Plotear las salidas de WRF
Un simple script para generar plotear las salidas WRF
Entradas
#ggplot2 e #RColorBrewer. Grafico com escala invertida
Para uma apresentação tinha que mostrar uma imagem de fatores de emissão e queria mostrar uma escala com os fatores mais poluentes a os menos com ggplot2 e para a escala usei RColorBrewer .
#ggplot2 #R Simple histograma com media de grupos
Soo uma forma simple de fazer um histograma agrupado em ggplot2 para cegos de cores ( Cookbook ).
R, ggplot2: graficar Intervalos de confianza
Es normal querer graficar intervalos de confianza en las ciencias, y siempre se anda preguntando como hacerlo, sobre todo en R. Pues bien, acá va un tutorial de como hacerlo. Yo lo tengo a partir de las mismas regresiones, pero sa supone puede hacer hacer de cualquier modo. Lo que se necesita es: Límite inferior del intervalo (Yo lo nombre Yi) yi Límite superior del intervalo (Yo lo nombre Yf que viene de final) yf y punto central y Luego necesitamos el valor de X x Por último, necesitamos que todas estas variables estén en una dataframe con columnas y, yi, yf, x , que indican los nombres de las variables de los intervalos de confianza de alguna regresión o datos de error. El dataframe se vería algo así: Luego se puede graficar los intervalos de confianza con ggplot2: Y el gráfico asi
Tópicos em Química Atmosférica - Lista 2
Tarea 2 de Tópicos em Química Atmosférica. Hay que calcular las concentraciones de gases a diferentes alturas. Y ahora graficando con multiplot
#Rstats #ggplot2 #geom_raster() #Calpuff Plotear salidas de Calpuff en R
He estado trabajando para plotear las salidas de concentraciones 24h promedio de Calpuff en R y después de harto trabajo he llegado a muy pocas líneas de programación: Cargaré el archivo de salida de Calpuff, promedio de 24 h: Como se ve, tiene un header de 4 líneas innecesarias hasta llegar a la información que tiene el nombre de las variables, por lo que es necesario cargar el archivo, eliminando esas 4 líneas, automáticamente se eliminará la línea 6 que no tiene información, y despues es necesario llenar los vacíos de los nombres de las variables:
#Rstats #ggplot2: Plotting Functions with stat_function, Adding Labels and Legends. Tunning your plot!
For my Master thesis i need to plot functions, and of course, i'm using ggplot2 vpge0: Vehículo Pasajeros Gasolineros Pre-Euro vpge1: Vehículo Pasajeros Gasolineros Euro 1 vpge3: Vehículo Pasajeros Gasolineros Euro 3 vpge4: Vehículo Pasajeros Gasolineros Euro 4
#PDFTribute: Knowledge is free!
En honor a Aaron Swartz , y gracias al mundo R , ( 1 , 2 , 3 ) El conocimiento es libre
#ggplot2 #R Comparación de modelos de pronósticos de CO y NOx en Buenos Aires, Bogotá y Santiago, con regresiones y redes neuronales en R, ggplot2 y openair
Para el congreso Argentina Ambiental 2012 he estado terminando un resumen extendido, y me tiene muy contento el hecho de aplicar estadística dentro del ámbito de los sistemas ambientales. Para este congreso realicé un pronóstico de CO y NOx para las ciudades de Buenos Aires, Bogotá y Santiago, comparando los resultados de una regresión y redes neuronales. A continuación presentaré dos gráficos que comparan los resultados de forma muy simple y didáctica. Entonces, con las técnicas que no voy a presentar acá genere las regresiones y redes neuronales, y obtuve un CO y NOx pronosticado con cada técnica para cada ciudad. Pensé en graficar con ggplot2 aplicando un factor específico, y se me ocurrió en excel clasificar las el valor absoluto de la diferencia de los pronósticado con lo original, según percentiles del original, así: abs(diferencia)<P(20)=1; es decir, el valor absoluto de la diferencia debe cae dentro del percentil 20 del valor original para que de el valor...
CO y Mortalidad. Análisis con R usando datos cargados de Internet
CO y Mortalidad. Análisis con R usando datos cargados de Internet En Octubre del 2009, en las V Jornadas Latinoamericanas de Química y Física Ambiental , presenté un trabajo que compara el efecto del monóxido de carbono ambiental sobre la mortalidad de los habitantes de Santiago, Chile y Buenos Aires, Argentina . Para este trabajo se tomaron datos de mortalidad total, masculina, femenina, de menores de 14 años, de 14 a 65 y mayores a 65 años de las ciudades de Santiago y Buenos Aires. Para que fuesen comparables utilicé la misma metodología que consiste en un Modelo Semi-Paramétrico de regresión quasi-poisson de la mortalidad esperada sobre los días de la semana, mes, monóxido de carbono, temperatura, humedad relativa y tiempo (variables estadísticamente significativas). Las variables de confusión fueron controladas usando los suavizadores cubic splines . Se consideró sólamente el CO pues esos eran los datos disponibles de monitoreo en Bueno...