Scale e Trasformazioni

Hands-on Workshop

Marco Chiapello

Obiettivi della Sessione

Cosa impareremo oggi:

Comprendere il ruolo delle scale in ggplot2
Personalizzare scale continue e discrete
Gestire palette di colori accessibili
Applicare trasformazioni (log, sqrt, reverse)
Controllare breaks, labels e limiti
Formattare assi con il package scales

Approccio:

Teoria delle scale
Scale posizionali (x, y)
Scale estetiche (color, fill, size)
Trasformazioni e formattazione
Esercizi pratici

Esercizi Pratici

Scarica il file esercizi: 08_scale_trasformazioni_exercises.R

30 esercizi organizzati in 6 parti:

Scale Continue (5 esercizi): limiti, breaks, labels
Trasformazioni (5 esercizi): log, sqrt, reverse
Scale Colore Discrete (5 esercizi): manual, brewer, viridis
Scale Colore Continue (5 esercizi): gradient, viridis, diverging
Scale Dimensione e Forma (5 esercizi): area, radius, shapes
Formattazione Avanzata (5 esercizi): dates, percents, custom

Approccio suggerito:

Lavora su ogni parte in sequenza
Sperimenta con parametri diversi
Osserva come le scale influenzano la percezione

Cosa Sono le Scale?

Definizione:

Le scale mappano i dati alle proprietà visive (estetiche).

Ruolo cruciale:

Traducono valori in posizioni, colori, dimensioni
Controllano leggibilità e interpretazione
Generano guide (assi, legende)
Applicano trasformazioni

Ogni aesthetic ha una scala:

x, y → posizioni
color, fill → colori
size → dimensioni
shape → forme
alpha → trasparenza

Default automatici:

ggplot2 sceglie scale sensate basandosi sul tipo di dati:

Continuous: numeric, date → scale_*_continuous()
Discrete: factor, character → scale_*_discrete()
Binned: numeric con intervalli → scale_*_binned()

Regola d’oro

Ogni aesthetic mappato ottiene automaticamente una scala. Puoi sostituirla esplicitamente con scale_*_*().

Naming convention

scale_<aesthetic>_<type>() dove:

<aesthetic> = x, y, color, fill, size…
<type> = continuous, discrete, manual, gradient, brewer…

Scale Continue

Scale Posizionali: X e Y

Parametri principali:

scale_x_continuous(
  name = "Titolo asse",
  breaks = seq(0, 100, 20),
  labels = c("0", "20", "40", "60", "80", "100"),
  limits = c(0, 100),
  expand = expansion(mult = c(0, 0.05))
)

name: titolo dell’asse
breaks: dove posizionare tick marks
labels: cosa mostrare ai tick marks
limits: range min-max
expand: padding ai bordi

Esempio pratico:

ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  scale_x_continuous(
    name = "Cilindrata (L)",
    breaks = 2:7
  ) +
  scale_y_continuous(
    name = "Consumo autostrada (mpg)",
    limits = c(10, 45)
  )

Breaks automatici

ggplot2 calcola breaks sensati. Usa breaks = waiver() per ripristinare default dopo modifica.

Limiti: limits vs coord_cartesian()

Con scale (RIMUOVE dati):

ggplot(mpg, aes(x = class, y = hwy)) +
  geom_boxplot() +
  scale_y_continuous(limits = c(10, 30))
# Rimuove osservazioni > 30!

Dati fuori limite vengono eliminati prima del calcolo di stat. Boxplot ricalcolati su dati filtrati.

Problema: statistiche errate!

Con coordinate (ZOOM):

ggplot(mpg, aes(x = class, y = hwy)) +
  geom_boxplot() +
  coord_cartesian(ylim = c(10, 30))
# Mantiene tutti i dati!

Dati fuori limite rimangono, solo non vengono mostrati. Statistiche corrette.

Quando usare cosa

scale_*_continuous(limits = ...): per filtrare dati
coord_cartesian(xlim/ylim = ...): per zoom visivo

Quasi sempre preferisci coord_cartesian()!

Labels Personalizzati

Labels manuali:

ggplot(mpg, aes(x = cyl, y = hwy)) +
  geom_point() +
  scale_x_continuous(
    breaks = c(4, 5, 6, 8),
    labels = c("Quattro", "Cinque", 
               "Sei", "Otto")
  )

Funzioni di formattazione:

# Dal package scales
scale_y_continuous(
  labels = scales::comma  # 1,000
)
scale_y_continuous(
  labels = scales::percent  # 50%
)

Labels con funzione custom:

scale_y_continuous(
  labels = function(x) paste0("$", x)
)

# O con lambda function
scale_y_continuous(
  labels = ~ paste0(.x, " km")
)

Rimuovere labels:

scale_x_continuous(
  labels = NULL  # mantiene breaks, rimuove testo
)

Package scales

Essenziale per formattazione:

comma(), number()
percent(), percent_format()
dollar(), euro()
date_format(), time_format()

Adesso tocca a te!

