In this chapter, we focus on visualizing proportions of a whole; we see that pie charts really aren't so bad, along with discussing the waffle chart and stacked bars for comparing multiple proportions.

Grammar of Graphics intro

Familiarizing with disease data

Warming up data-wrangling

The pie chart and its friends

The infamous P-I-E

Cleaning up the pie

How about a waffle?

When to use bars

Basic stacked bars

Ordering stack for readability

Categorical x-axis

Proportions of a whole

We shift our focus now to single-observation or point data and go over when bar charts are appropriate and when they are not, what to use when they are not, and general perception-based enhancements for your charts.

Barres et points : données ponctuelles

Les barres sont-elles appropriées ?

Utiliser geom_col

Maîtriser geom_bar

Graphiques en points

Graphique de points ordonné

Ajouter des repères visuels

Utiliser le facettage pour révéler la structure.

Ajuster vos graphiques

Inversions d’axes

Nettoyer l’histogramme

Passer à un nuage de points

Point data

We now move on to visualizing distributional data, we expose the fragility of histograms, discuss when it is better to shift to a kernel density plots, and how to make both plots work best for your data.

Importance of distributions

Orienting with the data

Looking at all data

Changing y-axis to density

Histogram nuances

Adjusting the bin numbers

More bars

Bin width by context

The kernel density estimator

Histogram to KDE

Putting a rug down

KDE with lots of data

Single distributions

Finishing off we take a look at comparing multiple distributions to each other. We see why the traditional box plots are very dangerous and how to easily improve them, along with investigating when you should use more advanced alternatives like the beeswarm plot and violin plots.

Intro to comparing distributions

A simple boxplot

Adding some jitter

Faceting to show all colors

Beeswarms and violins

Your first beeswarm

Fiddling with a violin plot

Violins with boxplots

Comparing lots of distributions

Comparing spatially-related distributions

A basic ridgeline plot

Cleaning up your ridgelines

Making it rain (data points)

Wrap-up

Comparing distributions

World Health Organization Disease Dataset

Ce cours vous aidera à aller au-delà des bases en visualisation de données et à en faire un atout puissant dans votre boîte à outils de data science. Au fil des leçons, nous utiliserons deux jeux de données ouverts intéressants pour couvrir différents types de données (proportions, données ponctuelles, distributions simples et multiples) et discuter des avantages et limites des visualisations les plus courantes. Nous verrons aussi des alternatives moins répandues adaptées à ces types de données, et comment ajuster les paramètres par défaut de ggplot pour transmettre votre message de façon plus efficace et percutante.

Introduction to Data Visualization with ggplot2

Apprenez à présenter vos données avec des graphiques courants, des visualisations alternatives et des styles.

Bonnes pratiques de visualisation avec R

Visualisation des données  en R

Les barres sont-elles appropriées ?

Exercice interactif pratique