Módulo de Gráficos y Visualización de datos

---

# Repasando

- Empezamos a ver los fundamentos del lenguaje R.

- Incorporamos la forma de trabajo a través de objetos.

- Empezamos a importar bases de datos, a procesar la información que hay dentro de ellas

- Conocimos algunas funciones para transformar sus elementos (variables, categorías, filas, columnas)

---

# Visualización de datos - Paquete ggplot2

---

### ¿Por qué visualizar?

- _"La visualización es el proceso de hacer visibles los contrastes, ritmos y eventos que los datos expresan, que no podemos percibir cuando vienen en forma de áridas listas de números y categorías."_ [^1]

- Interpretar / decodificar la información de forma visual

[^1]: https://bitsandbricks.github.io/ciencia_de_datos_gente_sociable/visualizacion.html

---
### El paquete ggplot2

- _ggplot2_ es uno de los paquetes principales de _tidyverse_

- Tiene la misma lógica de "capas" y de apilamiento de sentencias, como venimos haciendo con el comando __%>%__, pero ahora lo haremos con el símbolo __+__

- Necesitamos estructurar los datos de forma "vertical" (¿gather suena familiar?), es decir, una columna por cada dimensión (variable) y una fila por cada observación. Estructurar bien los datos ahorra muchos dolores de cabeza.

---
### Manos a la obra

Queremos analizar de forma descriptiva una o más variables. Intentemos con las herramientas que aprendimos hasta el momento.

Si queremos, por ejemplo, ver cómo se comporta el ingreso de la población, podemos empezar con el __ingreso de la ocupación princial__ de los individuos.
  
  
Busquemos la variable en el diseño de registro:

---
### Librerías

* Cargamos las librerías necesarias

```r
library(tidyverse)
library(questionr)
library(eph)
```

* Descargamos la base de datos con la función del paquete _eph_ para bajar los microdatos

```r
base <- eph::get_microdata(2019, 4) %>% 
 select(ESTADO, NIVEL_ED, CH04, PONDERA, P21, TOT_P12, PONDIIO)
```

---

## El primer paso antes de hacer un gráfico es saber qué quiero mostrar y con qué tipo de datos cuento

### Analicemos la variable:

```r
class(base$P21)
```

```
  [1] "integer"
```

```r
any(is.na(base$P21))
```

```
  [1] FALSE
```

```r
summary(base$P21)
```

```
     Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
       -9       0       0    8852   12000 1000000
```

---

## Ahora sí, intentemos graficarlo

---

```r
*ggplot(data = base)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g1_1-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
* aes(x = P21,
* weights = PONDIIO)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g1_3-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21, 
 weights = PONDIIO) + 
* geom_histogram()
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g1_4-1.png" width="100%" />
]]

---
### Saquemos aquellos valores extremos, para poder analizar mejor la distribución.

```r
base <- base %>% 
 filter(P21 > 0 & P21 < 200000)
```

Tiramos el summary nuevamente

```r
summary(base$P21)
```

```
     Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
      200   10000   20000   24319   30000  183000
```

---

```r
*ggplot(data = base)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g2_1-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
* aes(x = P21,
* weights = PONDIIO)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g2_3-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21, 
 weights = PONDIIO) + 
* geom_histogram(fill = "salmon",
* color = "grey")
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g2_5-1.png" width="100%" />
]]

---

## Gráficos de Boxplot

### ¿Y si la distribución del ingreso se comporta de manera diferente en función de otra variable?

- Probemos con otro tipo de gráfico que nos deje comparar, en este caso, para los distintos niveles educativos alcanzados

En el diseño de registro esta variable la encontramos como __NIVEL_ED__
<img src="data:image/png;base64,#img/dis_reg_nivel_ed.png" width="80%" style="display: block; margin: auto;" />

---

```r
*ggplot(data = base)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_boxplot_1-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
* aes(x = NIVEL_ED)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_boxplot_2-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
* aes(y = P21)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_boxplot_3-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
* geom_boxplot()
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_boxplot_4-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
 geom_boxplot() + 
* aes(group = NIVEL_ED)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_boxplot_5-1.png" width="100%" />
]]

---

## Mucho mejor! Pero... ¿Qué pasó con las categorías? ¿Cómo las muestro?

- Tal como se descarga la base de la página del INDEC, vemos que la variable __NIVEL_ED__ es de tipo "entero".

