Lmst

Miki :rstats:

Der Weltbürger. Data Scientist & Economist. Datos y economía amigos inseparables.
#R #rstats #rgis

¡Reto #30DayChartChallenge 2025 COMPLETADO! 🎉📊 30 días, 30 visualizaciones con #RStats y #ggplot2.

Ha sido un viaje increíble explorando comparaciones, distribuciones, relaciones (¡animales!), series temporales (sociales, económicas) e incertidumbre (riesgo, exoplanetas, mapas...).

Puedes ver la galería completa (y todo el código) en mi repositorio:
📂 https://github.com/michal0091/dataviz/tree/main/R/30DayChartChallenge2025

¡Gracias por seguir el reto! #dataviz #DataVisualization #DataStorytelling #ChallengeComplete #Rprogramming

PDF con recopilación del reto de #30DayChartChallenge

#30DayChartChallenge ¡Día 30 y FIN! 🎉 Último tema: National Geographic 🗺. Mi mapa: Riesgo de Desertificación en España (Península, Baleares y Canarias), estilo NatGeo. #UncertaintiesWeek #Mapping

Visualizando la vulnerabilidad territorial (riesgo/incertidumbre) con datos del PAND (MITECO 2008). Colores de amarillo pálido (Bajo) a rojo oscuro (Muy Alto).

Intenté capturar la esencia NatGeo: paleta, fuentes (Lato/Gudea), escala, norte y la famosa ¡banda amarilla! 🟨 (añadida con grid). Canarias colocadas con {mapSpain}.

¡Un desafío cartográfico para terminar el mes! ¡Encantado de haber completado los 30 días! 💪

🛠 #rstats #ggplot2 #sf #ggspatial #mapSpain #grid | Data: MITECO PAND | Theme: Custom NatGeo
📂 Código Final del Reto: https://t.ly/Ol06w

#Day30 #NationalGeographic #dataviz #DataVisualization #Desertificacion #España #MedioAmbiente #RiskMap #Cartografia #GIS #ggplot2 #RStats #ChallengeComplete

Mapa de España (Península, Baleares y un recuadro insertado para Canarias) mostrando polígonos coloreados según cuatro niveles de riesgo de desertificación. La paleta de colores es secuencial: amarillo muy pálido para 'Bajo', amarillo-naranja para 'Medio', naranja-rojo para 'Alto', y rojo muy oscuro/marrón para 'Muy Alto'. Las zonas de mayor riesgo predominan en el sur y este de la península. Incluye una escala gráfica y una flecha de norte. En la esquina superior izquierda hay un pequeño rectángulo amarillo sólido. El estilo es limpio, tipo infografía, con fondo gris muy claro. Leyenda en la parte inferior. Fuente: MITECO PAND (2008).

#30DayChartChallenge Día 29: Extraterrestrial! 👽✨ ¡Planetas con su incertidumbre a cuestas! #UncertaintiesWeek #Astronomy

Volvemos al gráfico Radio vs Insolación (log-log, color=Temp) de exoplanetas (NASA Archive). Pero hoy añadimos una capa visual para la incertidumbre: el "halo" gris ⚪️ detrás de cada punto.

El tamaño del halo es proporcional al log(error) reportado para la Insolación. ¡Halos grandes = más incertidumbre en la energía que recibe ese planeta!

Es un recordatorio de que los datos astronómicos tienen errores y no todos los puntos son igual de "seguros". Interesante ver qué planetas en la zona habitable (verde) tienen más incertidumbre. (+ Venus/Tierra/Marte 💎).

🛠 #rstats #ggplot2 #ggrepel | Data: NASA | Theme: #theme_week5_uncertainty
📂 Código/Viz: https://t.ly/ygNLW

#Day29 #Extraterrestrial #dataviz #DataVisualization #Exoplanets #HabitableZone #Astrobiology #UncertaintyViz #ErrorVisualization #NASA #ggplot2 #RStats #Science

Gráfico de dispersión log-log que muestra exoplanetas según el Flujo de Insolación recibido (relativo a la Tierra, eje Y) frente al Radio Planetario (Radios Terrestres, eje X). Cada exoplaneta se representa con dos puntos superpuestos: uno de fondo, más grande, gris y semitransparente (halo), cuyo tamaño indica la incertidumbre en la insolación; y uno encima, más pequeño y menos transparente, coloreado por Temperatura de Equilibrio (K) [escala continua púrpura-amarillo]. Una banda horizontal verde translúcida marca la zona habitable aproximada. Puntos en forma de diamante blanco etiquetan Venus, Tierra y Marte como referencia. Fuente: NASA Exoplanet Archive.

