Esse vai ser um post bem rápido de data viz, explicando como construir um gráfico com dois eixos y, que tem escalas/unidades distintas.

Em geral não é uma boa ideia construir gráficos desse tipo, mas para alguns casos eles podem ser úteis.

Aqui, uso dados de desmatamento do Prodes e da precipitação média anual, do BDMEP, para o município de Porto Velho (AM). Essa escolha foi arbitrária e o objetivo aqui não é analisar os dados, apenas plotar!

Os dados

Extraí os dados usando a Base dos Dados (especificamente daqui e daqui). A query que construí me gerou duas tabelas.

A primeira, contém a área desmatada no município, por ano:

df_desmatado <- 
  read_csv("https://www.dropbox.com/s/qq9at6hsdyctlpo/df_desmatado.csv?dl=1")

rmarkdown::paged_table(df_desmatado)

A segunda contém a precipitação média anual, para o município:

df_precip_anual <- 
  read_csv("https://www.dropbox.com/s/t635jy650z0i72c/df_mean_precip_anual.csv?dl=1")

rmarkdown::paged_table(df_precip_anual)

Para começar a trabalhar na plotagem, fiz um join destas duas tabelas, já aproveitando para converter a coluna ano para fator:

tabela <- 
  left_join(df_precip_anual,df_desmatado) %>% 
  mutate(ano=as.factor(ano)) %>% 
  na.omit()

## Joining, by = "ano"

rmarkdown::paged_table(tabela)

Nesta tabela existem as duas colunas, com escalas de valores e unidades diferentes.

Eu poderia simplesmente plotar ambas no mesmo gráfico, ignorando essa questão:

tabela %>% # chamando a tabela
  ggplot(aes(x=ano,y=desmatado)) + # referenciando as variáveis
  geom_col(fill='#8492e3',color="black") + # barplot de valores de desmatamento
  geom_line(data=tabela, color='black',lty=2, size=1, # line plot dos valores de precipitação
            aes(x=ano,y=precipitacao_media,group=1), inherit.aes = FALSE) +
  geom_point(data=tabela, color='black', size = 2, # point plot dos valores de precipitação
            aes(x=ano,y=precipitacao_media,group=1), inherit.aes = FALSE) +
  ylab("Área desmatada (ha.)") +
  xlab('Ano') +
  theme_bw() # tema

Entretanto, temos dois problemas aqui: primeiro, praticamente não é possível visualizar a linha, que corresponde aos valores de precipitação. Isso acontece por causa da escala dos valores de desmatamento, que são maiores e norteiam o eixo y. Segundo, temos apenas um eixo y, referente ao desmatamento. Ainda, existe um terceiro problema não correlato com a análise, que é o fato do Brasil estar perdendo, há anos, a guerra contra o desmatamento da amazônia, o nosso maior bem.

O segredo para resolver os dois primeiros problemas está nos argumentos da função scale_y_continuous, especificamente, no argumento sec.axis.

Este argumento duplica o eixo y:

tabela %>% 
  ggplot(aes(x=ano,y=desmatado)) +
  geom_col(fill='#8492e3',color="black") +
  geom_line(data=tabela, color='black',lty=2, size=1,
            aes(x=ano,y=precipitacao_media,group=1), inherit.aes = FALSE) +
  geom_point(data=tabela, color='black', size = 2,
            aes(x=ano,y=precipitacao_media,group=1), inherit.aes = FALSE) +
  scale_y_continuous(sec.axis = sec_axis(~ .,name = "Precipitação média (mm)")) + # duplicando o eixo y e mudando seu nome
  ylab("Área desmatada (ha.)") +
  xlab('Ano') +
  theme_bw() 

Embora tenhamos dois eixos y agora, ainda temos o problema da escala e dos valores, pois ele está literalmente duplicado (apenas o título foi alterado). Este problema pode ser resolvido multiplicando os valores da coluna de precipitação, de uma forma que permita que esta escale com a coluna do desmatado. Nesse caso, vou multiplicar todos valores de precipitação por 10.000, isso vai “puxar” os valores para cima no gráfico:

tabela %>% 
  ggplot(aes(x=ano,y=desmatado)) +
  geom_col(fill='#8492e3',color="black") +
  geom_line(data=tabela, color='black',lty=2, size=1,
            aes(x=ano,y=precipitacao_media*10^4.5,group=1), inherit.aes = FALSE) + # multiplicando os valores de y
  geom_point(data=tabela, color='black', size = 2,
            aes(x=ano,y=precipitacao_media*10^4.5,group=1), inherit.aes = FALSE) + # multiplicando os valores de y
  scale_y_continuous(sec.axis = sec_axis(~ .,name = "Precipitação média (mm)")) +
   ylab("Área desmatada (ha.)") +
  xlab('Ano') +
  theme_bw() 

Agora conseguimos enxergar os valores de precipitação de maneira mais clara. Como foram todos multiplicados pelo mesmo número, a escala deles não se alterou.

Por último, preciso igualar a escala do eixo duplicado, uma vez que os valores que constam no gráfico, são aqueles referentes ao desmatamento.

Para fazer isso simplesmente divido pelo mesmo número que usei para aumentar a escala dos valores (10.000), mas faço isso dentro do argumento sec.axis. No código abaixo, apenas inseri a expressão * 10^-4.5 ao lado da duplicação do eixo:

tabela %>% 
  ggplot(aes(x=ano,y=desmatado)) +
  geom_col(fill='#8492e3',color="black") +
  geom_line(data=tabela, color='black',lty=2, size=1,
            aes(x=ano,y=precipitacao_media*10^4.5,group=1), inherit.aes = FALSE) +
  geom_point(data=tabela, color='black', size = 2,
            aes(x=ano,y=precipitacao_media*10^4.5,group=1), inherit.aes = FALSE) +
  scale_y_continuous(sec.axis = sec_axis(~ . * 10^-4.5,name = "Precipitação média (mm)")) + # dividindo eixo
   ylab("Área desmatada (ha.)") +
  xlab('Ano') +
  theme_bw() 

Essa operação vai ajustar as transformações dos valores de precipitação com o valor da escala duplicada, consertando a escala!

Podemos chamar a tabela de novo apenas para ter certeza que os números fazem sentido:

rmarkdown::paged_table(tabela)

E é isso! O código que gera esses dados pode ser acessado no repo desse site, mas é mais fácil chegar nele por esse repo aqui, que gera apenas o que foi analisado acima :) Nele, também estão contidas as queries de SQL utilizadas para extrair os dados da Base dos Dados.