En este capítulo nos centramos en visualizar proporciones de un total; verás que los gráficos de sectores no son tan malos, y hablaremos del gráfico de gofre y de las barras apiladas para comparar varias proporciones.

Introducción a Grammar of Graphics

Familiarízate con los datos de enfermedades

Calentando motores con data-wrangling

El gráfico circular y sus amigos

La infame T-A-R-T-A

Limpiar el gráfico de tarta

¿Qué tal un waffle?

Cuándo usar barras

Barras apiladas básicas

Ordenar el apilado para mejorar la lectura

Eje x categórico

Proporciones de un total

Ahora cambiamos el foco a datos de observación única o puntuales y revisamos cuándo son apropiados los gráficos de barras y cuándo no, qué usar cuando no lo son y mejoras basadas en la percepción para tus gráficos.

Barras y puntos: datos puntuales

¿Son apropiadas las barras?

Trabajar con geom_col

Dominar geom_bar

Gráficos de puntos

Gráfico de puntos ordenado

Añadir anclas visuales

Dividir en facetas para mostrar estructura.

Ajusta tus gráficos

Vamos a voltear unos ejes

Limpiar las barras

Convertir a gráfico de puntos

Datos puntuales

Pasamos ahora a visualizar datos distribucionales, mostramos la fragilidad de los histogramas, comentamos cuándo conviene pasar a gráficos de densidad por kernel y cómo hacer que ambos funcionen lo mejor posible con tus datos.

Importancia de las distribuciones

Orientarte con los datos

Mirando todos los datos

Cambiar el eje y a densidad

Matices de los histogramas

Ajustar el número de intervalos

Más barras

Ancho de bin según el contexto

El estimador de densidad por kernel

De histograma a KDE

Añadir un rug plot

KDE con muchos datos

Distribuciones individuales

Para terminar, analizamos la comparación de múltiples distribuciones entre sí. Veremos por qué los diagramas de caja tradicionales pueden ser muy problemáticos y cómo mejorarlos fácilmente, además de cuándo conviene usar alternativas más avanzadas como el gráfico beeswarm y los violin plots.

Introducción a la comparación de distribuciones

Un boxplot sencillo

Añadir un poco de jitter

Facetear para mostrar todos los colores

Beeswarms y violines

Tu primer beeswarm

Afinando un violin plot

Violines con boxplots

Comparar muchas distribuciones

Comparar distribuciones relacionadas espacialmente

Un ridgeline plot básico

Deja impecables tus ridgelines

Haciendo llover (puntos de datos)

Cierre

Comparar distribuciones

World Health Organization Disease Dataset

Este curso te ayudará a llevar tus habilidades de visualización de datos más allá de lo básico y a convertirlas en una parte potente de tu kit de herramientas de ciencia de datos. A lo largo de las lecciones usaremos dos interesantes conjuntos de datos abiertos para cubrir distintos tipos de datos (proporciones, datos puntuales, distribuciones individuales y múltiples distribuciones) y debatiremos los pros y los contras de las visualizaciones más habituales. Además, veremos algunas alternativas menos comunes para estos tipos de datos y cómo ajustar la configuración predeterminada de ggplot para transmitir tu mensaje de la forma más eficaz y eficiente.

Introduction to Data Visualization with ggplot2

Aprende a comunicar datos con gráficos comunes, visualizaciones alternativas y mejoras de estilo.

Buenas prácticas de visualización en R

Visualización de datos  en R

¿Son apropiadas las barras?

Buenas prácticas de visualización en R

ejercicio interactivo práctico