```r
class(base$NIVEL_ED)
```

```
  [1] "integer"
```

```r
table(base$NIVEL_ED)
```

```
  
     1    2    3    4    5    6    7 
   656 2782 3533 6221 2899 4719   63
```

Transformemos, entonces, a _NIVEL_ED_ en una variable de tipo _factor_, asi podremos contar con las etiquetas e, incluso, reordenar sus categorías de forma ordinal
  
---

```r
base <- base %>% 
 mutate(NIVEL_ED = factor(NIVEL_ED,
 levels = c(7,1:6),
 labels = c("Sin instruccion", "Primaria incompleta", "Primaria completa",
 "Secundaria incompleta", "Secundaria completa",
 "Sup. incompleto", "Sup. completo")))
```

Tiramos una frecuencia para chequear el trabajo hecho

```r
table(base$NIVEL_ED)
```

```
  
        Sin instruccion   Primaria incompleta     Primaria completa 
                     63                   656                  2782 
  Secundaria incompleta   Secundaria completa       Sup. incompleto 
                   3533                  6221                  2899 
          Sup. completo 
                   4719
```

---
## Gráficos de Boxplot

### Ahora sí, con etiquetas en la variable, sumemos otros parámetros del gráfico

---

```r
*ggplot(data = base)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_1-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
* aes(x = NIVEL_ED)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_2-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
* aes(y = P21)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_3-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
* geom_boxplot()
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_4-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
 geom_boxplot() + 
 aes(group = NIVEL_ED) + 
* aes(fill = NIVEL_ED)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_6-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
 geom_boxplot() + 
 aes(group = NIVEL_ED) + 
 aes(fill = NIVEL_ED) + 
* theme_minimal()
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_7-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
 geom_boxplot() + 
 aes(group = NIVEL_ED) + 
 aes(fill = NIVEL_ED) + 
 theme_minimal() + 
* labs(x = "Máximo nivel educativo alcanzado")
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_8-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
 geom_boxplot() + 
 aes(group = NIVEL_ED) + 
 aes(fill = NIVEL_ED) + 
 theme_minimal() + 
 labs(x = "Máximo nivel educativo alcanzado") + 
* labs(y = "Ingreso de la ocupación principal")
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_9-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
 geom_boxplot() + 
 aes(group = NIVEL_ED) + 
 aes(fill = NIVEL_ED) + 
 theme_minimal() + 
 labs(x = "Máximo nivel educativo alcanzado") + 
 labs(y = "Ingreso de la ocupación principal") + 
* labs(title = "Boxplot del Ingreso de la Ocupación Principal por máximo nivel de estudios alcanzado")
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_10-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
 geom_boxplot() + 
 aes(group = NIVEL_ED) + 
 aes(fill = NIVEL_ED) + 
 theme_minimal() + 
 labs(x = "Máximo nivel educativo alcanzado") + 
 labs(y = "Ingreso de la ocupación principal") + 
 labs(title = "Boxplot del Ingreso de la Ocupación Principal por máximo nivel de estudios alcanzado") + 
* labs(caption = "Fuente: Elaboración propia en base a EPH-INDEC")
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_11-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
 geom_boxplot() + 
 aes(group = NIVEL_ED) + 
 aes(fill = NIVEL_ED) + 
 theme_minimal() + 
 labs(x = "Máximo nivel educativo alcanzado") + 
 labs(y = "Ingreso de la ocupación principal") + 
 labs(title = "Boxplot del Ingreso de la Ocupación Principal por máximo nivel de estudios alcanzado") + 
 labs(caption = "Fuente: Elaboración propia en base a EPH-INDEC") + 
* scale_y_continuous(limits = c(0, 100000))
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_12-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = NIVEL_ED) + 
 aes(y = P21) + 
 geom_boxplot() + 
 aes(group = NIVEL_ED) + 
 aes(fill = NIVEL_ED) + 
 theme_minimal() + 
 labs(x = "Máximo nivel educativo alcanzado") + 
 labs(y = "Ingreso de la ocupación principal") + 
 labs(title = "Boxplot del Ingreso de la Ocupación Principal por máximo nivel de estudios alcanzado") + 
 labs(caption = "Fuente: Elaboración propia en base a EPH-INDEC") + 
 scale_y_continuous(limits = c(0, 100000)) + 
* coord_flip()
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g3_13-1.png" width="100%" />
]]

