Justificativa

A cada 2 anos dobramos a quantidade de informação produzida.
Era do BIG DATA: volume, velocidade e variedade.
Processamos melhor a informação visual.
A análise exploratória é parte fundamental do processo de análise.
Gráficos ruins/inadequados estão por toda parte.
Gráficos adequados podem complementar ou até descrever melhor resultados das análises estatísticas.

Objetivo

Definir visualização de dados para análise exploratória e explanatória.
Apresentar gráficos para compreensão de variáveis categóricas, contínuas e suas relações.
Apresentar gráficos estáticos e reativos.
Dar recomendações sobre boas práticas na visualização de dados.
Mostrar recursos na linguagem R para visualização de dados.

Visualização de dados

Uma imagem vale mais que mil palavras.

– Provérbio inglês

O que são

Os gráficos

São uma representação pictorial dos dados.
São um recurso para visualizar dados que são exibidos de forma ilustrativa.
Mapeiam quantidades em atributos geométricos (posição, comprimento, área, cor, símbolo, linha, curva, polígono) geralmente utilizando um sistema coordenado como referência e elementos estéticos.

Para que servem

Gráficos são usados para

Explorar o conteúdo nos dados.
Compreender os dados/fenômeno de forma rápida.
Apresentar informação em muitas variáveis em pouco espaço.
Reconhecer estrutura/padrões/relações entre variáveis.
Reconhecer problemas: incompleto, incorreto, inconsistente e impreciso.
Avaliar as suposições de um modelo estatístico.
Comunicar resultados de análises estatísticas.

História e futuro

O uso de mapas é bem antigo: cartografia.
Primeiros gráficos de dados são do século 17.
Confecção analógica de gráficos: limitação de tempo e quantidade.
Impulsionou em 1970 com os computadores: confecção digital.
Era do BIG DATA: compreender dados complexos.
- Grande volume: padrões mais evidentes.
- Grande variedade: contínuos, categóricos, geográficos, cronológicos, circulares, composicionais, textuais.
- Grande velocidade: tomar decisões rapidamente.
O top 10 das tendências para inteligência de mercado.
1. Inteligência artificial.
2. Impacto das artes liberais: visualização, design, storytelling.
3. Processamento de linguagem natural.

Figura 1: Balança comercial da Inglaterra no período de 1700 a 1780 representada em um gráfico de linhas por William Playfair em 1786. FONTE.

Figura 2: Mortes por cólera em Londres em 1854 sinalizadas no mapa por John Snow para detecção da fonte de contaminação. FONTE.

Figura 3: Mapa de intensidade sobre as localização das mortes por cólera. FONTE.

Tipos variáveis

Com relação tipo de valor das variáveis:

Variáveis métricas ou quantitativas.
- Discretas: valores contáveis em intervalo finito.
  - Número de irmãos.
  - Número de sinistros/acidentes.
- Contínuas: valores incontáveis em intervalo finito.
  - Altura.
  - Distância percorrida até o trabalho.
Variáveis categóricas ou qualitativas.
- Nominais: não pussem ordenação natural.
  - Possuir animal de estimação.
  - Estado em que nasceu.
- Ordinais: possuem ordenação natural.
  - Nível de escolaridade.
  - Graduação no karatê.

Quantidade de variáveis

Com relação a quantidade de variáveis representadas:

Univariados: representa apenas uma variável.
Bivariados: representa duas variáveis.
Multivariados: representa 3 ou mais variáveis.

Emprego de gráficos

Análise exploratória	Análise explanatória
Explorar os dados, ganhar intimidade	Comunicar resultados das análises
Geram perguntas	Geram respostas
Permitem criar e refinar de hipóteses	Permitem confirmar hipóteses
É para consumo do cientista	É para consumo de interessados/apoiadores
É um processo exaustivo: muitos gráficos são criados	Apenas os gráficos principais são exibidos
Muitos gráficos: conteúdo redundante e conto prolixo	Gráficos essenciais: enxutos, claros e conto conciso
Sem preocupação com design e acabamento	Design e acabamento são importantíssimos
Selecionar variáveis, compreender tamanho de efeito, eliminar outliers	Orientar o desenvolvimento das pesquisas, novas hipóteses
Auxiliar a especificar o modelo, avaliar suposições, corrigir problemas	Estimular a compreensão e ação: tomada de decisão
Geralmente estáticos	Podem ser reativos

