Gráfico de barras para dados categóricos no R

 

Como editar figuras com boa qualidade para artigos científicos

 Videoaula

Nesse video, apresento algumas dicas pra quem cria gráficos em um programa e precisa fazer edição, considerando a qualidade exigida pelas revistas científicas. Indico programa gratuitos.

Gráficos no R: ranking de abundância, diagrama de Venn e redes de comunidades

 Videoaula

[abundance ranking] Excluindo espécies ausentes para o gráfico

Estrutura da tabela
yj: sp1, sp2, sp3, sp4... "espécies na coluna"
yi: l1, l2, l3, l4...          [valores: 0, 1] "locais nas linhas"

dados<-read.table("dados.txt", h=T)

#1:separar a composição de espécies por local
l1<-dados[1,2:numero total de especies] 
l2<-dados[2,2:numero total de especies]
l3<-dados[3,2:numero total de especies]
l4<-dados[4,2:numero total de especies]
[...]

#2: soma das colunas, indica o N de espécies presentes/ausentes por local
somal1<-colSums(l1)

#3: excluir espécies ausentes
presentesl1<-somal1[somal1>0]

[erro in scan (file, what, nmax, sep, dec,...)] Como importar tabelas faltando elementos

Geralmente em tabelas com um grande número de linhas e colunas pode acontecer que alguns elementos estejam faltando ou digitados de forma incorreta, e em alguns casos você não consegue visualizar na planilha eletrônica.


Ao tentar importar a tabela com esse tipo de problema, utilizando o comando "read.table", dar erro e o objeto não pode ser carregado.

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,  : 
  line 2 did not have 3 elements

Quando ocorrer esse problema, é possível importar a tabela utilizando o comando "fill=True".

Ex:. dados<-read.table("nome_do_arquivo.txt", fill=True, h=T)


Assim, você conseguirá importar o arquivo e verificar o erro no console do R.


1) através de um resumo do objeto importado:

summary(dados)

2) chamada do objeto dando um Ctrl+r
dados

Análise de Cluster: construindo e editando o gráfico no R

1° Carregar o pacote e importar dados
library(vegan)
dados<-read.table("arquivo.txt", h=T) #espécies nas colunas e locais nas linhas

2° Construir uma matriz com os valores de similaridade ou dissimilaridade
#Dissimilaridade: função vegdist
dist.tabela<-vegdist(dados, method="") #colocar o método entre aspas
?vegdist #verificar os argumentos da função para digitar o nome correto do método

"manhattan", "euclidean", "canberra", "clark", "bray", "kulczynski", "jaccard", "gower", "altGower", "morisita", "horn", "mountford", "raup", "binomial", "chao", "cao" or "mahalanobis"

#Similaridade: função 

dist.tabela<-dist(dados, method="") #colocar o método entre aspas 

 ?dist #verificar os argumentos da função para digitar o nome correto do método

3° Fazer o agrupamento
dendrograma<-hcluster(dist.tabela, method="") #colocar o método entre aspas
?hclust #verificar os argumentos da função para digitar o nome do correto do método

"ward.D", "ward.D2", "single", "complete", "average" (= UPGMA), "mcquitty" (= WPGMA), "median" (= WPGMC) or "centroid" (= UPGMC)

O método de ligação muda as posições dos locais,  os valores de distância e o coeficiente de correlação cofenético.

4° Plotar o gráfico

plot(dendrograma)

5° Editar o gráfico
#

#Eixos
plot("dendrograma",axes=F) #axes=F exclui os eixos
axis(1,at=c(x1,x2,x3,...,xn) #editar o eixo x, colocar os valores no x1, x2... axis(2,at=c(y1,y2,y2,...,yn)) #editar o eixo y. colocar os valores no y1, y2...

#Nomes das espécies

6° Matriz de correlação
tabelacluster.cof<-cophenetic(dendrograma) #contruir uma matriz cofenética
cor(tabelacluster.cof, dist.tabela) #correlação entre as duas matrizes

#Se o cluster apresentar coeficiente acima de 7, ele representa bem a matriz de distância

Materiais para análise de dados ecológicos

Apostilas 
Curso de introdução ao R para iniciantes: Victor Landeiro 
Descobrindo padrões em microbiomas: Dan Knights


Livros

• Legendre & Legendre (1998) Numerical Ecology
• Krebs (1999) Ecological Metodology
• Magurram (2004) Measuring Biological Diversity
• Bocard et al.(2011) Numerical Ecology with R

Artigos

Análise das propriedades dos coeficientes de similaridade

• Wolda, H. (1983). Diversity, diversity indices and tropical cockroaches.Oecologia 58, 290–298. 
• Chao et al. (2006). Abundance-based similarity indices and their estimation when there are unseen species in samples. Biometrics.