)

Esempio:

library(ggplot2)

ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point()

Situazioni ideali:

✅ Correlazioni continue
✅ Dataset con centinaia/migliaia di punti
✅ Esplorare pattern generali

Problemi comuni:

⚠️ Overplotting: troppi punti sovrapposti
- Soluzione: alpha basso
⚠️ Punti identici nascosti
- Soluzione: geom_jitter()

Varianti:

# Aggiunge jitter (piccolo rumore casuale)
geom_jitter(width = 0.1, height = 0.1)

# Conta punti sovrapposti
geom_count()

geom_line() & geom_path()

geom_line():

Connette punti ordinati per x

ggplot(economics, aes(x = date, y = unemploy)) +
  geom_line()

Quando usarlo:

Time series
Trend temporali
Dati ordinati naturalmente

Parametri:

geom_line(
  linewidth = 1,
  linetype = "solid"  # "dashed", "dotted"
)

geom_path():

Connette punti nell’ordine dei dati

ggplot(data, aes(x = x, y = y)) +
  geom_path()

Quando usarlo:

Traiettorie
Percorsi non ordinati per x
Dati spaziali

line vs path

geom_line(): ordina per x
geom_path(): rispetta ordine righe

geom_smooth(): Trend Lines

Aggiunge linea di trend con intervallo di confidenza

Metodi disponibili:

# LOESS - default per n < 1000 (smooth locale)
geom_smooth(method = "loess")

# Lineare
geom_smooth(method = "lm")

# GAM - General Additive Model
geom_smooth(method = "gam")

# GLM - Generalized Linear Model
geom_smooth(method = "glm")

Parametri:

geom_smooth(
  method = "lm",
  se = TRUE,      # mostra intervallo confidenza
  level = 0.95,   # livello confidenza
  formula = y ~ x # formula personalizzata
)

Esempio completo:

ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point(alpha = 0.3) +
  geom_smooth(method = "lm", se = TRUE)

Quando usarlo:

Identificare trend generali
Confrontare relazioni lineari/non-lineari
Aggiungere a scatter plot

Attenzione

geom_smooth() non sostituisce analisi statistica formale. È uno strumento esplorativo!

Adesso tocca a te!

Distribuzioni: 1 Variabile

geom_histogram(): Istogrammi

Quando usarlo:

Distribuzione di 1 variabile continua
Vedere forma, centro, spread
Identificare skewness, modalità

Solo aesthetic x:

ggplot(mpg, aes(x = hwy)) +
  geom_histogram()

Parametri critici:

geom_histogram(
  bins = 30,        # numero bin
  binwidth = 2,     # larghezza bin
  fill = "blue",
  color = "black"
)

Scelta dei bins:

Troppo pochi: informazione persa
Troppi: troppo rumore
Default: bins = 30
Alternativa: Sturges rule (automatico)

Esempio:

# Sperimentare con bins
ggplot(diamonds, aes(x = carat)) +
  geom_histogram(bins = 50)

Bins vs Binwidth

Usa bins (numero) O binwidth (larghezza), mai entrambi!

geom_density(): Curve di Densità

Quando usarlo:

Alternativa smooth agli istogrammi
Confrontare distribuzioni sovrapposte
Enfatizzare forma distribuzione

Esempio base:

ggplot(mpg, aes(x = hwy)) +
  geom_density()

Parametri:

geom_density(
  adjust = 1,      # smoothness (default 1)
  fill = "blue",
  alpha = 0.3
)

Combinare histogram + density:

ggplot(mpg, aes(x = hwy)) +
  geom_histogram(aes(y = after_stat(density)), 
                 alpha = 0.5) +
  geom_density(color = "red", linewidth = 1)

Quando NON usarlo:

Dataset molto piccoli (< 20 obs)
Bisogno di conteggi esatti
Dati discreti

adjust parameter

adjust < 1: più dettaglio
adjust > 1: più smooth

geom_freqpoly() & geom_dotplot()

geom_freqpoly():

Histogram come linea (utile per sovrapposizioni)

ggplot(diamonds, aes(x = price)) +
  geom_freqpoly(bins = 50)

Vantaggi:

Confrontare gruppi senza occlusione
Più pulito di histogram sovrapposti
Stessi parametri di geom_histogram()

geom_dotplot():

Ogni punto = osservazione (dataset piccoli)

ggplot(faithful, aes(x = waiting)) +
  geom_dotplot(binwidth = 1)

Quando usarlo:

Dataset < 100 osservazioni
Vedere ogni singolo dato
Alternative: strip plot, beeswarm

Adesso tocca a te!

Distribuzioni: 2 Variabili

geom_bin2d() & geom_hex()

geom_bin2d():

Heatmap rettangolare per big data

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_bin2d(bins = 50)

Quando usarlo:

Dataset > 10,000 punti
Overplotting severo
Identificare densità

geom_hex():

Heatmap esagonale (più efficiente)

library(hexbin)  # richiesto!