Coberturas à venda em Curitiba

A tabela de dados

Os dados estão diponíveis em http://leg.ufpr.br/~walmes/data/coberturas-venda-cwb-26Jan2018.txt.

imo

# A tibble: 2,634 x 10
         ID    price condo  area rooms suites bathroom garages   lon   lat
      <int>    <dbl> <int> <int> <int>  <int>    <int>   <int> <dbl> <dbl>
 1 90268387  850000.   700   168     3      1        3       2 -49.3 -25.5
 2 90527117  700000.    NA   211     3      1        3       2  NA    NA  
 3 91838838  990000.  1070   160     3      1        3       2 -49.3 -25.5
 4 89468394  640000.   650   160     3      1        3       2 -49.3 -25.5
 5 90406373  492000.    NA    90     3      2        3       2 -49.3 -25.5
 6 85238799  500000.    NA   128     3      1        2       2 -49.3 -25.5
 7 88240205  790000.   730   177     3      1       NA       2 -49.3 -25.5
 8 90752637  328000.   400    84     3      1        2       2 -49.4 -25.5
 9 91606048 1090000.   700   192     3      2        5       2 -49.3 -25.4
10 75942786  790000.   460   202     3      1        3       2  NA    NA  
# ... with 2,624 more rows

Como esses dados foram coletados?

Coletados com Web Scraping.
Páginas HTML são estruturadas, conteúdo delimitado por tags.
É possível automatizar a extração de conteúdo dos sites (bots).
Requer conhecimento da linguagem HTML, conhecimento de protocolos de conexão, linguagem de programação (R, Python, etc) e poder de processamento computacional.

Figura 1: Printscreen no navegador de internet em uma canção do Chico Buarque exibindo o código fonte da página. FONTE: o autor.

Figura 2: Printscreen no navegador de internet em um site de anúncio de imóveis para venda e locação exibindo o código fonte da página. FONTE.

Questões éticas

O web scraping tém várias questões éticas. Algumas são:

* Derrumar um site com inúmeras requisições: sites governamentais.
* Extrair nomes de pessoas mencionadas em processos judiciais: *black
  list*.
* Comercializar informações coletadas e mantidas por outros: preço
  dos imóveis, de veículos.

Qual a distribuição do número de banheiros?

Variável quantitativa discreta.
Suporte no subconjunto dos números naturais (\(\mathbb{N}\)).
\(X \in \{1, 2, \ldots\}\).

A tabela de frequência para o número de banheiros é obtida a seguir.

tb <- imo %>% count(bathroom)
tb <- tb %>% mutate(freq_rel = 100 * n/sum(n))
tb <- tb %>% rename("freq_abs" = n)
tb

# A tibble: 12 x 3
   bathroom freq_abs freq_rel
      <int>    <int>    <dbl>
 1        1      145   5.50  
 2        2      522  19.8   
 3        3      725  27.5   
 4        4      461  17.5   
 5        5      311  11.8   
 6        6      158   6.00  
 7        7       47   1.78  
 8        8       16   0.607 
 9        9        1   0.0380
10       10        1   0.0380
11       11        1   0.0380
12       NA      246   9.34

Perguntas

A distribuição é simétrica?
Qual a classe modal?
Qual seria um valor razoável para a média?
Qual seria um valor razoável para mediana?

ggplot(data = imo,
       mapping = aes(x = bathroom,
                     fill = I(mycol[1]),
                     colour = I("black"))) +
    geom_bar()

mn <- mean(imo$bathroom, na.rm = TRUE)
md <- median(imo$bathroom, na.rm = TRUE)

p1 <- ggplot(data = imo,
             mapping = aes(x = bathroom,
                           fill = I(mycol[1]),
                           colour = I("black"))) +
    geom_bar() +
    geom_vline(xintercept = mn, color = mycol[2]) +
    geom_vline(xintercept = md, color = mycol[5])

p2 <- ggplot(data = imo,
             mapping = aes(x = bathroom,
                           colour = I(mycol[1]))) +
    geom_step(stat = "ecdf") +
    geom_vline(xintercept = mn, color = mycol[2]) +
    geom_vline(xintercept = md, color = mycol[5]) +
    ylab("Frequência relativa acumulada")

gridExtra::grid.arrange(p1, p2, ncol = 1)

