Jeden obrázek vydá za tisíc slov – proto je ggplot2 tak mocným nástrojem pro grafickou analýzu dat. V této kapitole se posuneme od jednoduchého vykreslování dat k využití různých statistických metod. Pokryjeme několik typů lineárních modelů, popisnou a inferenční statistiku (průměr, směrodatnou odchylku a intervaly spolehlivosti) i vlastní funkce.

Statistiky s geomy

Vyhlazování

Seskupování proměnných

Úprava stat_smooth

Úprava stat_smooth (2)

Statistiky: součet a kvantil

Kvantily

Použití stat_sum

Statistiky mimo geomy

Přípravy

Použití objektů pozice

Vizualizace variací

Statistika

Vrstva Coordinates nabízí konkrétní a velmi užitečné nástroje pro efektivní a přesné zobrazování dat. Podíváme se na různé způsoby, jak ji využívat, abys dokázal/a přehledně vizualizovat lognormální datové sady, proměnné s jednotkami i periodická data.

Souřadnice

Přiblížení

Poměr stran I: poměr 1:1

Poměr stran II: nastavení poměru

Rozšíření a ořez

Souřadnice vs. osy

Logaritmická transformace os

Přidání statistik k transformovaným osám

Zdvojené a převrácené osy

Užitečné dvojité osy

Překlápění os I

Přehození os II

Polární souřadnice

Koláčové grafy

Grafy větrné růžice

Facety umožňují rozdělit graf do více panelů, z nichž každý zobrazuje část datové sady. Naučíš se, jak facety zalamovat, uspořádat do mřížky a přidat k nim vlastní popisky.

Vrstva faset

Základy vrstvy faset

Mnoho proměnných

Zápisová notace vzorcem

Popisky a pořadí faset

Popisky facetů

Nastavení pořadí

Prostory pro vykreslování facetů

Proměnlivé osy I: spojité proměnné

Variabilní prostory pro vykreslování II: kategorické proměnné

Facet wrap a okraje

Zabalení pro mnoho úrovní

Okrajové grafy

Facety

Teď, když zvládáš technickou stránku tvorby skvělých vizualizací, je důležité, aby byly co nejsmysluplnější. V této kapitole se podíváme na tři typy grafů, od kterých komunita datové vizualizace spíše odrazuje: heatmapy, koláčové grafy a dynamitové grafy. Zjistíš, v čem spočívají jejich úskalí a jak se těmto chybám vyhnout.

Osvědčené postupy: sloupcové grafy

Sloupcové grafy: dynamitové grafy

Sloupcové grafy: rozmístění sloupců vedle sebe

Sloupcové grafy: práce s agregovanými daty

Kdy se hodí heat mapy

Heat mapy

Kdy se heat mapy hodí

Alternativy k tepelným mapám

Když dobrá data dělají špatné grafy

Potlačení počátku osy

Barvoslepost

Typické problémy

Osvědčené postupy

Tento kurz ggplot2 navazuje na znalosti ze základního kurzu a zaměřuje se na tvorbu srozumitelných a přesvědčivých grafů. Statistiky se budou počítat přímo v R a uvidíš, jak vrstvy Coordinates a Facets pomáhají lépe komunikovat data. Prozkoumáš také osvědčené postupy vizualizace dat v ggplot2, abys dobře rozuměl/a tomu, co funguje a proč. Na konci kurzu budeš mít všechny nástroje potřebné k vytvoření vlastní funkce pro vykreslování grafů, která ti pomůže prozkoumat rozsáhlé datové sady – s využitím statistik i kvalitních vizualizací.

Introduction to Data Visualization with ggplot2

Naučte se používat facety, souřadnice a statistiky v ggplot2 pro tvorbu smysluplných grafů.

Intermediate Data Visualization with ggplot2

Naučte se používat fasety, souřadnicové systémy a statistiky v ggplot2 k tvorbě smysluplných vysvětlujících grafů.

Asociovaný datový vědec v R

Vizualizace dat  v R

Kdy se heat mapy hodí

Intermediate Data Visualization with ggplot2

Interaktivní praktické cvičení