Aprende GGPLOT2 en R en 5 pasos (desde cero)

Si estás aprendiendo R y quieres empezar a hacer gráficos profesionales, claros y personalizables, hay un paquete que tienes que conocer sí o sí: ggplot2.

En este artículo te voy a explicar ggplot2 en R en 5 pasos, de forma sencilla, práctica y sin rodeos. La idea es que entiendas cómo funciona la lógica de ggplot2, no que copies código sin saber qué hace.

Si vienes del vídeo de YouTube, aquí tienes el mismo contenido pero explicado con más calma y con ejemplos para que puedas probarlos directamente en RStudio.

¿Qué es ggplot2 y por qué es tan importante en R?

Ggplot2 es uno de los paquetes más usados de R para visualización de datos. Se basa en una idea muy clara: un gráfico se construye por capas.

En lugar de tener una función diferente para cada tipo de gráfico, en ggplot2 vas añadiendo capas: datos, ejes, puntos, líneas, colores, temas…

Por eso al principio puede parecer raro, pero cuando lo entiendes, es extremadamente potente.

Paso 1: Instalar y cargar ggplot2 en R

Antes de nada, necesitas tener instalado el paquete.

install.packages("ggplot2")
library(ggplot2)

Si usas R habitualmente, lo normal es que ya lo tengas instalado, pero nunca está de más comprobarlo.

Paso 2: Entender la estructura básica de ggplot()

Todo gráfico con ggplot2 empieza siempre igual:

Aquí hay dos cosas clave:

data: el conjunto de datos que vas a usar.
aes(): las estéticas, es decir, qué variable va en el eje X, cuál en el eje Y, colores, tamaños, etc.

Por ejemplo, usando el dataset mtcars:

Si ejecutas esto, no verás nada. Y esto es normal.

Todavía no le has dicho a ggplot qué tipo de gráfico quieres.

Paso 3: Añadir la primera capa (geom)

Aquí es donde entra la magia de las capas.

Para un gráfico de puntos, usamos geom_point():

Ahora sí, ya tienes un gráfico.

Algunos geom muy usados en ggplot2 son:

geom_point() → gráficos de dispersión
geom_line() → líneas
geom_bar() → barras
geom_histogram() → histogramas
geom_boxplot() → diagramas de caja

Cambiar de tipo de gráfico suele ser tan simple como cambiar el geom.

Paso 4: Personalizar el gráfico (colores, tamaños y grupos)

Uno de los puntos fuertes de ggplot2 es la personalización.

Por ejemplo, si quieres colorear los puntos según el número de cilindros:

Aquí estás haciendo varias cosas:

Usas color dentro de aes() para mapear una variable.
Conviertes cyl en factor para que se trate como categórica.
Ajustas el tamaño de los puntos.

Esto es clave para hacer gráficos explicativos, no solo bonitos.

Paso 5: Mejorar el gráfico (títulos, etiquetas y tema)

Un gráfico sin títulos ni etiquetas no comunica bien.

Con ggplot2 puedes añadir todo esto fácilmente:

ggplot(mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point(size = 3) +
  labs(
    title = "Relación entre peso y consumo",
    x = "Peso del coche",
    y = "Millas por galón",
    color = "Cilindros"
  ) +
  theme_minimal()

Aquí estás:

Añadiendo un título y etiquetas claras.
Cambiando el tema visual del gráfico.
Mejorando la legibilidad sin complicarte.

Resumen rápido: ggplot2 en R en 5 pasos

Para que te lo lleves claro, la lógica de ggplot2 es siempre la misma:

Cargas ggplot2
Defines los datos y las estéticas (ggplot + aes)
Añades un geom
Personalizas colores, tamaños o grupos
Ajustas títulos y tema

Si entiendes esto, ya sabes usar ggplot2 a nivel básico.

Errores típicos al empezar con ggplot2

Algunos fallos muy comunes:

Olvidar el + entre capas
Poner color = "red" dentro de aes() cuando no toca
No convertir variables numéricas en factores
Esperar que ggplot “adivine” el tipo de gráfico

Son errores normales, y todos los hemos cometido.

¿Quieres aprender ggplot2 y R de verdad?

Y si quieres ir un paso más allá, en la academia online tienes cursos estructurados para aprender R de forma ordenada, sin saltos y sin perder tiempo.

R desde cero
Estadística aplicada
Análisis de datos
Visualización con ggplot2