A distribuição para vagas, suítes e dormitórios

ggplot(data = imo,
       mapping = aes(x = garages,
                     fill = I(mycol[1]),
                     color = I("black"))) +
    geom_bar()

ggplot(data = imo,
       mapping = aes(x = suites,
                     fill = I(mycol[1]),
                     color = I("black"))) +
    geom_bar()

ggplot(data = imo,
       mapping = aes(x = rooms,
                     fill = I(mycol[1]),
                     color = I("black"))) +
    geom_bar()

Qual a distribuição do tamanho das coberturas (área)?

Variável quantitativa contínua.
Suporte no subconjunto dos números reais (\(\mathbb{R}\)).
\(X > 0\).

Perguntas

A distribuição é simétrica?
Qual a classe modal?
Qual seria um valor razoável para mediana?
Por que o gráfico da distribuição acumulada tem os patamares ou degraus?

p1 <- ggplot(data = imo,
             mapping = aes(x = area,
                           fill = I(mycol[2]),
                           color = I(mycol[2]))) +
    geom_histogram(mapping = aes(color = I("black"))) +
    geom_rug()

p2 <- ggplot(data = imo,
             mapping = aes(x = area,
                           colour = I(mycol[2]))) +
    geom_step(stat = "ecdf") +
    ylab("Frequência relativa acumulada") +
    geom_rug()

gridExtra::grid.arrange(p1, p2, ncol = 1)

Qual a distribuição do preço das coberturas?

Variável quantitativa contínua.
Suporte no subconjunto dos números naturais (\(\mathbb{N}\)).
\(X \in \{1, 2, \ldots\}\).

p1 <- ggplot(data = imo,
             mapping = aes(x = price/1000,
                           fill = I(mycol[4]),
                           color = I(mycol[4]))) +
    geom_histogram(mapping = aes(color = I("black"))) +
    geom_rug()

p2 <- ggplot(data = imo,
             mapping = aes(x = price/1000,
                           color = I(mycol[4]))) +
    geom_step(stat = "ecdf") +
    geom_rug()

gridExtra::grid.arrange(p1, p2, ncol = 1)

Preço na escala transformada: log₁₀

ggplot(data = imo,
       mapping = aes(x = price/1000,
                     fill = I(mycol[5]),
                     color = I(mycol[5]))) +
    geom_histogram(mapping = aes(color = I("black"))) +
    scale_x_log10() +
    geom_rug()

Sobreposição da densidade empírica

p1 <- ggplot(data = imo,
             mapping = aes(x = price/1000,
                           color = I(mycol[4]))) +
    geom_histogram(mapping = aes(y = ..density..,
                                 fill = I(mycol[4]))) +
    geom_density(mapping = aes(color = I("black"))) +
    scale_x_log10() +
    geom_rug()

p2 <- ggplot(data = imo,
             mapping = aes(x = price/1000,
                           color = I(mycol[4]))) +
    geom_step(stat = "ecdf") +
    scale_x_log10() +
    geom_rug()

gridExtra::grid.arrange(p1, p2, ncol = 1)

Como a densidade funciona

Relação entre preço e área

Gráfico bivariado.
Quantitativa contínua x quantiativa contínua.
Diagrama de dispersão.

p1 <- ggplot(data = imo,
             mapping = aes(x = price/1000,
                           color = I(mycol[4]))) +
    geom_histogram(mapping = aes(y = ..density..,
                                 fill = I(mycol[4]))) +
    geom_density(mapping = aes(color = I("black"))) +
    scale_x_log10() +
    geom_rug()

p2 <- ggplot(data = imo,
             mapping = aes(x = price/1000,
                           color = I(mycol[4]))) +
    geom_step(stat = "ecdf") +
    scale_x_log10() +
    geom_rug()

gridExtra::grid.arrange(p1, p2, ncol = 1)

ggplot(data = imo,
       mapping = aes(x = area,
                     y = price/1000,
                     color = I(mycol[1]))) +
    geom_point(alpha = 0.25)

ggplot(data = imo,
       mapping = aes(x = area,
                     y = price/1000)) +
    geom_hex(alpha = 1, bins = 50) +
    scale_fill_gradient(low = mycol[4], high = mycol[1])

ggplot(data = imo,
       mapping = aes(x = area,
                     y = price/1000,
                     color = I(mycol[1]))) +
    geom_point() +
    scale_x_log10() +
    scale_y_log10()

ggplot(data = imo,
       mapping = aes(x = area,
                     y = price/1000,
                     color = I(mycol[1]))) +
    geom_point(alpha = 0.5) +
    geom_smooth(color = mycol[2]) +
    geom_rug() +
    scale_x_log10() +
    scale_y_log10()