Trasformazioni

Trasformazioni Logaritmiche

Quando usare scale log:

Dati con range molto ampio (es. 1 a 1,000,000)
Relazioni moltiplicative
Dati economici, popolazione, intensità

Due approcci - risultati DIVERSI:

Approccio 1: Scala (PREFERITO)

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point(alpha = 0.1) +
  geom_smooth() +
  scale_x_log10() +
  scale_y_log10()

Trasformazione prima di stat
geom_smooth() su dati log-trasformati
Breaks in scala log (1, 10, 100, 1000)
Quasi sempre preferibile

Approccio 2: Coordinate

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point(alpha = 0.1) +
  geom_smooth() +
  coord_trans(x = "log10", y = "log10")

Trasformazione dopo rendering
geom_smooth() su dati originali
Breaks lineari, poi trasformati
Raramente necessario

Altre Trasformazioni

Radice quadrata:

scale_y_sqrt()
# Utile per conteggi, aree

Inversa (reverse):

scale_y_reverse()
# Inverte direzione asse
# Utile per profondità, ranking

Trasformazioni custom:

scale_y_continuous(
  trans = "log2"  # log base 2
)
scale_y_continuous(
  trans = "exp"   # esponenziale
)

Transformations disponibili:

"log10", "log2", "log"
"sqrt", "exp"
"reverse"
"identity" (nessuna)
"logit", "probit" (proporzioni)
"reciprocal", "asn", "atanh"

Package scales

Fornisce altre trasformazioni e permette di creare custom transformations.

Dati con zeri

log10(0) = -Inf! Con log scales, valori ≤ 0 vengono rimossi. Considera log1p (log(x + 1)) per dati con zeri.

Adesso tocca a te!

Scale Colore

Color vs Fill

Due estetiche separate:

color: bordi, linee, punti
fill: riempimenti (barre, aree, poligoni)

Esempio:

ggplot(mpg, aes(x = class, fill = drv)) +
  geom_bar(color = "black")

fill = drv: riempimento barre
color = "black": bordo nero

Scale corrispondenti:

scale_color_*() per color
scale_fill_*() per fill

Geometrie che usano:

Geom	color	fill
`geom_point()`	✓	△
`geom_line()`	✓
`geom_bar()`	✓	✓
`geom_boxplot()`	✓	✓
`geom_polygon()`	✓	✓
`geom_ribbon()`	✓	✓

△ = solo con shape 21-25

Consistenza

Usa stessa palette per color e fill quando mappano stessa variabile:

scale_color_brewer(palette = "Set1") +
scale_fill_brewer(palette = "Set1")

Scale Colore Discrete

ColorBrewer (RACCOMANDATO):

scale_color_brewer(palette = "Set1")  # Qualitative
scale_color_brewer(palette = "Blues", direction = -1)  # Sequential
scale_color_brewer(palette = "RdBu")  # Diverging

Palette progettate scientificamente
Perceptually uniform
Colorblind-safe options
type = "qual"/"seq"/"div"

Viridis (ACCESSIBILE):

scale_color_viridis_d(option = "D")  # Default (viridis)
scale_color_viridis_d(option = "C")  # plasma
scale_color_viridis_d(option = "E")  # cividis (migliore per daltonici)

Manual (controllo totale):

scale_color_manual(
  values = c("red" = "#E41A1C", "blue" = "#377EB8", "green" = "#4DAF4A"),
  breaks = c("red", "blue", "green"),
  labels = c("Rosso", "Blu", "Verde")
)

Scale Colore Continue

Gradient (2 colori):

scale_color_gradient(
  low = "blue",
  high = "red"
)

Gradient2 (diverging):

scale_color_gradient2(
  low = "blue",
  mid = "white",
  high = "red",
  midpoint = 0
)

Gradientn (n colori):

scale_color_gradientn(
  colors = c("blue", "cyan", 
             "yellow", "red")
)

Viridis (PREFERITO):

scale_color_viridis_c(
  option = "D",  # viridis/magma/plasma/etc
  direction = 1  # 1 o -1
)

Perché Viridis:

Perceptually uniform
Colorblind-friendly
Stampa bene in B&W
Nessun artificio percettivo

Rainbow scales

MAI usare rainbow/jet!

Non perceptually uniform
Crea false strutture
Problematica per daltonici

Usa viridis invece.

Adesso tocca a te!

Scale Dimensione e Forma

Scale Size

Size (radius scaling):

scale_size(
  range = c(1, 10)  # min, max size
)

Problema: mappa valori a radius, ma occhio percepisce area. Valori grandi sembrano troppo grandi!

