Daltonismo

El daltonismo rojo-verde es sorprendentemente frecuente, lo que significa que una parte de tu público no podrá entender tu argumento si te basas en la estética del color.

¿Por qué sería apropiado utilizar el rojo y el verde en una trama?

Este ejercicio forma parte del curso

Visualización intermedia de datos con ggplot2

Ejercicio interactivo práctico

Pon en práctica la teoría con uno de nuestros ejercicios interactivos

Empezar ejercicio

Este ejercicio forma parte del curso

Visualización intermedia de datos con ggplot2

IntermedioNivel de habilidad

4.7+

Comienza el curso gratis

Una imagen vale más que mil palabras, por eso R ggplot2 es una herramienta tan potente para el análisis gráfico de datos. En este capítulo, pasarás del simple trazado de datos a la aplicación de diversos métodos estadísticos. Incluyen diversos modelos lineales, estadísticas descriptivas e inferenciales (media, desviación típica e intervalos de confianza) y funciones personalizadas.

Exercise 1: Estadísticas con geoms Exercise 2: Alisado Exercise 3: Agrupación de variables Exercise 4: Modificar stat_smooth Exercise 5: Modificar stat_smooth (2)Exercise 6: Estadísticas: suma y cuantil Exercise 7: Cuantiles Exercise 8: Utilizar stat_sum Exercise 9: Estadísticas fuera de los geoms Exercise 10: Preparativos Exercise 11: Utilizar objetos de posición Exercise 12: Variaciones de trazado

Las capas de Coordenadas ofrecen herramientas específicas y muy útiles para comunicar datos con eficacia y precisión. Aquí veremos las distintas formas de utilizar eficazmente estas capas, para que puedas visualizar claramente conjuntos de datos lognormales, variables con unidades y datos periódicos.

Exercise 1: Coordenadas Exercise 2: Acercar Exercise 3: Relación de aspecto I: Relaciones 1:1 Exercise 4: Relación de aspecto II: ajustar relaciones Exercise 5: Expande y sujeta Exercise 6: Coordenadas vs. escalas Exercise 7: Escalas con transformación logarítmica Exercise 8: Añadir estadísticas a escalas transformadas Exercise 9: Ejes dobles y volteados Exercise 10: Ejes dobles útiles Exercise 11: Voltear ejes I Exercise 12: Voltear ejes II Exercise 13: Coordenadas polares Exercise 14: Gráficos circulares Exercise 15: Parcelas de rosa de los vientos

Las facetas te permiten dividir los gráficos en varios paneles, cada uno de los cuales muestra subconjuntos del conjunto de datos. Aquí aprenderás a envolver facetas y a organizarlas en una cuadrícula, así como a proporcionarles un etiquetado personalizado.

Exercise 1: La capa de facetas Exercise 2: Conceptos básicos de las capas de facetas Exercise 3: Muchas variables Exercise 4: Notación de fórmulas Exercise 5: Etiquetas y orden de las facetas Exercise 6: Facetas de etiquetado Exercise 7: Orden de ajuste Exercise 8: Espacios de trazado de facetas Exercise 9: Espacios de trazado de variables I: variables continuas Exercise 10: Espacios de trazado de variables II: variables categóricas Exercise 11: Envoltura y márgenes de las facetas Exercise 12: Envoltorio para muchos niveles Exercise 13: Parcelas de margen

Ahora que tienes las habilidades técnicas para hacer grandes visualizaciones, es importante que las hagas tan significativas como sea posible. En este capítulo, repasarás tres tipos de gráficos que suelen desaconsejarse en la comunidad de visualización de datos: los mapas de calor, los gráficos circulares y los gráficos dinamita. Aprenderás las trampas de estas tramas y cómo evitar cometer esos errores tú mismo.

Exercise 1: Buenas prácticas: gráficos de barras Exercise 2: Parcelas de barras: parcelas dinamita Exercise 3: Tramas de barras: esquivar la posición Exercise 4: Tramas de barras: Utilizar datos agregados Exercise 5: Escenario de uso de los mapas de calor Exercise 6: Mapas de calor Exercise 7: Mapas de calor útiles Exercise 8: Alternativas al mapa de calor Exercise 9: Cuando los buenos datos hacen malas tramas Exercise 10: Supresión del origen Exercise 11: Daltonismo

Ejercicio actual

Exercise 12: Problemas típicos