Considerações até aqui

O conjunto de dados contém muitas variáveis observadas do fenômeno.
O fenômeno pode ter sido observado sem controle/registro de outras variáveis importantes.
A análise exploratória considera apenas um conjunto menor de variáveis por vez.
As variáveis podem apresentar redundância e inconsistência.
Pode não existir um claro fluxo de causa-efeito.
SEJA CAUTELOSO NAS INTERPRETAÇÕES.

Triathlon Audencia La Baule

Dados da prova de Triathlon Audencia La Baule extraidos do site http://www.ipitos.com/ em 15/09/2013 quando estavam disponíveis pelo link http://www.ipitos.com/de-resultats/course-295-page-1-orderby-sortCrit-ASC.

Os dados contém o nome, gênero e tempo para completar as etapas de natação, ciclismo e corrida dos atletas na maratona. O arquivo com os dados está acessível pelo link http://leg.ufpr.br/~walmes/data/triathlon.txt.

tri

# A tibble: 9,358 x 9
   nome              categ sexo  edicao       ano tnadar tpedalar tcorrer ttotal
   <chr>             <chr> <chr> <chr>      <int>  <dbl>    <dbl>   <dbl>  <dbl>
 1 RIEDERER SVEN     S2M   M     course-108  2009   10.6     18.7    37.7   32.8
 2 GOMEZ NOYA JAVIER S2M   M     course-108  2009   24.8     67.2    72.7   83.0
 3 BROWNLEE ALISTAIR U23   M     course-108  2009   14.4     12.4    46.6   13.4
 4 MOULAI TONY       S3M   M     course-108  2009   50.8     36.1   157.    43.0
 5 ZIPF JONATHAN     U23   M     course-108  2009   10.3     18.8    36.3   26.7
 6 BROWNLEE JONATHAN U23   M     course-108  2009   25.0     67.3    73.4   83.0
 7 JUSTUS STEFFEN    S2M   M     course-108  2009   14.4     12.7    47.3   14.5
 8 BELAUBRE FREDERIC S2M   M     course-108  2009   50.8     36.8   157.    40.6
 9 OSPALY FILIP      S3M   M     course-108  2009   10.3     17.8    35.3   28.0
10 VIDAL LAURENT     S2M   M     course-108  2009   25.2     67.3    75.3   83.1
# ... with 9,348 more rows

Distribuição por ano, gênero e categoria

Gênero e categoria são variáveis categóricas.
O ano pode ser considerada uma variável categórica ordenada nesse caso.
Explorar a distribuição de frequências.

ggplot(data = tri,
       mapping = aes(x = ano)) +
    geom_bar(fill = mycol[3])

ggplot(data = tri,
       mapping = aes(x = sexo)) +
    geom_bar(fill = mycol[4])

ggplot(data = tri,
       mapping = aes(x = categ)) +
    geom_bar() +
    coord_flip()

Relação entre o ano e gênero

Gráfico de barras empilhadas

ggplot(data = tri,
       mapping = aes(x = ano, fill = sexo)) +
    geom_bar(position = "stack", color = I("black")) +
    scale_fill_manual(values = mycol[2:1])

Principal: ver os totais absolutos marginais de ano.
Secundário: ver as proporções de cada sexo em cada ano.
Ruim: compreender a série de cada sexo ao longo dos anos.

Gráfico de barras lado a lado

ggplot(data = tri,
       mapping = aes(x = ano, fill = sexo)) +
    geom_bar(position = "dodge", color = I("black")) +
scale_fill_manual(values = mycol[2:1])

Principal: comparar os sexos em cada ano.
Secundário: compreender a série de cada sexo ao longo dos anos.
Ruim: determinar o total em cada ano.
Ruim: determinar a proporção de cada sexo em cada ano.