Size_area (PREFERITO):

scale_size_area(
  max_size = 10
)

Mappa valori a area, non radius
Zero in dati → zero area
Percezione corretta

Confronto:

# SBAGLIATO - radius scaling
ggplot(data, aes(size = value)) +
  geom_point() +
  scale_size(range = c(1, 20))

# CORRETTO - area scaling  
ggplot(data, aes(size = value)) +
  geom_point() +
  scale_size_area(max_size = 20)

Sempre usa scale_size_area()

Per dati quantitativi, quasi sempre preferisci scale_size_area() per mappatura corretta valori → percezione visiva.

Scale Shape

Automatic:

scale_shape()
# Usa forme di default
# Max 6 forme distinte

Manual:

scale_shape_manual(
  values = c(16, 17, 15, 3, 7, 8)
)

Shape numbers:

0-20: solo bordo
21-25: bordo + riempimento
Caratteri: “a”, “+”, “*”

Limiti di shape:

Max 6 categorie riconoscibili
Oltre 6 → confusione
Considera color o facets invece

Shape 21-25 (filled):

ggplot(mpg, aes(x = displ, y = hwy,
                shape = class, 
                fill = class)) +
  geom_point(size = 3) +
  scale_shape_manual(values = 21:25) +
  scale_fill_brewer(palette = "Set1")

Permette color + fill separati!

Adesso tocca a te!

Formattazione Avanzata

Package scales: Formattatori

Numeri:

library(scales)

scale_y_continuous(labels = comma)  # 1,000,000
scale_y_continuous(labels = number_format(big.mark = ".", decimal.mark = ","))  # Europeo
scale_y_continuous(labels = scientific)  # 1.0e+06

Percentuali:

scale_y_continuous(labels = percent)  # Moltiplica × 100, aggiunge %
scale_y_continuous(labels = percent_format(accuracy = 0.1))  # 12.3%

Valuta:

scale_y_continuous(labels = dollar)  # $1,000
scale_y_continuous(labels = dollar_format(prefix = "€", suffix = " EUR"))

Date e tempi:

scale_x_date(labels = date_format("%b %Y"))  # Gen 2020
scale_x_datetime(labels = date_format("%d/%m/%Y %H:%M"))
scale_x_time(labels = time_format("%H:%M"))

Personalizzati:

scale_y_continuous(labels = label_number(suffix = " km", scale = 1/1000))  # 5 km
scale_y_continuous(labels = label_percent(accuracy = 1, scale = 1))  # Se già percentuale

Guide: Personalizzare Legende

Modificare nella scala:

scale_color_continuous(
  name = "Titolo legenda",
  breaks = c(0, 50, 100),
  labels = c("Basso", "Medio", "Alto"),
  guide = guide_colorbar(
    barwidth = 10,
    barheight = 0.5
  )
)

Rimuovere legenda:

scale_color_continuous(
  guide = "none"
)

Guide globali:

guides(
  color = guide_legend(
    nrow = 2,
    title.position = "top"
  ),
  size = "none"
)

Tipi di guide:

guide_legend(): discrete
guide_colorbar(): continuous colors
guide_bins(): binned colors
guide_axis(): assi custom

Posizione legenda

Controlla con theme():

theme(legend.position = "bottom")

Best Practices

Scale:

Usa defaults sensati: ggplot2 sceglie bene, modifica solo se necessario
coord_cartesian() per zoom: Non scale_*_continuous(limits = ...)
**scale_*_log10() per trasformazioni**: Non coord_trans()
Breaks significativi: Non troppi, non troppo pochi (3-7 ottimale)
Labels chiari: Unità di misura, formattazione appropriata

Colore:

ColorBrewer o Viridis: Scientificamente progettate, accessibili
MAI rainbow: Crea false strutture, problematico per daltonici
Diverging per dati con midpoint: usa scale_*_gradient2()
Consistenza: stessa palette per color e fill se mappano stessa variabile
Testa accessibilità: considera daltonismo (8% uomini, 0.5% donne)

Dimensione:

scale_size_area(): Quasi sempre migliore di scale_size()
Range appropriato: troppo piccolo → invisibile, troppo grande → overlap
Max 6-7 shapes: oltre → usa color o facets

Generale:

Scale influenzano percezione → scelte etiche
Testa su pubblico target
Documentazione sempre disponibile: ?scale_color_brewer

Adesso tocca a te!

Risorse & Prossimi Passi

Documentazione:

Packages utili:

scales: formattazione numeri, date, percentuali
viridis: palette accessibili
RColorBrewer: palette ColorBrewer
colorspace: manipolazione avanzata colori

Prossima sessione:

Themes e Personalizzazione: personalizzare aspetto estetico, creare temi custom
Controllo completo su fonts, colori background, gridlines, margini
Publication-ready plots

Continua a praticare! Le scale sono fondamentali - influenzano direttamente percezione e interpretazione dei dati.