Summary  
Faceting automatically splits a plot into multiple panels based on one or more categorical variables to facilitate comparison across subgroups.

General domain of usage  
Data visualization

**Faceting** es una técnica poderosa para dividir un gráfico complejo en varios más simples, lo que permite comparar datos entre diferentes categorías. En lugar de crear gráficos separados manualmente para cada grupo (por ejemplo, cada tipo de combustible), `ggplot2` ofrece funciones como `facet_wrap()` y `facet_grid()` para generar automáticamente subgráficos para variables categóricas. Esto facilita la detección de tendencias, valores atípicos y patrones en los subgrupos.

## Ejemplo: Faceting por tipo de combustible
Faceting permite dividir un gráfico en varios paneles según los valores de una variable categórica. En este ejemplo, el diagrama de dispersión de precio de venta frente a kilómetros recorridos se divide en paneles separados para cada tipo de combustible.

```
ggplot(df, aes(x = km_driven, y = selling_price)) +
  geom_point() +
  facet_wrap(~ fuel) +
  labs(title = "Selling Price vs Kilometers Driven (by Fuel Type)")
```

Esto facilita la comparación de relaciones entre categorías, ya que cada tipo de combustible se muestra en su propio gráfico. Los patrones que podrían estar ocultos en un diagrama de dispersión combinado se vuelven más claros al separarlos.

## Ejemplo: Facet grid para combustible y transmisión
Un facet grid se puede utilizar para dividir un gráfico en varios paneles según dos variables categóricas. En este ejemplo, el diagrama de dispersión de precio de venta frente a kilómetros recorridos se divide por **tipo de combustible** (filas) y **tipo de transmisión** (columnas).

```
ggplot(df, aes(x = km_driven, y = selling_price)) +
  geom_point() +
  facet_grid(fuel ~ transmission) +
  labs(title = "Selling Price vs Kilometers Driven (by Fuel and Transmission)")
```

Esta visualización facilita la comparación de cómo varía la relación entre kilometraje y precio no solo por tipo de combustible, sino también por tipo de transmisión. Proporciona una vista clara y comparativa de los patrones entre múltiples categorías.

Comparación de categorías y visualización de frecuencias o valores agregados (por ejemplo, medias)

Visualización de recuentos o valores promedio en variables categóricas como fuel, transmission

Visualización de la distribución de una variable continua

Comprensión de dispersión, asimetría y frecuencia de datos numéricos como selling_price

Visualización de distribuciones suavizadas de variables continuas

Comparación de distribuciones entre categorías (por ejemplo, fuel type)

Exploración de relaciones entre dos variables numéricas

Detección de correlación, patrones o valores atípicos (por ejemplo, km_driven vs selling_price)

División de visualizaciones por categorías

Comparación de tendencias entre subgrupos (por ejemplo, fuel, transmission)

labs(), theme_*(), annotate(), scale_fill_manual()

Mejora de la apariencia y claridad del gráfico

Mejora de legibilidad, accesibilidad y narrativa en visualizaciones

Requisito para construir gráficos flexibles y por capas

Descargar conjunto de datos

Descargar código del capítulo

¿Para qué se utiliza el faceting en ggplot2?

Adquiera experiencia práctica en análisis de datos con R aprendiendo a limpiar, transformar y visualizar conjuntos de datos. Explore flujos de trabajo esenciales como la selección y filtrado de datos, el manejo de valores faltantes y la síntesis de resultados. Desarrolle confianza en la preparación de datos para obtener información, generar informes y realizar exploraciones estadísticas más profundas.

Explore los fundamentos del análisis de datos con R. Aprenda a instalar las herramientas, cargar e inspeccionar conjuntos de datos, seleccionar y filtrar información, ordenar y transformar datos, gestionar valores faltantes y resumir resultados para obtener conocimientos más profundos.

Aprenda a crear visualizaciones atractivas con ggplot2. Construcción de gráficos de barras, histogramas, gráficos de densidad y gráficos de dispersión, con personalización y refinamiento mediante opciones de estilo y facetado para revelar conocimientos más profundos en los datos.

Fortalezca su comprensión de la estadística para el análisis de datos. Aplique medidas descriptivas, identifique y trate valores atípicos, y utilice técnicas de correlación con herramientas visuales como mapas de calor y diagramas de dispersión para descubrir relaciones significativas.

Facetado

Ejemplo: Faceting por tipo de combustible

Ejemplo: Facet grid para combustible y transmisión

Resumen de tipos de gráficos