Gráfico de barras empilhadas relativa

ggplot(data = tri,
       mapping = aes(x = ano, fill = sexo)) +
    geom_bar(position = "fill", color = I("black")) +
scale_fill_manual(values = mycol[2:1])

Principal: comprar em termos de proporção dos sexos em cada ano.
Ruim: determinar o total em cada ano.

Gráfico de barras estilo mosaico

xt <- xtabs(~ano + sexo, data = tri)
mosaicplot(xt, col = mycol[2:1], main = NULL)

Principal: ver os totais dos anos (largura).
Secundário: ver as proporções de cada sexo em cada ano (alturas).
Ruim: determinar os totais.

Distribuição do tempo de prova total

ggplot(data = tri,
       mapping = aes(x = ttotal, color = sexo, fill = sexo)) +
    geom_density(alpha = 0.15) +
    scale_fill_manual(values = mycol[2:1]) +
    scale_colour_manual(values = mycol[2:1]) +
    geom_rug()

ggplot(data = tri,
       mapping = aes(x = ttotal, color = sexo, fill = sexo)) +
    geom_density(alpha = 0.15) +
    scale_fill_manual(values = mycol[2:1]) +
    scale_colour_manual(values = mycol[2:1]) +
    geom_rug()

p1 <- ggplot(data = tri,
             mapping = aes(x = ttotal, color = sexo, fill = sexo)) +
    geom_density(alpha = 0.15) +
    scale_fill_manual(values = mycol[2:1]) +
    scale_colour_manual(values = mycol[2:1]) +
    scale_x_continuous(limits = c(0, 150)) +
    geom_rug()

p2 <- ggplot(data = tri,
             mapping = aes(x = ttotal, color = sexo, fill = sexo)) +
    geom_step(stat = "ecdf") +
    scale_colour_manual(values = mycol[2:1]) +
    scale_x_continuous(limits = c(0, 150)) +
    geom_rug()

gridExtra::grid.arrange(p1, p2, ncol = 1)

Densidade: sinaliza as modas e depressões que podem indicar mistura de distribuições (e.g. efeito da categoria do competidor).
Acumulada: permite comparar as distribuições.

Tempo em cada atividade

tril <-
    tri %>%
    filter(ttotal < 150) %>%
    gather(key = "atividade",
           value = "tempo",
           tnadar,
           tcorrer,
           tpedalar)
# str(tril)

p1 <- ggplot(data = tril,
             mapping = aes(x = tempo, color = atividade)) +
    geom_density(alpha = 0.15) +
    scale_x_continuous(limits = c(0, 250)) +
    geom_rug()

p2 <- ggplot(data = tril,
             mapping = aes(x = tempo, color = atividade)) +
    geom_step(stat = "ecdf") +
    scale_x_continuous(limits = c(0, 250)) +
    geom_rug()

gridExtra::grid.arrange(p1, p2, ncol = 1)

Tempo relativo em cada atividade

tri <-
    tri %>%
    mutate(ttotal = tnadar + tpedalar + tcorrer,
           pnadar = tnadar/ttotal,
           ppedalar = tpedalar/ttotal,
           pcorrer = tcorrer/ttotal)

library(plotrix)

par(mfrow = c(1, 2))
triax.plot(x = with(subset(tri, sexo == "F"),
                    na.omit(cbind(pnadar, ppedalar, pcorrer))),
           main = "F",
           col.symbols = mycol[2])
triax.plot(x = with(subset(tri, sexo == "M"),
                    na.omit(cbind(pnadar, ppedalar, pcorrer))),
           main = "M",
           col.symbols = mycol[1])

layout(1)

Para 3 variáveis, permite verificar a composição no uso de tempo.
Muito utilizado em agrônomia/engenharia. Visite: link 1, link 2.