#30DayChartChallenge Día 28: Inclusion! 🤝 O... la falta de ella a nivel territorial en España 🇪🇸. Hoy comparamos la evolución de la tasa de paro trimestral (EPA/INE, 2005-2024) en varias CC.AA. vs la media nacional (rojo). #UncertaintiesWeek #SocialData

¡El gráfico habla por sí solo! Mirad la enorme brecha que se abre, sobre todo tras 2008, entre regiones como Andalucía y otras como País Vasco o Navarra. Madrid, más cerca de la media. Refleja mercados laborales muy diferentes y retos de cohesión enormes. La "inclusión" territorial en el empleo sigue siendo una asignatura pendiente.

Una visualización para reflexionar sobre las desigualdades estructurales.

🛠 #rstats #ggplot2 #data_table | Data: INE (EPA) | Theme: #theme_week5_uncertainty
📂 Código/Viz: https://t.ly/UwPQG

#Day28 #Inclusion #dataviz #DataVisualization #Paro #Unemployment #EPA #INE #España #Desigualdad #Territorio #ggplot2 #RStats #TimeseriesWeek

Gráfico de líneas que compara la evolución de la tasa de paro trimestral estimada (%) en España (línea roja más gruesa) y cinco Comunidades Autónomas seleccionadas (Andalucía - azul oscuro, Navarra - rosa, Madrid - verde azulado, País Vasco - naranja, Castilla y León - púrpura) desde 2005 hasta 2024. El eje Y muestra la tasa de paro (%), el eje X los años. Se observan grandes diferencias entre las regiones, especialmente después de 2008, cuando la tasa de Andalucía aumenta muy por encima de las demás y de la media nacional, mientras que País Vasco y Navarra se mantienen comparativamente bajas. El gráfico utiliza un tema claro con fondo blanco. Fuente: INE - Encuesta de Población Activa.

#30DayChartChallenge Día 27: ¡Ruido! 📉 Analizando los residuos (el "ruido" inexplicable) del modelo CAPM para Telefónica (TEF.MC) vs IBEX 35. #UncertaintiesWeek #Finance

Este gráfico muestra la serie temporal del error diario del modelo (~18 años). ¿Es solo ruido blanco o algo más? 🤔 Para comprobarlo, ¡test de Dickey-Fuller Aumentado (ADF)!

Resultado ADF: p=0.01. ¡Rechazamos la raíz unitaria! 🎉 Esto sugiere que los residuos son estacionarios, fluctúan alrededor de cero como un "ruido" bien comportado (aunque su volatilidad cambia). ¡Buena señal para el modelo! (R²≈0.66).

Visualizando el componente idiosincrático y su (falta de) tendencia.

🛠 #rstats #ggplot2 #quantmod #tseries | Data: Yahoo/Investing | Theme: #theme_week5_uncertainty
📂 Código/Viz: https://t.ly/nr0nm

#Day27 #Noise #dataviz #DataVisualization #CAPM #Residuals #Stationarity #ADFtest #Econometrics #RiskManagement #TEF #IBEX35 #Bolsa #RStats #ggplot2 #TimeseriesWeek

Gráfico de serie temporal que muestra los residuos diarios (error en %) del modelo CAPM para Telefónica (TEF.MC) frente al IBEX 35, desde aproximadamente 2004 hasta 2022. El eje Y muestra los residuos (%) y el eje X la fecha (Año). Los residuos, representados por una línea gris, fluctúan alrededor de una línea horizontal discontinua roja en cero. Se observan periodos de mayor fluctuación (volatilidad) alrededor de 2008-2009 y 2020. El subtítulo indica que un Test de Dickey-Fuller Aumentado sobre los residuos dio un estadístico de -15.38 y un p-valor de 0.01, sugiriendo estacionariedad. El gráfico usa un tema claro con fondo blanco. Fuente: Yahoo Finance, Investing, Cálculos Propios.

#30DayChartChallenge Día 26: Monochrome! 🖤🤍 Riesgo y Recompensa en el IBEX 35, versión minimalista. #UncertaintiesWeek #Finance

Este gráfico monocromo muestra la evolución (ventana móvil 1 año) de:
⚫️ Ratio de Sharpe Anualizado (eje izq.): ¿Compensa el riesgo asumido? (Usando Bono Alemán 10A como Rf).
▒ Volatilidad Anualizada (eje der., discontinua): ¡El riesgo puro y duro!

