Prerequisitos

En este mini tutorial trabajaremos con los packages ggplot y tidypaleo “modificado del tutorial de Dewey Dunnington (2018)” para hacer una figura en profundidad de datos obtenidos por Romina en conchales.

Instalación

Active o desactive # para instalar algún package que necesitemos

# Desde CRAN
# install.packages("ggplot2")
# install.packages("tidyverse")
# install.packages("here")
# Desde Github
#devtools::install_github("thomasp85/patchwork")
#devtools::install_github("paleolimbot/tidypaleo")

Cargando los paquetes que necesitaremos

Cargando los datos que necesitaremos

Primero cargamos los datos desde nuestra carpeta (recomiendo usar el package here para que podamos reproducir las figuras desde cualquier maquina sin cambiar el directorio)

mnidata <- read_csv(here::here("data-raw/MNI.csv"))

Analizando los datos NMI y NISP.

Datos NMI

Primero debemos ordenar los datos para que puean ser leido por ggplot, para esto usamos las herraminetas disponibles en el tidyverse package con la función gather(), la idea es dejar todos los valores en una sola variable que se conoce como tabla larga.

## reordenamos los datos en un formato de tabla larga
mnidata<- gather(mnidata, key = species, value = mni, 4:17)

mni_plot <- ggplot(mnidata, aes(x = mni, y = depth)) +
geom_lineh() +
geom_point() +
scale_y_reverse() +
facet_geochem_gridh(vars(species)) +
labs(x = "MNI", y = "Depth (cm)")


##  Una forma de resaltar un rango de profundidades

mni_plot



##  O simplemente graficamos con lineas y puntos

mni_ggplot <- ggplot(mnidata, aes(x = mni, y = depth)) +
  geom_col_segsh() +
  geom_lineh() +
  scale_y_reverse() +
  facet_abundanceh(vars(species)) +
  labs(x = "MNI", y = "Depth (cm)")

mni_ggplot

Datos NISP

Ahora cargamos los datos de NMI y repetimos las lineas de arriba, cambiando el nombre del archivo por

nispdata <- read_csv(here::here("data-raw/NISP.csv"))

Ordenamos los datos en un formato de tabla larga

## reordenamos los datos en un formato de tabla larga

nispdata<- gather(nispdata, key = species, value = nisp, 4:17)

## Y graficamos con ggplot

nisp_plot <- ggplot(nispdata, aes(x = nisp, y = depth)) +
geom_lineh() +
geom_point() +
scale_y_reverse() +
facet_geochem_gridh(vars(species)) +
labs(x = "NISP", y = "Depth (cm)")

##  Una forma de resaltar un rango de profundidades

nisp_plot



##  O simplemente graficamos con lineas y puntos
nisp_ggplot <- ggplot(nispdata, aes(x = nisp, y = depth)) +
  geom_col_segsh() +
  geom_lineh() +
  scale_y_reverse() +
  facet_abundanceh(vars(species)) +
labs(x = "NISP", y = "Depth (cm)")

nisp_ggplot