Facets e Sistemi di Coordinate

Hands-on Workshop

Marco Chiapello

Obiettivi della Sessione

Cosa impareremo oggi:

Creare small multiples con faceting
Distinguere facet_wrap() vs facet_grid()
Gestire scale libere vs scale fisse
Esplorare i sistemi di coordinate
Applicare trasformazioni con coordinate

Approccio:

Teoria del faceting
Facet wrap e facet grid
Sistemi di coordinate
Esercizi pratici

Esercizi Pratici

Scarica il file esercizi: 07_facets_coordinate_exercises.R

30 esercizi organizzati in 6 parti:

Facet Wrap Basics (5 esercizi): faceting con una variabile
Facet Grid (5 esercizi): griglie con due variabili
Scale Control (5 esercizi): scale libere vs fisse
Coordinate Systems (5 esercizi): flip, fixed, polar
Coord Transformations (5 esercizi): log, sqrt, limits
Combinazioni Avanzate (5 esercizi): facets + coordinates

Approccio suggerito:

Lavora su ogni parte in sequenza
Sperimenta con diversi layout
Osserva come scale e coordinate interagiscono

Cos’è il Faceting?

Definizione:

Il faceting crea small multiples: grafici multipli che mostrano subset dei dati.

Vantaggi:

Confronti tra gruppi
Evita overplotting con color
Pattern più chiari
Scale condivise o indipendenti

Quando usare:

Molti gruppi (> 6-7)
Patterns per categoria
Time series multipli
Evitare troppe estetiche

Due funzioni principali:

facet_wrap(): una variabile
- Layout automatico
- Numero colonne controllabile
facet_grid(): due variabili
- Griglia righe × colonne
- Layout fisso

Regola d’oro

Facets vs Aesthetics:

< 6 gruppi: usa color/fill
> 6 gruppi: usa facets
Comparazioni precise: usa facets

Facet Wrap: Sintassi Base

Formula notation:

# Sintassi base
ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  facet_wrap(~ class)

# Variabili multiple (NOT typical)
facet_wrap(~ var1 + var2)

Parametri chiave:

facet_wrap(
  ~ class,
  ncol = 3,      # numero colonne
  nrow = 2,      # numero righe
  scales = "fixed"  # o "free", "free_x", "free_y"
)

Caratteristiche:

Layout automatico (ribbon-like)
Ottimizza spazio disponibile
Tutti i pannelli stesso geom/aesthetic
Default: scale condivise

Formula notation

~ variable indica “facet by variable”

Il ~ separa “nulla” (lato sinistro) da variabile di faceting (lato destro)

ncol vs nrow

Specifica uno dei due, non entrambi! Se specifichi entrambi, ncol ha precedenza.

Facet Wrap: Controllo Layout

Numero colonne:

# 2 colonne
ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  facet_wrap(~ class, ncol = 2)

# 4 colonne
facet_wrap(~ class, ncol = 4)

Direzione fill:

# Riempie per righe (default)
facet_wrap(~ class, dir = "h")

# Riempie per colonne
facet_wrap(~ class, dir = "v")

Strip positioning:

# Labels in alto (default)
facet_wrap(~ class, 
           strip.position = "top")

# Labels a destra
facet_wrap(~ class, 
           strip.position = "right")

Scelta ncol

Considera:

Aspect ratio dei dati
Spazio disponibile (slide vs paper)
Leggibilità axis labels
Default spesso ottimale!

Adesso tocca a te!