La historia que cuenta: ¡cuando sube la volatilidad (gris), el Sharpe (negro) tiende a caer en picado (a veces bajo cero)! Visualiza la dinámica riesgo-recompensa del índice español en las últimas dos décadas.

🛠 #rstats #ggplot2 #data_table #quantmod | Data: Yahoo/Investing | Theme: Mod. theme_light
📂 Código/Viz: https://t.ly/pI1aF

#Day26 #Monochrome #dataviz #DataVisualization #SharpeRatio #Volatility #RiskManagement #MarketRisk #IBEX35 #Bolsa #RStats #ggplot2 #TimeSeries

Gráfico de líneas de tiempo monocromático (negro, gris, blanco) mostrando el Ratio de Sharpe Anualizado móvil (línea sólida negra, eje izquierdo) y la Volatilidad Anualizada móvil (línea discontinua gris, eje derecho, expresada en %) para el índice IBEX 35, desde aproximadamente 2004 hasta 2025. El Ratio de Sharpe fluctúa entre -2.5 y +2.5. La Volatilidad fluctúa entre 10% y 35%. Se observa una relación generalmente inversa: picos de alta volatilidad (ej. 2008-2009, 2020) coinciden con fuertes caídas en el Ratio de Sharpe. El gráfico usa un tema minimalista claro. Fuente: Yahoo Finance e Investing.

#30DayChartChallenge Día 24: ¡Usando datos de la @WHO! 🌐 Hoy comparamos la cobertura de vacunación DTP3 (% niños 1 año) entre países agrupados por nivel de ingresos (Banco Mundial, 2000-2022). #TimeseriesWeek #SocialData #GlobalHealth

El gráfico muestra:
✅ ¡Gran mejora en todos los grupos hasta ~2019!
⚠️ ¡Pero una brecha enorme persiste! Los países de ingresos altos (amarillo 🟡) cerca del objetivo 95% (línea rosa).
📉 Los países de ingresos bajos (azul índigo 🔵), aunque mejoraron mucho desde el 2000, se quedaron sobre el 70% y sufrieron un retroceso post-pandemia.

Un reflejo claro de la #EquidadEnSalud (o la falta de ella) a nivel global. ¡El acceso a vacunas básicas no es igual para todos!

🛠 #rstats #ggplot2 #data_table | Data: WHO GHO | Theme: #theme_week4_social
📂 Código/Viz: https://t.ly/fRi1m

#Day24 #WHO #dataviz #DataVisualization #Vaccination #Immunization #HealthEquity #PublicHealth #SDGs #ggplot2 #RStats #DataForGood

Gráfico de líneas que muestra las tendencias de la cobertura estimada de vacunación DTP3 (%) en niños de 1 año, desde el año 2000 hasta 2022, para cuatro grupos de ingresos de países según el Banco Mundial. El eje Y va de 0% a 100%. El eje X muestra los años. Hay cuatro líneas de colores distintos: 'Alto' (amarillo/oro, cerca del 95%), 'Medio-Alto' (naranja, subiendo a >90%), 'Medio-Bajo' (azul grisáceo, subiendo de ~65% a ~85%), y 'Bajo' (azul índigo, subiendo de ~49% a ~70% con un descenso reciente). Una línea horizontal discontinua rosa marca el objetivo del 95%. Fuente: WHO/UNICEF Estimates (via WHO GHO).

#30DayChartChallenge Día 23: ¡El poder de la Escala Logarítmica! 🪵📐 Hoy vemos el PIB per cápita de España 🇪🇸 (1990-2023, PPA $const) de otra manera. #TimeseriesWeek #SocialData

¿La clave? scale_y_log10(). En esta escala, la *pendiente* de la línea azul representa la tasa de crecimiento porcentual. ¡Ideal para comparar el ritmo económico a lo largo del tiempo!

Se ven clarísimas las diferentes fases:
* Crecimiento fuerte pre-2008.
* El largo estancamiento post-Gran Recesión (zona rosa 08-13).
* El bache del COVID (zona rosa 20-21).
* La crisis de los 90 (zona rosa 92-94).

Una herramienta básica pero potente del análisis de series temporales económicas.