---
class: middle, center, inverse

## Gráficos de densidad

### Probemos con otro tipo de gráfico, que ayude a comparar mejor (que es nuestro objetivo)

---

```r
*ggplot(data = base)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g4_1-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
* aes(x = P21)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g4_2-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
* geom_density()
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g4_3-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
 geom_density() + 
* aes(group = NIVEL_ED)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g4_4-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
 geom_density() + 
 aes(group = NIVEL_ED) + 
* aes(color = NIVEL_ED)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g4_5-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
 geom_density() + 
 aes(group = NIVEL_ED) + 
 aes(color = NIVEL_ED) + 
* theme_minimal()
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g4_6-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
 geom_density() + 
 aes(group = NIVEL_ED) + 
 aes(color = NIVEL_ED) + 
 theme_minimal() + 
* labs(x = "Máximo nivel educativo alcanzado",
* y = "Ingreso de la ocupación principal",
* title = "Ingreso de la Ocupación Principal por máximo nivel de estudios alcanzado",
* caption = "Fuente: Elaboración propia en base a EPH-INDEC")
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g4_10-1.png" width="100%" />
]]

---
class: middle, center, inverse

## Gráficos de densidad

### Todavía falta, el gráfico no es claro y la información está muy amontonada. ¿Y si separamos los gráficos por categoría?
  
---

```r
*ggplot(data = base)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g5_1-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
* aes(x = P21)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g5_2-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
* geom_density()
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g5_3-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
 geom_density() + 
* aes(group = NIVEL_ED)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g5_4-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
 geom_density() + 
 aes(group = NIVEL_ED) + 
* aes(color = NIVEL_ED)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g5_5-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
 geom_density() + 
 aes(group = NIVEL_ED) + 
 aes(color = NIVEL_ED) + 
* theme_minimal()
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g5_6-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
 geom_density() + 
 aes(group = NIVEL_ED) + 
 aes(color = NIVEL_ED) + 
 theme_minimal() + 
 labs(x = "Máximo nivel educativo alcanzado", 
 y = "Ingreso de la ocupación principal", 
 title = "Ingreso de la Ocupación Principal por máximo nivel de estudios alcanzado", 
 caption = "Fuente: Elaboración propia en base a EPH-INDEC") + 
* facet_wrap(~ NIVEL_ED)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g5_11-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base) + 
 aes(x = P21) + 
 geom_density() + 
 aes(group = NIVEL_ED) + 
 aes(color = NIVEL_ED) + 
 theme_minimal() + 
 labs(x = "Máximo nivel educativo alcanzado", 
 y = "Ingreso de la ocupación principal", 
 title = "Ingreso de la Ocupación Principal por máximo nivel de estudios alcanzado", 
 caption = "Fuente: Elaboración propia en base a EPH-INDEC") + 
 facet_wrap(~ NIVEL_ED) + 
* scale_x_continuous(limits = c(0, 100000))
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g5_12-1.png" width="100%" />
]]

---
class: middle, center, inverse

## Gráficos de Barras

### Ahora queremos conocer cómo se distribuye la población en función del máximo nivel educativo alcanzado

---

- Observemos un poco más sobre la variable con las herramientas que conocemos

```r
base %>% 
  calculate_tabulates(x = "NIVEL_ED",
                      add.totals = "row",
                      add.percentage = "col",
                      weights = "PONDERA")
```

```
                NIVEL_ED  Freq
         Sin instruccion   0.3
     Primaria incompleta   2.9
       Primaria completa  12.9
   Secundaria incompleta  16.1
     Secundaria completa  27.5
         Sup. incompleto  15.3
           Sup. completo  25.0
                   Total 100.0
```

---

¿Y si la cruzamos por sexo?

```r
base %>% 
  calculate_tabulates(x = "NIVEL_ED",
                      y = "CH04",
                      add.totals = "row",
                      add.percentage = "col",
                      weights = "PONDERA")
```

```
           NIVEL_ED/CH04     1     2
         Sin instruccion   0.3   0.2
     Primaria incompleta   3.5   2.2
       Primaria completa  15.0  10.4
   Secundaria incompleta  18.8  12.8
     Secundaria completa  29.2  25.4
         Sup. incompleto  14.2  16.7
           Sup. completo  19.0  32.3
                   Total 100.0 100.0
```

