Entradas

Mostrando entradas de junio, 2022

Estudio de eventos: representar promedios de series temporales en ggplot2

Imagen
En la siguiente entrada se utiliza la base de datos tipo wide de nombre EuStockMarkets, disponible en R, la misma cuenta con los índices asociados a los siguientes activos financieros (solo se presenta como obtener los datos sin profundizar sobre la forma de interpretación de los mismos): library(tidyverse) head(EuStockMarkets) head(EuStockMarkets) Time Series: Start = c(1991, 130) End = c(1991, 135) Frequency = 260              DAX     SMI     CAC    FTSE 1991.496 1628.75 1678.1 1772.8 2443.6 1991.500 1613.63 1688.5 1750.5 2460.2 1991.504 1606.51 1678.6 1718.0 2448.2 1991.508 1621.04 1684.1 1708.1 2470.4 1991.512 1618.16 1686.6 1723.1 2484.7 1991.515 1610.61 1671.6 1714.3 2466.8 Transformamos la data a versión wide, porque al hacer un by_group. wide_data <- data.frame(EuStockMarkets) %>%   mutate(fecha = time(EuStockMarkets)) %>%   gather(id, value, -fecha)   wide_data %>%   head()   > wide_data %>%   head()      fecha   id    value 1 1991.496 DAX 1628.75 2

Exportar gráficos al directorio de trabajo en R

En el siguiente ejemplo se muestra como exportar una lista de gráficos al directorio de trabajo, guardado cada uno con un nombre en específico. Primero se guardan los gráficos en una lista; posterior se crea una lista de nombres con los que se guardaran los gráficos en el directorio de trabajo; posteriormente se asigna a cada nombre un gráfico determinado; por último, se guardan estos gráficos con ggsave. library(tidyverse)   cesar <- list() cesar[[1]] <- ggplot2::ggplot(iris, aes(x=Sepal.Length))+geom_density() cesar[[2]] <- ggplot2::ggplot(iris, aes(x=Sepal.Length,y=Petal.Length))+geom_point()   nombres <- paste("graph", 1:length(cesar), sep="")   for (i in 1:length(cesar)){   assign(nombres[i], cesar[[i]])     nombres2 <- paste(nombres[i], ".png", sep="")    ggplot2::ggsave(nombres2) }