Facet Grid: Griglie 2D

Sintassi:

# Formula notation
ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  facet_grid(drv ~ cyl)

# vars() notation (preferred)
facet_grid(
  rows = vars(drv),
  cols = vars(cyl)
)

# Solo righe o colonne
facet_grid(rows = vars(drv))
facet_grid(cols = vars(cyl))

Quando usare:

Due variabili categoriche importanti
Confronti riga × colonna
Layout fisso desiderato
Poche combinazioni (< 20 pannelli)

wrap vs grid:

Feature	wrap	grid
Variabili	1 (tipico)	2
Layout	Automatico	Fisso
Flessibilità	Alta	Bassa
Confronti	Generali	Precisi

Facet Grid: Margini e Totali

Marginal plots:

# Aggiungi pannelli "margine"
ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  facet_grid(
    drv ~ cyl,
    margins = TRUE
  )

Crea pannelli extra con tutti i dati per: - Ogni riga (aggregato colonne) - Ogni colonna (aggregato righe) - Angolo (tutti i dati)

Margini selettivi:

# Solo margini righe
facet_grid(drv ~ cyl, 
           margins = "drv")

# Solo margini colonne
facet_grid(drv ~ cyl, 
           margins = "cyl")

Margins = many panels!

Con 3 drv × 4 cyl:

Base: 12 pannelli
margins = TRUE: 20 pannelli
Scala rapidamente!

Adesso tocca a te!

Scale Control

Scale Fisse vs Libere

Scale fisse (default):

facet_wrap(~ class, scales = "fixed")

Stesso range per tutti i pannelli
Confronti diretti facilitati
Alcuni pannelli possono essere “vuoti”

Scale libere:

# Entrambi assi liberi
facet_wrap(~ class, scales = "free")

# Solo X libero
facet_wrap(~ class, scales = "free_x")

# Solo Y libero
facet_wrap(~ class, scales = "free_y")

Quando usare scale libere:

✅ Range molto diversi tra gruppi
✅ Focus su pattern non su valori assoluti
✅ Ogni pannello self-contained

Quando NON usare:

❌ Confronti quantitativi precisi
❌ Comparare magnitudini
❌ Pattern attraverso pannelli

Attenzione!

Scale libere possono ingannare:

Pattern simili possono rappresentare magnitudini molto diverse!

Space e Labelling

Space control (solo grid):

facet_grid(
  drv ~ cyl,
  scales = "free",
  space = "free"  # pannelli proporzionali a range
)

space = "fixed": pannelli stessa dimensione
space = "free": dimensione ∝ range dati
Solo con scales = "free"

Labeller customization:

# Nomi variabili + valori
facet_wrap(~ class, 
           labeller = label_both)

# Custom labels
class_names <- c(
  "compact" = "Compatte",
  "suv" = "SUV"
)
facet_wrap(~ class,
           labeller = labeller(
             class = class_names
           ))

Adesso tocca a te!

Sistemi di Coordinate

Coordinate Cartesiane

coord_cartesian() - default:

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

Zooming (preferito):

# Zoom senza rimuovere dati
ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  coord_cartesian(
    xlim = c(3, 5),
    ylim = c(20, 35)
  )

Dati fuori range non eliminati, solo non mostrati.

coord_cartesian vs xlim():

# xlim() rimuove dati!
ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  geom_smooth() +
  xlim(3, 5)  # smooth ricalcolato!

# coord_cartesian() zoom only
ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  geom_smooth() +
  coord_cartesian(xlim = c(3, 5))
  # smooth su tutti i dati

Regola

Usa coord_cartesian() per zoom,
xlim()/ylim() solo se vuoi rimuovere dati

coord_flip(): Scambiare Assi

Flip X e Y:

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

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

Quando usare:

Labels lunghi (leggibilità)
Molte categorie
Convenzioni (es. forest plots)
Estetica

Alternativa moderna:

# ggplot2 >= 3.3.0
# Scambia direttamente x e y
ggplot(mpg, aes(x = hwy, y = class)) +
  geom_boxplot()

Più intuitivo, stesso risultato!

coord_flip() legacy

Ancora utile per compatibilità con vecchio codice, ma approccio moderno è scambiare aesthetic mapping.

coord_fixed(): Aspect Ratio

Ratio fisso:

# 1:1 (default)
ggplot(data, aes(x = x, y = y)) +
  geom_point() +
  coord_fixed()

# 1:2 (1 unità x = 2 unità y)
coord_fixed(ratio = 1/2)

# 2:1
coord_fixed(ratio = 2)

Quando usare:

✅ Mappe (distanze reali)
✅ Scatter plots dove scale devono essere comparabili
✅ Dati geometrici (coordinate spaziali)

Esempio - distanze:

# Distanze euclidee corrette (dataset quakes)
ggplot(quakes, aes(x = long, y = lat)) +
  geom_point() +
  coord_fixed(ratio = 1)
  # mantiene proporzioni corrette lat/lon

coord_polar(): Coordinate Polari

Trasforma in polare:

# Pie chart
ggplot(data, aes(x = "", y = value, 
                 fill = category)) +
  geom_col() +
  coord_polar(theta = "y")

# Bullseye/radar chart
ggplot(data, aes(x = category, y = value)) +
  geom_col() +
  coord_polar(theta = "x")

Parametri:

theta: quale asse diventa angolo
start: angolo iniziale (radianti)
direction: 1 (antiorario) o -1 (orario)

Applicazioni:

Pie charts (controversi!)
Radar/spider charts
Wind roses
Circular patterns

Pie charts

Generalmente sconsigliati:

Difficile confrontare angoli
Bar chart spesso migliore
Usa solo per proportions ovvie (50%, 25%, etc.)

Se proprio necessario, max 5-6 categorie.

Adesso tocca a te!

Trasformazioni Coordinate

Trasformazioni Logaritmiche

Due approcci:

# Approccio 1: scale
ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point() +
  scale_x_log10() +
  scale_y_log10()

# Approccio 2: coordinate
ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point() +
  coord_trans(x = "log10", y = "log10")

Differenze:

Aspetto	scale_*_log10()	coord_trans()
Trasformazione	Prima di stat	Dopo rendering
Smooth lines	Su dati trasf.	Su dati originali
Axis labels	Log scale	Log scale
Quando	Quasi sempre	Raramente

Preferisci scale_*_log10()

Trasforma prima del calcolo → risultati corretti per smooth, stat, etc.

Adesso tocca a te!

Combinazioni Avanzate

Facets + Coordinates

Si possono combinare:

# Facets + coord_flip
ggplot(mpg, aes(x = class, y = hwy)) +
  geom_boxplot() +
  facet_wrap(~ year) +
  coord_flip()

# Facets + coord_fixed
ggplot(quakes, aes(x = long, y = lat, color = depth)) +
  geom_point() +
  facet_wrap(~ cut(mag, breaks = 3)) +
  coord_fixed(ratio = 1)

# Facets + zoom
ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point(alpha = 0.1) +
  facet_wrap(~ cut) +
  coord_cartesian(xlim = c(0, 3), ylim = c(0, 15000))

Principio: Facets organizzano dati, coordinates trasformano visualizzazione.

Best Practices

Faceting:

Numero pannelli: < 20 ideale, > 30 problematico
Ordine: Usa reorder() o factor() per ordinamento significativo
Labels: Nomi chiari e concisi (usa labeller)
Scale fisse quando possibile: Facilitano confronti
Strip text: Dimensione adeguata (theme(strip.text = element_text(size = ...)))

Coordinate:

coord_cartesian() per zoom: Non rimuove dati
coord_fixed() per mappe: Aspect ratio corretto
Evita coord_polar(): Quasi sempre alternativa migliore
Trasformazioni via scale: Non via coord_trans()

Combinazioni:

Facets per categorie, color per subcategorie (max 2-3 livelli)
Free scales solo se assolutamente necessario
Coordinate transformations applicano a tutti i pannelli

Adesso tocca a te!

Risorse & Prossimi Passi

Documentazione:

Packages complementari:

ggforce: facets avanzati (es. facet_zoom())
ggh4x: faceting nested e altre estensioni

Prossima sessione:

Scale e Trasformazioni: personalizzare scale (color, size, x, y), palette, limiti e breaks
Controllo completo su come dati vengono mappati a proprietà visive
Color palettes avanzate e accessibilità

Continua a praticare! Facets e coordinates sono fondamentali per organizzare visualizzazioni complesse.