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_hex(bins = 50)

Vantaggi hex:

Bins più uniformi
Tessellazione migliore
Più accurato per densità

Warning

Richiede install.packages("hexbin")

geom_density2d()

Contour lines per densità 2D

ggplot(faithful, aes(x = eruptions, y = waiting)) +
  geom_density2d()

Combinare con punti:

ggplot(faithful, aes(x = eruptions, y = waiting)) +
  geom_point(alpha = 0.3) +
  geom_density2d(color = "red")

Filled density:

ggplot(faithful, aes(x = eruptions, y = waiting)) +
  geom_density2d_filled()

Quando usarlo:

Identificare cluster
Distribuzioni multimodali
Dataset medio-grandi

Tip

geom_density2d_filled() crea heatmap smooth (no contorni)

Adesso tocca a te!

Statistiche Riassuntive

geom_boxplot() & geom_violin()

geom_boxplot():

ggplot(mpg, aes(x = class, y = hwy)) +
  geom_boxplot()

Componenti:

Mediana (linea centrale)
Q1, Q3 (box)
Whiskers (1.5×IQR)
Outliers (punti)

Parametri:

geom_boxplot(
  notch = TRUE,    # notch per CI mediana
  outlier.color = "red"
)

geom_violin():

ggplot(mpg, aes(x = class, y = hwy)) +
  geom_violin()

Vantaggi:

Mostra forma completa distribuzione
Rivela multimodalità
Più informativo di boxplot

Combinare entrambi:

ggplot(mpg, aes(x = class, y = hwy)) +
  geom_violin() +
  geom_boxplot(width = 0.1)

geom_bar() & geom_col()

geom_bar():

Conta automaticamente (solo x)

ggplot(mpg, aes(x = class)) +
  geom_bar()

Default stat:

geom_bar(stat = "count")  # default

Quando usarlo:

Contare osservazioni per categoria
Solo variabile categorica

geom_col():

Usa valori y esistenti

# Dati aggregati
summary_data <- mpg %>%
  group_by(class) %>%
  summarise(mean_hwy = mean(hwy))

ggplot(summary_data, aes(x = class, y = mean_hwy)) +
  geom_col()

bar vs col

geom_bar(): conta dati raw
geom_col(): usa valori pre-calcolati

Adesso tocca a te!

Incertezza

geom_errorbar() & geom_pointrange()

geom_errorbar():

# Dati con SE
summary_data <- mpg %>%
  group_by(class) %>%
  summarise(
    mean = mean(hwy),
    se = sd(hwy) / sqrt(n())
  )

ggplot(summary_data, aes(x = class, y = mean)) +
  geom_col() +
  geom_errorbar(
    aes(ymin = mean - se, ymax = mean + se),
    width = 0.2
  )

geom_pointrange():

ggplot(summary_data, aes(x = class, y = mean)) +
  geom_pointrange(
    aes(ymin = mean - se, ymax = mean + se)
  )

Alternative:

geom_linerange(): solo linea verticale
geom_crossbar(): barra orizzontale
geom_ribbon(): bande continue (time series)

geom_ribbon(): Bande di Confidenza

Per time series con intervalli:

# Simula dati con CI
ts_data <- economics %>%
  mutate(
    lower = unemploy - 500,
    upper = unemploy + 500
  )

ggplot(ts_data, aes(x = date, y = unemploy)) +
  geom_ribbon(aes(ymin = lower, ymax = upper),
              alpha = 0.3) +
  geom_line()

Quando usarlo:

Intervalli di previsione
Confidence/credible intervals
Incertezza su time series

Parametri:

geom_ribbon(
  fill = "blue",
  alpha = 0.3,      # trasparenza importante!
  color = NA        # no bordo (default)
)

Adesso tocca a te!

Combinazioni Avanzate

Combinare Geometrie

Layering multiplo:

ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point(alpha = 0.3) +            # scatter
  geom_smooth(method = "lm") +         # trend lineare
  geom_rug(alpha = 0.2)                # distribuzioni marginali

Best practices:

Layer più importanti in alto (disegnati per ultimi)
Usa alpha per trasparenza quando sovrapponi
Ordine logico: base → summaries → annotations

Esempio complesso:

ggplot(mpg, aes(x = class, y = hwy)) +
  geom_violin(fill = "lightblue", alpha = 0.5) +
  geom_boxplot(width = 0.2, fill = "white") +
  geom_jitter(alpha = 0.1, width = 0.1)

Adesso tocca a te!

Risorse & Prossimi Passi

Documentazione:

Cheat sheets:

ggplot2 cheat sheet

Prossime sessioni:

Aesthetics avanzate (color, size, shape, fill)
Scales & Coordinate systems
Faceting (small multiples)
Themes & styling
Annotations & labels
Plot composition (patchwork)

Domande?

Usa Slack o email per supporto sugli esercizi!