Jogadores de futebol da Europa

O conjunto de dados

Extraído com Web Scraping do http://whoscored.com.
Antropométricas: idade, altura e peso.
De desempenho: gols, passes, cartões amarelos e vermelhos.
Além de: país de origem, time em que joga e posição em campo.

pla

# A tibble: 1,528 x 17
   country team   name  pos     age    cm    kg apps   goal   ass   yel   red   spg    ps
   <chr>   <chr>  <chr> <chr> <int> <int> <int> <chr> <int> <int> <int> <int> <dbl> <dbl>
 1 Austria Salzb… Sadi… M(L)     21   175    69 9         4     3     1     1 2.00   77.0
 2 Austria Salzb… Kevi… M(R)     23   180    63 9         2     4     2    NA 2.00   83.9
 3 Austria Salzb… Alan  FW       24   182    73 8(1)      4     2    NA     1 4.20   60.8
 4 Austria Salzb… Andr… D(C)     22   182    77 9         1    NA     4    NA 0.900  72.3
 5 Austria Salzb… Stef… M        23   180    71 1(1)     NA    NA    NA    NA 0.500  86.3
 6 Austria Salzb… Chri… M(C)     28   172    69 7(1)     NA     1     3    NA 1.60   79.4
 7 Austria Salzb… Jona… FW       28   180    71 7         8     1     1    NA 4.10   72.8
 8 Austria Salzb… Stef… M(C)     24   186    74 8(1)     NA    NA     1    NA 0.800  74.7
 9 Austria Salzb… Mart… D(C)     21   184    78 8(1)     NA    NA     3    NA 1.10   69.1
10 Austria Salzb… Andr… D(L)     28   175    69 8        NA    NA    NA    NA 0.900  64.5
# ... with 1,518 more rows, and 3 more variables: aw <dbl>, mom <int>, rt <dbl>

Distribuição com relação ao país de origem

ggplot(data = pla,
       mapping = aes(x = country)) +
    geom_bar() +
    coord_flip()

ggplot(data = pla,
       mapping = aes(x = reorder(country, country, length))) +
    geom_bar() +
    coord_flip()

Quando não existe uma ordem natural, a ordenação facilita a compreensão.

Distribuição das variáveis antrométricas

ggplot(data = pla,
       mapping = aes(x = age)) +
    geom_bar(fill = mycol[1])

ggplot(data = pla,
       mapping = aes(x = cm)) +
    geom_density(color = mycol[2], fill = mycol[2], alpha = 0.25)

ggplot(data = pla,
       mapping = aes(x = kg)) +
    geom_density(color = mycol[4], fill = mycol[4], alpha = 0.25)

ggplot(data = pla,
       mapping = aes(x = cm,
                     y = kg)) +
    geom_point(alpha = 0.15) +
    geom_smooth(color = mycol[2])

ggplot(data = pla,
       mapping = aes(x = cm,
                     y = kg)) +
    geom_jitter() +
    geom_smooth(color = mycol[2])

ggplot(data = pla,
       mapping = aes(x = cm,
                     y = kg)) +
    geom_hex(alpha = 1, bins = 40) +
    scale_fill_gradient(low = mycol[2], high = "black")

ggplot(data = pla,
       mapping = aes(x = age,
                     y = cm)) +
    geom_point() +
    geom_jitter() +
    geom_smooth(color = mycol[2])

Distribuição das alturas por país de origem

ggplot(data = pla,
       mapping = aes(x = country, y = cm)) +
    geom_boxplot()

ggplot(data = pla,
       mapping = aes(x = reorder(country,
                                 cm,
                                 median,
                                 na.rm = TRUE),
                     y = cm)) +
    geom_boxplot() +
    coord_flip()

Distribuição da altura e peso por posição em campo

pla <- pla %>%
    mutate(posit = gsub("^([A-Z]+).*$", "\\1", pos))
# table(pla$posit)

p1 <- ggplot(data = pla,
             mapping = aes(x = reorder(posit, cm, median, na.rm = TRUE),
                           y = cm)) +
    geom_boxplot()

p2 <- ggplot(data = pla,
             mapping = aes(x = reorder(posit, kg, median, na.rm = TRUE),
                           y = kg)) +
    geom_boxplot()

gridExtra::grid.arrange(p1, p2, ncol = 1)

Relação da altura com o peso por posição em campo

ggplot(data = pla,
       mapping = aes(x = cm,
                     y = kg,
                     color = posit)) +
    geom_point() +
    geom_jitter()

ggplot(data = pla,
       mapping = aes(x = cm,
                     y = kg)) +
    geom_point() +
    geom_smooth() +
    facet_wrap(facets = ~posit)

Avaliações de veículos

Os dados

Foram extraídos com Web Scraping do http://www.carrosnaweb.com.br/, guia opinião do dono.
Informações sobre vários modelos contendo a avaliação sobre 15 itens do veículo.

