Z histogramu na KDE

V těchto cvičeních se zaměříme na podmnožinu dat o pokutách udělených vozidlům kategorie "Heavy Duty Truck". Představ si, že jsi zkušený řidič kamionu a chceš vědět, kdy je provoz na silnici nejrizikovější. Velikost vzorku je zde pouze 32 pozorování.

Níže najdeš kód, který vytváří výchozí histogram v ggplotu. Nepřekvapivě není příliš přehledný – dat není dost ani na to, aby zaplnila 30 sloupců, takže je obtížné z grafu cokoliv vyčíst. Změň typ geometrie na KDE pomocí geom_density(). A aby byla vizualizace co nejtransparentnější, přidej do grafu podtitulek s informací o šířce pásma použitého pro KDE.

Toto cvičení je součástí kurzu

Vizualizace dat v R – nejlepší postupy

Zobrazit kurz

Pokyny k cvičení

Změň geometrii histogramu na hustotní (geom_density()).
Uprav výchozí šířku pásma na 1.5 jednotky.
Přidej do grafu subtitle "Gaussian kernel SD = 1.5", aby čtenář věděl, jaká šířka pásma jádra byla použita.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# filter data to just heavy duty trucks
truck_speeding <- md_speeding %>% 
    filter(vehicle_type == "Heavy Duty Truck")
 
ggplot(truck_speeding, aes(x = hour_of_day)) +
    # switch to density with bin width of 1.5, keep fill 
    geom_histogram(fill = 'steelblue') +
    # add a subtitle stating binwidth
    labs(title = 'Citations by hour')

Upravit a spustit kód