---

Nuevamente, tenemos que editar la variable para poder trabajar con las etiquetas:

```r
base <- base %>% 
 mutate(CH04 = factor(CH04,
 levels = c(1, 2),
 labels = c("Varón", "Mujer")))
table(base$CH04)
```

```
  
  Varón Mujer 
  11605  9268
```

---

Creamos el objeto `base_graf`, en donde asignamos el resultado del tabulado, con algunas modificaciones para trabajar más cómodxs en el gráfico.

```r
base_graf <- base %>% 
 group_by(CH04, NIVEL_ED) %>% 
 summarise(cantidad = sum(PONDERA)) %>% 
 mutate(porcentaje = cantidad / (sum(cantidad))* 100) %>%
 mutate(porcentaje = round(porcentaje, 1))

base_graf
```

```
 # A tibble: 14 × 4
 # Groups: CH04 [2]
 CH04 NIVEL_ED cantidad porcentaje
 <fct> <fct> <int> <dbl>
 1 Varón Sin instruccion 16481 0.3
 2 Varón Primaria incompleta 181891 3.5
 3 Varón Primaria completa 778445 15 
 4 Varón Secundaria incompleta 974741 18.8
 5 Varón Secundaria completa 1513526 29.2
 6 Varón Sup. incompleto 733470 14.2
 7 Varón Sup. completo 982089 19 
 8 Mujer Sin instruccion 8113 0.2
 9 Mujer Primaria incompleta 95444 2.2
 10 Mujer Primaria completa 447611 10.4
 11 Mujer Secundaria incompleta 552241 12.8
 12 Mujer Secundaria completa 1093298 25.4
 13 Mujer Sup. incompleto 720836 16.7
 14 Mujer Sup. completo 1391633 32.3
```

---

```r
*ggplot(data = base_graf,
* aes(x = NIVEL_ED,
* y = porcentaje,
* fill = CH04))
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g6_4-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base_graf, 
 aes(x = NIVEL_ED, 
 y = porcentaje, 
 fill = CH04)) + 
* geom_bar(color = "black",
* position = "dodge",
* stat = "identity")
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g6_7-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base_graf, 
 aes(x = NIVEL_ED, 
 y = porcentaje, 
 fill = CH04)) + 
 geom_bar(color = "black", 
 position = "dodge", 
 stat = "identity") + 
* scale_fill_manual(values = c("forestgreen", "#c51b8a"))
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g6_8-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base_graf, 
 aes(x = NIVEL_ED, 
 y = porcentaje, 
 fill = CH04)) + 
 geom_bar(color = "black", 
 position = "dodge", 
 stat = "identity") + 
 scale_fill_manual(values = c("forestgreen", "#c51b8a")) + 
* theme_minimal()
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g6_9-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base_graf, 
 aes(x = NIVEL_ED, 
 y = porcentaje, 
 fill = CH04)) + 
 geom_bar(color = "black", 
 position = "dodge", 
 stat = "identity") + 
 scale_fill_manual(values = c("forestgreen", "#c51b8a")) + 
 theme_minimal() + 
 theme(axis.text.x = element_text(angle = 35, 
 vjust = 0.5)) + 
* labs(title = "Distribución porcentual de la población \n según máximo nivel educativo alcanzado y sexo.",
* subtitle = "Total aglomerados, base _podada_. Año 2016, trimestre 4.",
* caption = "Fuente: EPH-INDEC",
* fill = "Sexo")
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g6_15-1.png" width="100%" />
]]
---
class: split-40
count: false
.column[.content[

```r
ggplot(data = base_graf, 
 aes(x = NIVEL_ED, 
 y = porcentaje, 
 fill = CH04)) + 
 geom_bar(color = "black", 
 position = "dodge", 
 stat = "identity") + 
 scale_fill_manual(values = c("forestgreen", "#c51b8a")) + 
 theme_minimal() + 
 theme(axis.text.x = element_text(angle = 35, 
 vjust = 0.5)) + 
 labs(title = "Distribución porcentual de la población \n según máximo nivel educativo alcanzado y sexo.", 
 subtitle = "Total aglomerados, base _podada_. Año 2016, trimestre 4.", 
 caption = "Fuente: EPH-INDEC", 
 fill = "Sexo") + 
* geom_text(aes(label = porcentaje, group = CH04),
* position = position_dodge(0.9),
* vjust = -0.5)
```
]]
.column[.content[
<img src="data:image/png;base64,#03_visualizacion_files/figure-html/output_g6_18-1.png" width="100%" />
]]