Figura 1: Printscreen no navegador de internet no site http://www.carrosnaweb.com.br/ destacando os tipos de dados contidos em cada avaliação.

not

# A tibble: 124,980 x 4
   carro  dono item                nota
   <chr> <int> <chr>              <int>
 1 gol       1 Estilo                 8
 2 gol       1 Acabamento             7
 3 gol       1 Posição de dirigir     9
 4 gol       1 Instrumentos           8
 5 gol       1 Interior               7
 6 gol       1 Porta-malas            7
 7 gol       1 Desempenho             9
 8 gol       1 Motor                  9
 9 gol       1 Câmbio                10
10 gol       1 Freios                 7
# ... with 124,970 more rows

Distribuição das notas para os modelos

ggplot(not,
       mapping = aes(x = item, y = nota, colour = item)) +
    geom_point(alpha = 0.05) +
    geom_jitter() +
    stat_summary(aes(group = 1),
                 fun.y = mean,
                 colour = "black",
                 geom = "line",
                 group = 1) +
    facet_wrap(facets = ~carro) +
    coord_flip()

Distribuição sobre a recomendação

notm <-
    not %>%
    group_by(carro, item) %>%
    summarize(nota = mean(nota))
notm

# A tibble: 510 x 3
# Groups:   carro [?]
   carro item             nota
   <chr> <chr>           <dbl>
 1 agile Acabamento       6.36
 2 agile Câmbio           6.56
 3 agile Consumo          6.42
 4 agile Custo-Benefício  6.34
 5 agile Desempenho       6.70
 6 agile Estabilidade     7.25
 7 agile Estilo           8.42
 8 agile Freios           6.59
 9 agile Instrumentos     8.33
10 agile Interior         8.39
# ... with 500 more rows

ggplot(filter(not, item == "Recomendação"),
       mapping = aes(x = nota)) +
    geom_bar() +
    geom_vline(data = filter(notm, item == "Recomendação"),
               mapping = aes(xintercept = nota, group = carro),
               colour = mycol[2]) +
    facet_wrap(facets = ~carro,
               scales = "free_y")

Série dos valores médios

ggplot(notm,
       mapping = aes(x = carro, y = nota, color = item)) +
    geom_point()

ggplot(notm,
       mapping = aes(x = carro, y = nota, color = item, group = item)) +
    geom_line()

ggplot(notm,
       mapping = aes(x = carro, y = nota)) +
    geom_line(mapping = aes(group = 1)) +
    facet_wrap(facets = ~item)

ggplot(notm,
       mapping = aes(x = item, y = nota)) +
    geom_line(mapping = aes(group = 1)) +
    facet_wrap(facets = ~carro)

Mesmo que se tenha recursos para visualizar todos os níveis conjuntamente, o entendimento fica comprometido pela quantidade grande de itens e veículos.
É recomendado prosseguir com subconjuntos de itens ou veículos.

Comparação de Crossfox vs Ecosport

dts <- filter(notm,
              carro %in% c("crossfox", "ecosport"))
dts

# A tibble: 30 x 3
# Groups:   carro [2]
   carro    item             nota
   <chr>    <chr>           <dbl>
 1 crossfox Acabamento       6.80
 2 crossfox Câmbio           8.70
 3 crossfox Consumo          6.44
 4 crossfox Custo-Benefício  7.02
 5 crossfox Desempenho       8.52
 6 crossfox Estabilidade     7.79
 7 crossfox Estilo           8.96
 8 crossfox Freios           7.92
 9 crossfox Instrumentos     7.77
10 crossfox Interior         8.05
# ... with 20 more rows

ggplot(dts,
       mapping = aes(x = item, y = nota)) +
    geom_line(mapping = aes(color = carro, group = carro))

aux <- dts %>%
    spread(key = "item", value = "nota")
aux

# A tibble: 2 x 16
# Groups:   carro [2]
  carro  Acabamento Câmbio Consumo `Custo-Benefíci… Desempenho Estabilidade Estilo Freios
  <chr>       <dbl>  <dbl>   <dbl>            <dbl>      <dbl>        <dbl>  <dbl>  <dbl>
1 cross…       6.80   8.70    6.44             7.02       8.52         7.79   8.96   7.92
2 ecosp…       6.12   8.30    7.42             7.31       7.85         8.63   9.48   8.69
# ... with 7 more variables: Instrumentos <dbl>, Interior <dbl>, Motor <dbl>,
#   `Porta-malas` <dbl>, `Posição de dirigir` <dbl>, Recomendação <dbl>, Suspensão <dbl>