🛠 #rstats #ggplot2 #WDI | Data: World Bank | Theme: #theme_week4_social
📂 Código/Viz: https://t.ly/e3_cv

#Day23 #LogScale #dataviz #DataVisualization #EconomicGrowth #GDP #PIB #España #Economia #Macroeconomia #ggplot2 #RStats #WorldBank

Gráfico de líneas que muestra la evolución del PIB per cápita de España (PPA, dólares constantes 2017) desde 1990 hasta 2023. El eje Y utiliza una escala logarítmica, con etiquetas de $32,000 a $48,000. El eje X muestra el año. Una línea azul índigo con puntos traza la tendencia del PIB per cápita. Bandas verticales sombreadas de color rosa translúcido resaltan tres períodos de crisis económica: 1992-1994, 2008-2013 y 2020-2021. El gráfico tiene un fondo gris claro y utiliza la fuente Lato. Fuente: World Bank.

#30DayChartChallenge Día 22: Stars! ✨ Planetas, planetas por todas partes! 🪐 Gráfico del nº acumulado de exoplanetas confirmados (NASA Exoplanet Archive). #TimeseriesWeek #Astronomy

La curva muestra la explosión de descubrimientos desde los 90, ¡especialmente con Kepler & TESS! Ya superamos los miles de mundos conocidos. 🤯

*(Aclaración: El último punto de 2025 es el acumulado hasta hoy, 22 de Abril, no el año completo).*

Impresionante cómo avanza la ciencia que estudia los planetas de otras estrellas.

🛠️ #rstats #ggplot2 | Data: NASA Exoplanet Archive | Theme: #theme_week4_social
📂 Código: https://t.ly/bCzwJ

#Day22 #Stars #dataviz #DataVisualization #Exoplanets #Space #NASA #Astronomy #Astrophysics #ggplot2 #RStats #Science

Gráfico de líneas que muestra el número acumulado de exoplanetas confirmados descubiertos, desde aproximadamente 1992 hasta mediados de abril de 2025. El eje X representa el año de descubrimiento y el eje Y el número acumulado de planetas. La línea, de color rosa, comienza cerca de cero y muestra un lento crecimiento inicial, seguido de una aceleración muy pronunciada alrededor de 2010 y otra después de 2018, alcanzando varios miles. El subtítulo aclara que el dato de 2025 es parcial hasta la fecha actual. El gráfico utiliza un tema claro con fondo gris pálido. Fuente: NASA Exoplanet Archive.

#30DayChartChallenge Día 21: Fossils! 🦖➡️☀️💨 Evolución del mix eléctrico peninsular en España (2015-2025). #TimeseriesWeek #SocialData

Gráfico de áreas apiladas con la proporción (%) de cada fuente (Fósiles/Térmica No Ren., Nuclear, Hidro, Eólica, Solar, Otras Renov.), usando datos diarios de @REDElectrica **suavizados con media móvil de 30 días** (`frollmean`).

¡La #TransicionEnergetica en tendencia!
⚫ Fósiles: Pierden peso relativo.
☢️ Nuclear: Base estable.
💧 Hidro: Variable pero importante.
💨 Eólica: Crecimiento sólido.
☀️ Solar: ¡El boom!

La media móvil ayuda a ver la señal principal sobre el ruido diario.

🛠️ #rstats #ggplot2 #data_table #qs | Data: REE | Theme: #theme_week4_social
📂 Código/Viz: https://t.ly/v3lz_

#Day21 #Fossils #dataviz #DataVisualization #EnergyTransition #RenewableEnergy #EnergiasRenovables #España #REE #ggplot2 #RStats #ClimateAction #MovingAverage

Gráfico de áreas apiladas mostrando la evolución porcentual, suavizada con media móvil de 30 días, del mix de generación eléctrica en la España peninsular, desde 2015 hasta abril de 2025. El eje Y indica el porcentaje de generación (0-100%) y el eje X los años. Las áreas de colores apiladas representan diferentes tecnologías (aprox. de abajo a arriba): Fósiles/Térmica No Renovable (gris oscuro/negro), Nuclear (naranja), Hidráulica (azul índigo), Eólica (amarillo/dorado), Solar (rosa), Otras Renovables (verde azulado), y Otros/Ajustes (gris oscuro fino arriba). Se observa un crecimiento notable de las áreas Eólica y Solar, mientras que el área de Fósiles/Térmica No Renovable muestra fluctuaciones pero una tendencia a la baja en participación relativa. Fuente: Red Eléctrica de España (REE).

