Sebuah gambar bernilai seribu kata, itulah sebabnya R ggplot2 merupakan alat yang sangat kuat untuk analisis data grafis. Pada bab ini, Anda akan melangkah dari sekadar memplot data menjadi menerapkan berbagai metode statistik. Ini mencakup beragam model linear, statistik deskriptif dan inferensial (rata-rata, simpangan baku, dan interval kepercayaan), serta fungsi kustom.

Statistik dengan geom

Pemulusan

Variabel pengelompokan

Memodifikasi stat_smooth

Memodifikasi stat_smooth (2)

Statistik: jumlah dan kuantil

Kuantil

Menggunakan stat_sum

Statistik di luar geom

Persiapan

Menggunakan objek posisi

Variasi pemetaan

Statistik

Lapisan Coordinates menawarkan alat yang spesifik dan sangat berguna untuk mengomunikasikan data secara efisien dan akurat. Di sini kita akan melihat berbagai cara menggunakan lapisan ini secara efektif, sehingga Anda dapat memvisualisasikan dengan jelas himpunan data lognormal, variabel dengan satuan, dan data periodik.

Koordinat

Memperbesar Tampilan

Rasio aspek I: rasio 1:1

Rasio aspek II: mengatur rasio

Perluas dan potong

Koordinat vs. skala

Transformasi skala log

Menambahkan statistik ke skala yang ditransformasikan

Sumbu ganda dan terbalik

Sumbu ganda yang berguna

Membalik sumbu I

Membalik sumbu II

Koordinat polar

Diagram pai

Plot wind rose

Faset memungkinkan Anda membagi plot menjadi beberapa panel, masing-masing menampilkan subset himpunan data. Di sini Anda akan mempelajari cara melakukan facet wrapping dan menatanya dalam sebuah grid, serta memberikan pelabelan kustom.

Lapisan facet

Dasar-dasar layer facet

Banyak variabel

Notasi formula

Label dan urutan facet

Memberi label pada facet

Mengatur urutan

Ruang plotting facet

Ruang plotting variabel I: variabel kontinu

Ruang plotting variabel II: variabel kategorikal

Facet wrap & margin

Membungkus untuk banyak level

Plot margin

Faset

Sekarang Anda memiliki keterampilan teknis untuk membuat visualisasi yang hebat, penting untuk menjadikannya semakna mungkin. Pada bab ini, Anda akan meninjau tiga jenis plot yang sering tidak direkomendasikan dalam komunitas visualisasi data: heat map, pie chart, dan dynamite plot. Anda akan mempelajari jebakan dari plot-plot ini dan cara menghindari kesalahan tersebut.

Praktik terbaik: plot batang

Plot batang: dynamite plots

Diagram batang: posisi dodging

Plot batang: Menggunakan data teragregasi

Skenario penggunaan heatmap

Heat map

Heat map yang bermanfaat

Alternatif heat map

Ketika data yang baik menghasilkan plot yang buruk

Penekanan titik asal (origin)

Buta warna

Masalah yang umum

Praktik Terbaik

Kursus ggplot2 ini membangun pengetahuan Anda dari kursus pengantar untuk menghasilkan plot penjelas yang bermakna. Statistik akan dihitung secara langsung dan Anda akan melihat bagaimana Coordinates dan Facets membantu komunikasi. Anda juga akan mengeksplorasi praktik terbaik visualisasi data dengan ggplot2 untuk memastikan Anda memahami dengan baik apa yang bekerja dan alasannya. Di akhir kursus, Anda akan memiliki semua alat yang diperlukan untuk membuat fungsi plotting kustom guna mengeksplorasi himpunan data yang besar, menggabungkan statistik dan visual yang sangat baik.

Introduction to Data Visualization with ggplot2

Pelajari penggunaan faset, sistem koordinat, dan statistik di ggplot2 untuk membuat plot penjelasan.

Visualisasi Data Tingkat Menengah dengan ggplot2

Pelajari cara menggunakan facet, sistem koordinat, dan statistik dalam ggplot2 untuk membuat grafik penjelasan yang bermakna.

Associate Data Scientist di R

Visualisasi Data  di R

Buta warna

Visualisasi Data Tingkat Menengah dengan ggplot2

Latihan interaktif langsung