m <- as.data.frame(aux[, -1])
m <- rbind(matrix(c(10, 0),
                  nrow = 2,
                  ncol = ncol(m),
                  dimnames = list(NULL, names(m))),
           m)

library(fmsb)

radarchart(m)
legend("topright",
       legend = aux$carro,
       col = 1:2,
       lty = 1:2,
       bty = "n")

O gráfico de radar (radar plot ou spider plot), por usar um sistema de referência radial, dificulta a rápida comparação entre os itens.
O gráfico de linhas permite comprar entre veículos e entre itens facilmente.

Outras possibilidades

ggplot(dts,
       mapping = aes(x = carro,
                     y = nota,
                     group = item,
                     color = item)) +
    geom_point() +
    geom_line() +
    geom_text(data = filter(dts,
                            carro == "ecosport"),
              mapping = aes(x = 2,
                            y = nota,
                            label = item),
              color = "black",
              hjust = 0,
              nudge_x = 0.02,
              size = 3.5) +
    coord_cartesian(xlim = c(1.25, 1.75)) +
    guides(colour = FALSE)

aux <- dts %>%
    spread(key = "carro", value = "nota") %>%
    mutate(diff = crossfox - ecosport) %>%
    arrange(diff)
dts$item <- factor(dts$item, levels = aux$item)
dts <- dts %>% arrange(item)

ggplot(dts,
       mapping = aes(x = reorder(item,
                                 nota,
                                 mean),
                     y = nota,
                     fill = carro)) +
    geom_bar(stat = "identity",
             position = "dodge",
             color = I("black")) +
    coord_flip()

ggplot(dts,
       mapping = aes(x = item,
                     y = nota,
                     fill = carro)) +
    geom_bar(stat = "identity",
             position = "dodge",
             color = I("black")) +
    coord_flip()

O gráfico de segmentos também permite comprar veículos para um mesmo item e entre itens para um mesmo veículo.
Os gráficos de barras parecem interessantes, mas possuem saturação demais, relação Data-Ink baixa.

Visualização de Dados

Análise exploratória e explanatória

Visualização de dados

O que são

Para que servem

História e futuro

Tipos variáveis

Quantidade de variáveis

Emprego de gráficos

Coberturas à venda em Curitiba

A tabela de dados

Como esses dados foram coletados?

Questões éticas

Qual a distribuição do número de banheiros?

A distribuição para vagas, suítes e dormitórios

Qual a distribuição do tamanho das coberturas (área)?

Qual a distribuição do preço das coberturas?

Preço na escala transformada: log10

Sobreposição da densidade empírica

Como a densidade funciona

Relação entre preço e área

Considerações até aqui

Triathlon

Triathlon Audencia La Baule

Distribuição por ano, gênero e categoria

Relação entre o ano e gênero

Distribuição do tempo de prova total

Tempo em cada atividade

Tempo relativo em cada atividade

Jogadores de futebol da Europa

O conjunto de dados

Distribuição com relação ao país de origem

Distribuição das variáveis antrométricas

Distribuição das alturas por país de origem

Distribuição da altura e peso por posição em campo

Relação da altura com o peso por posição em campo

Avaliações de veículos

Os dados

Distribuição das notas para os modelos

Distribuição sobre a recomendação

Série dos valores médios

Comparação de Crossfox vs Ecosport

Outras possibilidades

Mais opções de gráficos

Stacked dot plot

Violin plot

Beeswarm plot

Joyplot

Circular plot

Gráfico de contornos ou níveis

Superfícies

Mapas de calor

Calendário de calor

Network ou rede de relacionamentos

Circles plot

Word cloud

Correlograma

Tree map

Quantil quantil plot

Scatterplot matrix

Dendrograma

Biplot

Chernoff faces

Gráficos interativos

Não fazer ou evitar

Gráficos de setores

Considerações finais

Preço na escala transformada: log₁₀