1. Aprender
    2. /
  2. Cursos
    3. /
  3. Introducción a la visualización de datos con ggplot2
  • 1

    Introducción

    Gratuito

    En este capítulo te mostraremos cómo desarrollar visualizaciones significativas con R. Entenderás que, como herramienta de comunicación, las visualizaciones requieren que pienses primero en tu público. También conocerás los fundamentos de ggplot2: los 7 elementos gramaticales diferentes (capas) y los mapeados estéticos.

  • 2

    Estética

    Los mapeados estéticos son la piedra angular del concepto de gramática del trazado gráfico. Aquí es donde se produce la magia: convertir los datos continuos y categóricos en escalas visuales que permitan acceder a una gran cantidad de información en muy poco tiempo. En este capítulo comprenderás cómo elegir los mejores mapeados estéticos para tus datos.

  • 3

    Geometrías

    La geometría de un gráfico dicta qué elementos visuales se utilizarán. En este capítulo, te familiarizarás con las geometrías utilizadas en los tres tipos de gráficos más comunes que encontrarás: gráficos de dispersión, de barras y de líneas. Veremos distintas formas de construir estos gráficos.

  • 4

    Temas

    En este capítulo, explicaremos de qué manera entender la estructura de los datos hace que sea más sencillo generar una mejor visualización de dichos datos. Además, es hora de poner bonitos nuestros gráficos. Este es el último paso del proceso de presentación de los datos. La capa Temas te permitirá hacer gráficos con calidad de publicación directamente en R. En el próximo curso veremos algunas capas adicionales para añadir más variables a tus gráficos.

Initializing

Exercicio

Sobretrazado 1: grandes conjuntos de datos

Los gráficos de dispersión (utilizando geom_point()) son intuitivos, fáciles de entender y muy habituales, pero siempre debemos tener en cuenta la posibilidad de sobretrazar, sobre todo en las cuatro situaciones siguientes:

  1. Grandes conjuntos de datos
  2. Valores alineados en un solo eje
  3. Datos de baja precisión
  4. Datos enteros

Normalmente, se recomienda la mezcla alfa (es decir, añadir transparencia) cuando se utilizan formas sólidas. Como alternativa, puedes utilizar formas opacas y huecas.

Los puntos pequeños son adecuados para grandes conjuntos de datos con regiones de alta densidad (mucho solapamiento).

Utilicemos el conjunto de datos diamonds para practicar el caso del conjunto de datos grande.

Instruções 1/2

undefined XP
  • 1

    Añade una capa de puntos al gráfico base.

    • Ajusta la transparencia del punto a 0.5.
    • Configura shape = ".", el tamaño de punto de 1 píxel.
  • 2

    Actualiza la forma del punto para eliminar los contornos de las líneas ajustando shape a 16.