Arte con R: Especial de San Valentín

El software R es un lenguaje de programación con múltiples funcionalidades enfocado en el análisis estadístico y producción de gráficos. Sin embargo, existe muchas otras cosas que R puede hacer y que no es tan conocido por los usuarios noveles y/o que se encuentran iniciándose en el mundo del análisis de datos con R. Entre las múltiples cosas que puede hacer R, se encuentra la creación de artículos, documentos científicos y/o libros (paquete Bookdown); creación de presentaciones tipo PowerPoint(paquete Xaringan); páginas web (paquete Blogdown); animación de gráficos (paquete gganimate); etc.

En esta ocasión presentaremos una aplicación relativamente reciente de R entorno a los gráficos: arte con R. Mediante la creación de puntos aleatorios y/o dirigidos, se realizan creaciones en formas de líneas, curvas o círculos con diferentes colores, grosores e intensidades que permiten generar imágenes realmente espectaculares con la ayuda de ggplot2 en la mayoría de casos. Por ejemplo en el github de Marcus Volz se pueden observar gráficos tridimensionales creados bajo esta descripción.

Desde hace unos meses Danielle Navarro, psicóloga especializada en computational cognitive, ha desarrollado un paquete llamado jasmines, que permite hacer este tipo de creaciones desde el enfoque tidyverse. En esta publicación te enseñaremos como realizar la instalación de los paquetes, y el código de algunas imágenes con temática de San Valentín. Lo primero que tendremos que hacer, es instalar (en caso no lo tengas), el paquete devtools.

install.packages("devtools")

Una vez se tenga instalado, instalaremos los paquetes pertinentes para poder reproducir las imágenes mencionadas.

devtools::install_github('thomasp85/ambient')
remotes::install_github("djnavarro/jasmines")
remotes::install_github("djnavarro/rosemary")

Dependiendo del sistema operativo que utilices, durante el proceso de instalación se podría requerir la instalación de alguna dependencia. Sin embargo, con los códigos mostrados anteriormente, debería ser suficiente para la mayoría de las personas. A continuación presentaremos 9 gráficos realizados con estos paquetes inspirados en la lista de Danielle.

Nota:

Primero cargaremos los paquetes a utilizar

library(dplyr, warn.conflicts = FALSE)
library(jasmines)

1. Primer gráfico

# Creación de la imagen
plot1 <- use_seed(4) %>% 
  entity_heart(7000) %>%  
  unfold_tempest(iterations = 5, scale = 0.1, 
                           scatter = TRUE) %>% 
  style_ribbon(type = "curve", 
                         curvature = 1, size = 0.25,
                         alpha = c(0.2, 0.03), background = "black", 
                         palette = palette_manual("red")) %>% 
  style_overlay(border = "#ffffff88", 
                          fill = "#22222288") 
plot1 # mostrará el gráfico generado dentro de R(rstudio)

# Exportar imagen
export_image(plot1, "plot1.png", xlim = c(.2,.9), ylim = c(.2,.9),
             dpi = 300)

2. Segundo gráfico

# Creación de la imagen
plot2 <- use_seed(182) %>% 
  entity_heart(2000) %>% 
  unfold_tempest(20, scale = .01) %>% 
  unfold_inside() %>% 
  mutate(order = (inside>0) * order) %>% 
  style_ribbon("oslo", background = "gray10")
plot2

# Exportar imagen
export_image(plot2, "plot2.png", xlim = c(.2,.9),
               ylim = c(.2,.9), dpi = 300) # se puede aumentar el dpi para más resolución

3. Tercer gráfico

# Creación de la imagen 
plot3 <- use_seed(26) %>%
  entity_heart(5000, size = 2) %>%
  unfold_tempest(100, .0075) %>%
  unfold_worley(scatter = TRUE) %>%
  unfold_inside() %>%
  mutate(x = x*(inside>0)) %>%
  style_ribbon("bamako", alpha = c(.1,.01), background = "white") 
plot3

# Exportar la imagen
export_image(plot3, "plot3.png", xlim = c(.2,.95), ylim = c(.2,.95),
             dpi = 300) # se puede aumentar el dpi para más resolución

4. Cuarto gráfico

# Creación de la imagen
plot4 <- use_seed(31) %>%
  entity_heart(1000) %>%
  unfold_meander() %>%
  unfold_inside() %>%
  mutate(y = (inside > 0)*y) %>%
  style_ribbon("lajolla", "ind", c(.3,.1), "wheat")

## Joining, by = c("id", "series", "ind", "type", "seed")

plot4

# Exportación de la imagen
export_image(plot4, "plot4.png", dpi = 300) # se puede aumentar el dpi para más resolución

5. Quinto gráfico

# Creación de la imagen
plot5 <- use_seed(33) %>% 
  entity_heart(2000, size = 4) %>% 
  filter(ind %in% 200:1800) %>% 
  unfold_meander() %>% 
  style_ribbon("cork", "ind", c(.7, 0), "lavender", 50)

## Joining, by = c("id", "series", "ind", "type", "seed")

plot5

# Exportación de la imagen
export_image(plot5, "plot5.png", xlim = c(.1,.9), ylim = c(.1,.9),
             dpi = 300) # se puede aumentar el dpi para más resolución

6. Sexto gráfico

# Creación de la imagen
plot6 <- use_seed(31) %>% 
  entity_heart(1000) %>% 
  unfold_slice() %>% 
  unfold_inside() %>% 
  mutate(y = (inside > 0)*y) %>% 
  style_ribbon("grayC", "order", c(.3,.1)) 
plot6

# Exportación de la imagen
export_image(plot6, "plot6.png", xlim=c(.1,.9), ylim=c(.1,.9),
             dpi = 300) # se puede aumentar el dpi para más resolución

7. Séptimo gráfico

# Creación de la imagen
plot7 <- use_seed(2) %>% 
  scene_grid(1:3, 1:3, "heart", 1000, .5) %>% 
  unfold_slice(10) %>% 
  unfold_inside() %>% 
  mutate(id = id + inside) %>% 
  style_ribbon("rainbow", "id", c(.3, .7)) %>% 
  style_overlay(fill = "#00000088")
plot7

# Exportación de la imagen
export_image(plot7, "plot7.png", xlim=c(.1,.9), ylim=c(.1,.9),
             dpi = 300) # se puede aumentar el dpi para más resolución

8. Octavo gráfico

# Creación de la imagen
plot8 <- use_seed(1) %>% 
  entity_heart(1000) %>% 
  unfold_tempest(100, .01)  %>% 
  style_ribbon(palette_manual("white","black","black","red","orange"),"time") %>% 
  style_overlay(fill = "#00000088")
plot8

# Exportación de la imagen
export_image(plot8, "plot8.png", xlim = c(.2,.8), ylim = c(.2,.8),
             dpi = 300) # se puede aumentar el dpi para más resolución

9. Noveno gráfico

# Creación de la imagen
plot9 <- use_seed(1) %>% 
  scene_grid(1:5, 1:5, "heart", 500, .4) %>% 
  unfold_tempest(100, .01) %>% 
  style_ribbon(palette_manual("white","black","black","red","orange"),"time", c(.3,.05)) %>% 
  style_overlay(fill = "white") 
plot9

# Exportación de la imagen
export_image(plot9, "plot9.png", xlim = c(.1,.9), ylim = c(.1,.9),
             dpi = 300)  # se puede aumentar el dpi para más resolución