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.

Estadísticas con geoms

Alisado

Agrupación de variables

Modificar stat_smooth

Modificar stat_smooth (2)

Estadísticas: suma y cuantil

Cuantiles

Utilizar stat_sum

Estadísticas fuera de los geoms

Preparativos

Utilizar objetos de posición

Variaciones de trazado

Estadísticas

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.

Coordenadas

Acercar

Relación de aspecto I: Relaciones 1:1

Relación de aspecto II: ajustar relaciones

Expande y sujeta

Coordenadas vs. escalas

Escalas con transformación logarítmica

Añadir estadísticas a escalas transformadas

Ejes dobles y volteados

Ejes dobles útiles

Voltear ejes I

Voltear ejes II

Coordenadas polares

Gráficos circulares

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.

La capa de facetas

Conceptos básicos de las capas de facetas

Muchas variables

Notación de fórmulas

Etiquetas y orden de las facetas

Facetas de etiquetado

Orden de ajuste

Espacios de trazado de facetas

Espacios de trazado de variables I: variables continuas

Espacios de trazado de variables II: variables categóricas

Envoltura y márgenes de las facetas

Envoltorio para muchos niveles

Parcelas de margen

Facetas

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.

Buenas prácticas: gráficos de barras

Parcelas de barras: parcelas dinamita

Tramas de barras: esquivar la posición

Tramas de barras: Utilizar datos agregados

Escenario de uso de los mapas de calor

Mapas de calor

Mapas de calor útiles

Alternativas al mapa de calor

Cuando los buenos datos hacen malas tramas

Supresión del origen

Daltonismo

Problemas típicos

Buenas prácticas

Este curso de ggplot2 se basa en tus conocimientos del curso introductorio para producir gráficos explicativos significativos. Las estadísticas se calcularán sobre la marcha y verás cómo las Coordenadas y las Facetas ayudan en la comunicación. También explorarás los detalles de las mejores prácticas de visualización de datos con ggplot2 para asegurarte de que comprendes bien qué funciona y por qué. Al final del curso, tendrás todas las herramientas necesarias para crear una función de trazado personalizada para explorar un gran conjunto de datos, combinando estadísticas y excelentes efectos visuales.

Introduction to Data Visualization with ggplot2

Aprende a usar facetas, sistemas de coordenadas y estadísticas en ggplot2 para crear gráficos explicativos.

Visualización intermedia de datos con ggplot2

Aprende a utilizar facetas, sistemas de coordenadas y estadísticas en ggplot2 para crear gráficos explicativos significativos.

Científico de datos asociado en R

Visualización de datos  en R

Founder, Scavetta Academy

When good data makes bad plots

Bad plots: style

Bad plots: structure and content

Wrong orientation

Wrong orientation?

Broken y-axes

Broken y-axes, replace with transformed data

Broken y-axes, use facets

3D plots, without data on the 3rd axis

3D plots, with data on the 3rd axis

Double y-axes

Double y-axis for transformations

Guidelines not rules

Let's practice!

https://s3.amazonaws.com/assets.datacamp.com/production/course_37350/subtitles/course_37350_e3d63bfd8e5a83ec1c68909fc5844fac.vtt

Buenas prácticas - Cuando los buenos datos hacen malas tramas

Cuando los buenos datos hacen malas tramas

Create Your Free Account