#30DayChartChallenge Día 20: Urbanización 🏙➡️🏘 ¿Cómo ha cambiado la distribución de la población española por tamaño de municipio entre 2003 y 2022? #TimeseriesWeek #SocialData

Este gráfico de áreas apiladas (geom_area) lo visualiza usando datos del Padrón del INE. Cada color representa un tramo de tamaño municipal.

Observaciones clave:
* La España rural (<5k hab.) pierde peso porcentual (~14% -> 12%).
* Los municipios medianos (especialmente 20k-50k y 50k-100k) ganan algo de proporción.
* Las grandes ciudades (>100k) mantienen su cuota bastante estable (~40%).

Parece que en estas dos décadas, más que un éxodo masivo a las grandes urbes, ha habido una consolidación en ciudades intermedias. ¿Reflejo de la "España Vaciada" y crecimiento periurbano?

🛠 #rstats #ggplot2 #data_table | Data: INE | Theme: #theme_week4_social
📂 Código/Viz: https://t.ly/AN1-q

#Day20 #Urbanization #dataviz #DataVisualization #Demografia #España #INE #ggplot2 #RStats #Poblacion

Gráfico de áreas apiladas que muestra la distribución porcentual de la población española por tamaño de municipio, desde el año 2003 hasta el 2022. El eje Y representa el porcentaje de 0% a 100%. El eje X representa el año. Cinco áreas de colores están apiladas verticalmente, representando (de abajo a arriba): '< 5k' (azul/gris), '5k - 20k' (rosa), '20k - 50k' (verde azulado), '50k - 100k' (naranja), '> 100k' (púrpura/azul grisáceo). Se observa una ligera disminución del área inferior (<5k) y ligeros aumentos en las áreas intermedias (20k-100k) a lo largo del tiempo. El área superior (>100k) permanece relativamente estable. Fuente: INE - Padrón Municipal.

#30DayChartChallenge Día 19: Smooth! 〰️🇵🇱 Hoy aplicamos suavizado (geom_smooth) a las encuestas presidenciales de Polonia (Ene-Abr 2025) para ver las tendencias más allá del ruido. #TimeseriesWeek #SocialData

El gráfico muestra la evolución estimada para los 6 candidatos principales (según apoyo medio). Los puntos tenues son las encuestas individuales. La leyenda incluye orientación política para contexto.

Observaciones rápidas:
* Trzaskowski (PO, centro) lidera ~34%.
* Nawrocki (PiS, ext-der) y Mentzen (Konf, ext-der) compiten por el 2º/3º puesto (~16-23%).
* ¡Bastante estabilidad en estos primeros meses!

Una forma útil de seguir la "foto" general de la carrera electoral.

🛠 #rstats #ggplot2 #data_table | Data: CSV propio | Theme: #theme_week4_social
📂 Código/Viz: https://t.ly/FxTJa

#Day19 #Smooth #dataviz #DataVisualization #Poland #Wybory #Elections #Polling #ggplot2 #RStats #PoliticalScience

Gráfico de líneas de tiempo suavizadas que muestra la evolución de la intención de voto estimada (%) para 6 candidatos presidenciales polacos, desde enero de 2025 hasta abril de 2025. El eje X representa la fecha y el eje Y el apoyo estimado (%). Cada candidato tiene una línea suavizada de color distinto, con puntos tenues de encuestas individuales visibles alrededor. La leyenda identifica a cada candidato por su nombre y orientación política. Rafał Trzaskowski (centro) lidera consistentemente alrededor del 34%. Karol Nawrocki y Sławomir Mentzen (ambos extrema-derecha) le siguen con tendencias entre el 16% y el 23%. Los otros tres candidatos muestran niveles de apoyo inferiores al 10%. El gráfico usa un tema claro con fondo gris pálido. Fuente: Diversas encuestadoras (elaboración propia).

#30DayChartChallenge Día 18: ¡Tema El País! 📰 Hoy, una correlación madrileña con sustancia (y quizás algo de ironía 😉). #RelationshipsWeek

¿Qué relación hay entre lo que cuesta un piso y si tienes perro o niño? 🤔 Graficamos Esfuerzo Inmobiliario (años de renta para 75m²) vs Ratio Mascotas/Niño (<16) por distrito (2015-22).

¡Resulta que la correlación es positiva y fuerte (r≈0.75)! Donde más cuesta la vivienda, tiende a haber más mascotas por cada niño. ¿La cruda realidad del ladrillo cambiando el modelo familiar? ¿"No me llega pa pañales, pero sí pa pienso"? 🤷‍♂️🐶🐱📈💸

Gráfico facetado por distrito, con estilo inspirado en El País.

