Data Storytelling

Como muito dos posts do meu blog, este não é original. De fato é uma cópia de publicações e vídeos de outros autores, e deixo aqui os links das fontes:

• eu comecei com este twitte

• e depois com este video

• e este post

Eu faço esta cópia de conteúdo porque é uma forma minha de assimilar a informação e sempre que possível transformá-la um pouquinho colocando minha contribuição.

Dado os devidos créditos, vamos ao conteúdo.

Primeiro os dados

Eu comecei gerando meus próprios dados. Ao contrário dos links apresentados, eu queria ver como seria trabalhar com um número menor de registros. Por isto eu criei apenas 7 registros.

```{r}
#| warning: false
#| message: false

library(tidyverse)

set.seed(2)

mydata <- tibble(
  id = as.character(1:7),
  accuracy = rnorm(7, mean = 75, sd = 8),
  error = rnorm(7, mean = 7, sd = 3),
  null = 100 - accuracy - error
)
# não é garantido que null > 0... então vamos ajustar
mydata <- 
  mydata |> 
  mutate(accuracy = ifelse(null < 0, accuracy + null, accuracy),
         null = ifelse(null < 0, 0, null)) |> 
  mutate(across(accuracy:null, ~./100)) 

mydata_pivot <- 
  mydata |> 
  pivot_longer(cols = accuracy:null,
               names_to = "type",
               values_to = "value")
```

E o gráfico inicial:

```{r}
#| warning: false
#| message: false
mydata_pivot |>
  ggplot(aes(
    x = id,
    y = value,
    fill = factor(type, levels = c('error', 'null', 'accuracy'))
  )) +
  geom_col() +
  labs(
    titles = 'Accuracy rates',
    x = 'ID',
    y = 'percent',
    fill = element_blank()
  ) +
  scale_y_continuous(labels = ~ scales::percent(., accuracy = 1),
                     breaks = seq(0, 1, 0.1))
```

Base em cinza

Os dois primeiros passos são:

• Inverter os eixos para manter os nomes na horizontal.

• Construir uma base cinza para dar realce ao destaque que será criado.

```{r}
#| warning: false
#| message: false

mydata_pivot |>
  ggplot(aes(
    x = value,
    y = id,
    group = factor(type, levels = c('error', 'null', 'accuracy'))
  )) +
  geom_col(color = 'white') +
labs(
  titles = 'Accuracy rates',
  x = 'percent',
  y = 'ID',
  fill = element_blank()
) +
  scale_x_continuous(labels = ~ scales::percent(., accuracy = 1),
                     breaks = seq(0, 1, 0.1)) 
```

Acrescentar um ponto de referência

Vamos utilizar a média dos valores como ponto de referência.

```{r}
#| warning: false
#| message: false

pivoted_data <- 
  mydata |> 
  pivot_longer(cols = accuracy:null,
               names_to = "type",
               values_to = "value") 

medias <- 
  pivoted_data |> 
  group_by(type) |> 
  summarise(value = mean(value)) |> 
  mutate(id = 'ALL')

saved_mean_error = medias$value[medias$type == 'error']

mydata_com_media <- pivoted_data |> bind_rows(medias)

prep_data <-
  mydata_com_media |>
  pivot_wider(names_from = type,
              values_from = value) |>
  mutate(order_crit = error) |>
  pivot_longer(cols = accuracy:null,
               names_to = "type",
               values_to = "value")
```

Ordenar os dados

Temos que escolher qual informação seria relevante para nosso leitor.

Neste exemplo, o termo ‘accuracy’ para ser algo de valor. De outro lado, a variável ‘error’ também parece ser algo que precisa ser observado.

Vamos dar enfoque para a variável error, ordenado por ela.

```{r}
#| warning: false
#| message: false

prep_data <- 
  prep_data |>
  mutate(type = factor(type, levels = c('error', 'null', 'accuracy'), ordered = TRUE),
         id = fct_reorder(id, order_crit, .desc = T))

myplot <- 
prep_data |>
  ggplot(aes(
    x = value,
    y = id,
    group = type
  )) +
  geom_col(aes(group = type), 
           color = 'white') +
labs(
  titles = 'Accuracy rates',
  x = 'percent',
  y = 'ID',
  fill = element_blank()
) +
  scale_x_continuous(labels = ~ scales::percent(., accuracy = 1),
                     breaks = seq(0, 1, 0.1)) 

myplot
```

Coloque a escala x no topo

myplot +
  scale_x_continuous(position = "top")

Scale for x is already present.
Adding another scale for x, which will replace the existing scale.

Dê destaque à história que você quer contar

Queremos destacar os elementos com valores de ‘erro’ grande.

Por isto, vamos dar destaque para as linhas com estes valores em relação às demais.

# Escolhas as cores que vai utilizar
unhighlighted_color <- 'grey80'
highlighted_color <- '#E69F00'
avg_error <- 'black'
avg_rest <- 'grey40'

# Compute new column with colors of each bar
colored_data <- 
  prep_data |> 
  mutate(
    custom_colors = case_when(
      id == 'ALL' & type == 'error' ~ avg_error,
      id == 'ALL' ~ avg_rest,
      type == 'error' & value > saved_mean_error ~ highlighted_color,
      T ~  unhighlighted_color
    )
  )

myplot <- 
  colored_data |> 
  ggplot(aes(x = value, y = id)) +
  geom_col(
    aes(group = type),
    col = 'white',
    fill = colored_data$custom_colors # Set colors manually
  )
myplot

myplot <- 
myplot +
    coord_cartesian(
    xlim = c(0, 1), 
    ylim = c(0.5, 7.5), 
    expand = F, # removes white spaces at edge of plot
    clip = 'off' # allows drawing outside of panel
  )
myplot

Citation

BibTeX citation:

@misc{abreu2023,
  author = {Abreu, Marcos},
  title = {Data Storytelling},
  date = {2023-04-02},
  url = {https://abreums.github.io/posts/2023-04-02-data-storytelling/},
  langid = {pt-br}
}

For attribution, please cite this work as:

Abreu, Marcos. 2023. “Data Storytelling.” April 2, 2023. https://abreums.github.io/posts/2023-04-02-data-storytelling/.