Quand de bonnes données mènent à de mauvais graphiques

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Cette activité fait partie du cours

Visualisation de données intermédiaire avec ggplot2

SkillTag.level.intermediateSkillTag.label

4.8+

Commencer le cours gratuitement

Une image vaut mille mots, et c'est pourquoi ggplot2 dans R est un outil si puissant pour l'analyse graphique des données. Dans ce chapitre, vous passerez de simples tracés de données à l'application de diverses méthodes statistiques, notamment plusieurs modèles linéaires, des statistiques descriptives et inférentielles (moyenne, écart type et intervalles de confiance) et des fonctions personnalisées.

Exercise 1: Statistiques avec des géométries Exercise 2: Lissage Exercise 3: Regrouper des variables Exercise 4: Modifier stat_smooth Exercise 5: Modifier stat_smooth (2)Exercise 6: Statistiques : somme et quantile Exercise 7: Quantiles Exercise 8: Utiliser stat_sum Exercise 9: Stats en dehors des géométries Exercise 10: Préparatifs Exercise 11: Utiliser des objets de position Exercise 12: Variations de tracés

Les couches de coordonnées offrent des outils précis et très utiles pour communiquer des données de façon efficace et fidèle. Nous verrons ici différentes façons d'utiliser ces couches de manière optimale, afin que vous puissiez visualiser clairement des jeux de données lognormaux, des variables avec unités et des données périodiques.

Exercise 1: Coordonnées Exercise 2: Zoom avant Exercise 3: Rapport d'aspect I : rapports 1:1 Exercise 4: Rapport d'aspect II : définir des rapports Exercise 5: Agrandir et rogner Exercise 6: Coordonnées et échelles Exercise 7: Transformation logarithmique des échelles Exercise 8: Ajouter des statistiques à des échelles transformées Exercise 9: Axes doubles et inversés Exercise 10: Axes doubles utiles Exercise 11: Inverser les axes I Exercise 12: Inverser les axes II Exercise 13: Coordonnées polaires Exercise 14: Diagrammes en secteurs Exercise 15: Diagrammes en rose des vents

Les facettes vous permettent de diviser un graphique en plusieurs panneaux, chacun affichant un sous-ensemble du jeu de données. Vous apprendrez ici à enrouler les facettes et à les organiser en grille, ainsi qu'à fournir des étiquettes personnalisées.

Exercise 1: La couche de facettes Exercise 2: Notions de base de la couche de facettes Exercise 3: Plusieurs variables Exercise 4: Notation avec formule Exercise 5: Étiquettes et ordre des facettes Exercise 6: Étiqueter les facettes Exercise 7: Définir l'ordre Exercise 8: Espaces de tracé des facettes Exercise 9: Espaces de tracé variables I : variables continues Exercise 10: Espaces de tracé variables II : variables catégorielles Exercise 11: Regrouper les facettes et marges Exercise 12: Enroulement pour de nombreux niveaux Exercise 13: Graphiques marginaux

Maintenant que vous avez les compétences techniques pour créer d'excellentes visualisations, il est important de les rendre aussi parlantes que possible. Dans ce chapitre, vous passerez en revue trois types de graphiques souvent déconseillés dans la communauté de la visualisation de données : les cartes thermiques, les diagrammes circulaires et les « dynamite plots ». Vous verrez les pièges de ces graphiques et comment éviter de faire ces erreurs vous-même.

Exercise 1: Bonnes pratiques : diagrammes à barres Exercise 2: Graphiques à barres : graphiques « dynamite »Exercise 3: Diagrammes à barres : décalage de position Exercise 4: Graphiques à barres : utiliser des données agrégées Exercise 5: Scénario d'utilisation des cartes thermiques Exercise 6: Cartes thermiques Exercise 7: Cartes thermiques utiles Exercise 8: Solutions de rechange aux cartes thermiques Exercise 9: Quand de bonnes données mènent à de mauvais graphiques

Exercice en cours

Exercise 10: Suppression de l'origine Exercise 11: Daltonisme Exercise 12: Problèmes typiques