som.Rmd
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.
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")
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"))
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
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