🛠 #rstats #ggplot2 | Data: Ayto Madrid/INE (via user csv).
📂 Código/Viz: https://t.ly/5ywEE

#Day18 #ElPais #dataviz #DataVisualization #Madrid #Vivienda #Mascotas #PetsVsKids #Sociology #Demographics #RStats #ggplot2 #Humor

Gráfico facetado en 20 paneles (para distritos de Madrid) mostrando la relación entre 'Años de Renta Familiar (Vivienda 75m²)' (eje Y) y 'Ratio Mascotas (Perros+Gatos) / Menores 16' (eje X) de 2015 a 2022. Cada punto representa un año, coloreado distintamente. La mayoría de los paneles muestran una correlación positiva, indicada por una línea de regresión lineal azul con intervalo de confianza. Las escalas de los ejes varían por panel. El gráfico usa un tema limpio estilo periódico con fondo blanco. Fuente: Portal de Datos Abiertos Ayto. Madrid / INE.

#30DayChartChallenge Día 17: Birds! 🐦 Hoy toca explorar relaciones en el mundo aviar con el increíble dataset AVONET. #RelationshipsWeek #Animals

Graficamos la Longitud del Ala vs. Masa Corporal (log-log) para >9500 especies. ¡Una relación clave en la biomecánica del vuelo! ✈️

Lo interesante:
1️⃣ Facetas por Hábitat: Vemos cómo la relación cambia (o no) entre Bosque, Marino, Pradera, etc. ¡La ecología importa!
2️⃣ Color por Orden: Los puntos coloreados muestran la diversidad taxonómica (12 órdenes principales). Passeriformes por todas partes!

Una visualización "complicada" (Día 15 😉) que revela la interacción entre tamaño, forma del ala, linaje evolutivo y ambiente.

🛠 #rstats #ggplot2 #readxl #data_table | Data: AVONET (Tobias et al. 2022) | Theme: #theme_week3_animals
📂 Código/Viz: https://t.ly/iEHPE

#Day17 #Birds #dataviz #DataVisualization #Ecology #Ornithology #Morphology #Allometry #AVONET #ggplot2 #RStats

Gráfico facetado en 6 paneles (por tipo de hábitat: Bosque, Bosque arbolado, Humedal, Marino, Matorral, Pradera) que muestra la relación entre Log10(Longitud del Ala [cm]) en el eje Y y Log10(Masa Corporal [g]) en el eje X para más de 9500 especies de aves. Los puntos en cada scatter plot están coloreados según el Orden taxonómico (12 órdenes representados en la leyenda). Se observa una tendencia general positiva en todos los paneles, con variaciones en la dispersión y posición de los puntos según el hábitat y el orden. El gráfico usa un tema con fondo beige claro. Fuente: AVONET dataset (Tobias et al. 2022).

#30DayChartChallenge Día 16: Negative Relationship FOUND! 📉🐍🐦🐢🐟

¡Lo conseguimos! Tras ajustar por masa corporal, la relación entre Tasa Metabólica Específica (W/kg) y Longevidad Máxima (años) en ~530 especies animales (AnAge DB, outliers quitados) SÍ es negativa (Pearson ρ ≈ -0.42, p < 2.2e-16). #RelationshipsWeek #Animals

El gráfico log-log muestra la tendencia: mayor intensidad metabólica por kilo se asocia con vidas más cortas. ¡Apoya la idea del "ritmo de vida"! 🔥➡️⏳ Colores por Clase Taxonómica.

Un recordatorio de la importancia de normalizar variables y limpiar datos para ver la señal correcta. ¡Ciencia en acción!

🛠 #rstats #ggplot2 #ggpubr | Data: AnAge | Theme: #theme_week3_animals
📂 Código/Viz: https://t.ly/ouLN0

#Day16 #Negative #dataviz #DataVisualization #Ecology #LifeHistory #Metabolism #Longevity #AnAge #ggplot2 #RStats #Science

Scatter plot log-log mostrando la relación entre Longevidad Máxima (años, eje Y) y Tasa Metabólica Basal Específica (Watts/kg, eje X) para 534 especies animales (outliers eliminados). Los puntos están coloreados por Clase taxonómica (Mammalia, Aves, Reptilia, Amphibia). Una línea de regresión lineal de color marrón oscuro con intervalo de confianza gris muestra una clara tendencia negativa. El coeficiente de correlación de Pearson (rho = -0.42, p < 2.2e-16) se muestra en la esquina superior derecha. El gráfico utiliza un tema con fondo beige claro y textos en marrón. Fuente: AnAge Database.

