Comparer de nombreuses distributions

Revenons au graphique en treillis réalisé plus tôt, mais cette fois avec nos nouvelles techniques. Avec ces nouveaux types de graphiques, pouvons-nous mieux comprendre les relations?

Le code fourni produit la même visualisation que dans la leçon précédente. Modifiez-le pour utiliser des graphiques en violon afin d'afficher la densité au lieu d'un nuage de points avec gigue pour montrer les données individuelles. Comme dans le dernier exercice, réduisez la largeur du diagramme en boîtes pour qu'il s'insère surtout à l'intérieur des violons. Enfin, n'oubliez pas d'ajouter un sous-titre au graphique indiquant la largeur des noyaux de vos graphiques en violon!

Cette activité fait partie du cours

Les meilleures pratiques de visualisation avec R

Voir le cours

Instructions de l’exercice

Remplacez geom_jitter() par geom_violin().
Définissez fill = 'steelblue' et un écart-type de noyau de 2.5 pour la géométrie du violon.
Réduisez la width de geom_boxplot() en la réglant à 0.3.
Ajoutez le sous-titre Gaussian kernel width: 2.5'.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

md_speeding %>% 
    ggplot(aes(x = gender, y = speed)) + 
    # replace with violin plot with kernel width of 2.5, change color argument to fill 
    geom_jitter(alpha = 0.3, color = 'steelblue') +
    # reduce width to 0.3
    geom_boxplot(alpha = 0) +
    facet_wrap(~vehicle_color) +
    labs(
        title = 'Speed of different car colors, separated by gender of driver'
        # add a subtitle w/ kernel width

    )

Modifier et exécuter le code