#30DayChartChallenge Día 15: Complicated Relationships! 🐧↔️🐧

Hoy, una matriz de scatter plots con ggpairs para explorar las relaciones entre medidas corporales (Long. Pico, Long. Aleta, Masa Corporal) en los pingüinos de Palmer. ¡Perfecto para el prompt "Complicated"! #RelationshipsWeek #Animals

La matriz lo enseña todo:
* Diagonal: Distribución de cada medida (densidad).
* Abajo: Scatter plots de cada par de medidas (coloreado por Especie).
* Arriba: ¡La correlación $ entre ellas!

Se ven las fuertes relaciones positivas (más grande = aleta más larga) y cómo las especies (Adelie, Chinstrap, Gentoo) forman clusters distintos en este espacio de rasgos. ¡Una forma densa de ver muchas relaciones a la vez!

🛠 #rstats #ggplot2 #GGally | Data: #palmerpenguins | Theme: #theme_week3_animals
📂 Código/Viz: https://t.ly/GATJi

#Day15 #Complicated #dataviz #DataVisualization #Penguins #Ecology #Morphometrics #Multivariate #ggplot2 #RStats

Matriz de scatter plots (ggpairs) 3x3 comparando tres medidas corporales para 3 especies de pingüinos de Palmer: Longitud Pico (mm), Longitud Aleta (mm) y Masa Corporal (g). La diagonal muestra gráficos de densidad para cada variable, coloreados por especie (Adelie, Chinstrap, Gentoo). Los paneles del triángulo inferior muestran scatter plots para cada par de variables, con puntos coloreados por especie. Los paneles del triángulo superior muestran el coeficiente de correlación de Pearson para cada par de variables, calculado para cada especie. El gráfico usa un tema con fondo beige y colores naturales para las especies. Fuente: paquete R palmerpenguins.

#30DayChartChallenge Día 14: Kinship! 🌿 Hoy toca visualizar "parentescos" animales, pero basados en ¡similitud de rasgos! #RelationshipsWeek #Animals

Este dendrograma horizontal es el resultado de un clustering jerárquico (hclust Ward.D2) sobre ~170 especies, usando su Masa Corporal y Longevidad Máxima (log-transformadas y escaladas). ¡Muestra quién se agrupa con quién según su estrategia de vida!

Las ramas unen las especies más similares. La longitud horizontal hasta la unión indica cuán diferentes son. Se ven grandes grupos que separan, por ejemplo, animales muy grandes/longevos de otros más pequeños/rápidos. Es una forma de ver la estructura oculta en los datos de rasgos.

(Solo se muestra 1/3 de las etiquetas para no saturar!)

🛠 #rstats #ggplot2 #ggdendro #stats | Datos: Kaggle (S. Banerjee)
📂 Código/Viz: https://t.ly/Y_fwt

#Day14 #Kinship #dataviz #DataVisualization #Ecology #LifeHistory #AnimalTraits #Clustering #Dendrogram #ggplot2 #Kaggle

Dendrograma horizontal que visualiza el clustering jerárquico de aproximadamente 170 especies animales, basado en la similitud de su masa corporal y longevidad máxima (log-transformadas y escaladas). El árbol se ramifica de izquierda a derecha. Los nombres de las especies (un subconjunto) aparecen como etiquetas en las puntas de las ramas a la derecha. El eje vertical representa las especies/clusters, y el eje horizontal (superior, etiquetado como 'Altura') indica la distancia o disimilitud a la que se unen los clusters. El gráfico utiliza un tema con fondo beige claro y líneas/texto en marrón. Título: "Similitud Animal Basada en Masa y Longevidad". Fuente: Kaggle dataset by S. Banerjee.

#30DayChartChallenge Día 13: Clusters Animales! 🐾 Explorando la relación Masa Corporal vs Longevidad Máxima. #RelationshipsWeek

Usando un dataset de Kaggle (+170 especies, ¡gracias S. Banerjee!) y tras una divertida limpieza de datos con rangos/unidades mixtas 😅, este scatter plot log-log revela patrones.

Coloreamos por Dieta: 🥩Carnívoro(verde) 🌿Herbívoro(ocre) ❓Omnívoro(azul).
Se ve la tendencia general (más grande = más longevo), pero los clústeres por dieta sugieren distintas **estrategias de historia de vida**. ¿Cómo gestionan su energía y longevidad según lo que comen? 🤔

¡Una visualización para explorar la alometría y la diversidad ecológica!

🛠️ #rstats #ggplot2 y mi nuevo tema #theme_week3_animals.
📂 Código/Viz: https://t.ly/ehPiu

#Day13 #Clusters #dataviz #DataVisualization #Ecology #Evolution #LifeHistory #AnimalTraits #Biodiversity #ggplot2 #Kaggle

Scatter plot log-log que muestra la relación entre la Longevidad Máxima (años, eje Y) y la Masa Corporal (kg, eje X) para aproximadamente 170 especies animales. Los puntos están coloreados según la dieta: verde para Carnívoro, naranja/ocre para Herbívoro y azul apagado para Omnívoro. Se observa una tendencia general positiva. Los puntos de diferentes dietas muestran cierta agrupación y solapamiento. El gráfico utiliza un tema con fondo beige claro y textos en marrón. Título: "Relación Masa Corporal vs. Longevidad en Animales". Fuente: Kaggle dataset by Sourav Banerjee.

#30DayChartChallenge Día 12: Gov Data Day! 🏛️ Explorando la distribución del spread 10Y-2Y del Tesoro USA (datos de FRED desde 1976).

Este histograma/densidad va más allá del valor diario: muestra la *probabilidad* histórica de cada nivel del spread. ¡Clave para entender expectativas económicas!

Puntos clave:
* Modo principal > 0 (curva normal es lo más común).
* ¡La inversión (<0, línea discontinua) tiene una probabilidad no trivial! ⚠️ Es la famosa señal pre-recesión. La distribución nos dice cuán "normal" es esa señal en perspectiva histórica.
* La forma general revela info sobre la dinámica de tipos.

Una visualización sobre la estructura probabilística de un indicador líder fundamental.

🛠️ #rstats #ggplot2 #quantmod #grid
📂 Código/Repo: https://t.ly/0RDmK

#Day12 #Distributions #datagov #dataviz #DataVisualization #YieldCurve #InterestRates #Economics #Finance #Recession #DataAnalysis #ggplot2

Histograma superpuesto con una curva de densidad mostrando la distribución del diferencial diario entre los tipos de interés del Tesoro de EE.UU. a 10 años y 2 años, desde 1976 hasta 2025. El eje X muestra el diferencial en puntos porcentuales, el eje Y muestra la densidad. Las barras del histograma tienen un relleno con degradado vertical azul verdoso. La curva de densidad es de color rosa. Una línea vertical discontinua en x=0 indica la inversión de la curva de tipos, con una etiqueta de texto vertical asociada. El pico principal de la distribución se sitúa alrededor de +1%, con una cola izquierda que se extiende por debajo de cero. Fuente: FRED/U.S. Treasury.

#30DayChartChallenge Día 11: Stripes! Mi versión: ¡El código de barras del pánico del mercado! 😱

Este gráfico muestra una línea de tiempo (1993-2025) donde cada raya vertical representa un día en que el VIX cerró ≥ 30 (¡alta tensión!).

El concepto clave aquí es el **Volatility Clustering**: la alta volatilidad no se distribuye uniformemente, ¡viene en rachas! Los densos grupos de rayas identifican visualmente las grandes crisis (Dot-com, GFC '08, Covid '20...). Los largos periodos en blanco son la calma relativa.

Es una forma directa de ver la *persistencia* y los *regímenes* de la volatilidad del mercado. ¡Olvida las medias simples, el estrés viene en oleadas! 🌊

🛠️ Hecho con #rstats, #ggplot2, #quantmod.
📂 Código/Repo: https://t.ly/-vd9u

#Day11 #Stripes #dataviz #DataVisualization #VIX #Volatility #Finance #StockMarket #Economics #RiskManagement #TimeSeries #MarketHistory #ggplot2 #DataScience

Gráfico estilo código de barras en una línea de tiempo de 1993 a 2025, visualizando días de alta volatilidad del mercado. El eje X muestra los años. Rayas verticales finas de color morado marcan cada día en que el índice VIX cerró igual o superior a 30. Se observan densos clústeres de rayas alrededor de periodos de crisis como 2001-2002, 2008-2009 y 2020. El eje Y está oculto. Título: "Días de Alta Volatilidad del Mercado (VIX >= 30)". Fuente: Yahoo Finance.

Client Info

Server: https://mastodon.social

Version: 2025.04

Repository: https://github.com/cyevgeniy/lmst