Mengeksplorasi tampilan

Sekarang Anda dapat menavigasi tampilan untuk melihat plot setiap saham. Jelajahi tampilan untuk mengetahui apa saja yang dapat Anda pelajari secara umum tentang data. Setelah rasa ingin tahu Anda terpuaskan, gunakan keterampilan navigasi tampilan Anda untuk menjawab pertanyaan berikut: Berapa harga tertinggi (high) yang dicapai Nvidia Corporation (simbol: NVDA) pada tahun 2016?

Latihan ini merupakan bagian dari kursus

Visualizing Big Data with Trelliscope in R

Latihan interaktif langsung

Ubah teori menjadi aksi dengan salah satu latihan interaktif kami

Latihan ini merupakan bagian dari kursus

Visualizing Big Data with Trelliscope in R

SkillTag.level.beginnerSkillTag.label

4.8+

Mulai Kursus Gratis

Pelajari berbagai strategi untuk membuat plot big data menggunakan ggplot2, termasuk menghitung dan memplot statistik ringkasan, beragam teknik untuk mengatasi overplotting, serta prinsip small multiples dengan faceting, yang menjadi pengantar ke Trelliscope.

Exercise 1: Memvisualisasikan ringkasan Exercise 2: Jumlah perjalanan harian Exercise 3: Distribusi jumlah ongkos taksi Exercise 4: Distribusi jenis pembayaran Exercise 5: Menambahkan detail lebih lanjut pada ringkasan Exercise 6: Keterkaitan antara durasi perjalanan dan total tarif Exercise 7: Faceting perjalanan harian Exercise 8: Distribusi jumlah tip difaset menurut jenis pembayaran Exercise 9: Memvisualisasikan subset Exercise 10: Membandingkan distribusi ongkos berdasarkan jenis pembayaran Exercise 11: Memvisualisasikan semua subset

Pada bab sebelumnya Anda melihat bagaimana faceting dapat digunakan sebagai teknik yang ampuh untuk memvisualisasikan banyak data yang secara alami dapat dipartisi dengan cara yang bermakna. Kini, dengan menggunakan paket trelliscopejs bersama ggplot2, Anda akan mempelajari cara membuat visualisasi ber-facet ketika jumlah partisi dalam data menjadi terlalu besar untuk ditampilkan secara efektif pada satu layar.

Exercise 1: Faceting dengan TrelliscopeJS Exercise 2: Pemfaktoran Trelliscope gapminder menurut negara Exercise 3: Berinteraksi dengan tampilan TrelliscopeJS Exercise 4: Berinteraksi dengan tampilan Exercise 5: Fitur tambahan TrelliscopeJS Exercise 6: Menyesuaikan tampilan gapminder Exercise 7: Menelaah cognostics baru Exercise 8: Menambahkan kognostik Anda sendiri Exercise 9: Menambahkan cognostics kustom Exercise 10: Menafsirkan kognostik kustom

Antarmuka ggplot2 + trelliscopejs mudah digunakan, tetapi trelliscopejs juga menyediakan mekanisme plotting ber-facet yang memberi Anda fleksibilitas jauh lebih besar dalam memilih sistem plotting yang digunakan dan cara menentukan cognostics. Anda akan mempelajari semuanya pada bab ini!

Exercise 1: Trelliscope di tidyverse Exercise 2: Pengelompokan dan nesting Exercise 3: Tampilan harga saham Exercise 4: Mengeksplorasi tampilan

Latihan Saat Ini

Exercise 5: Kognostik Exercise 6: Menambahkan kognostik Exercise 7: Kognostik dari data frame bertingkat (nested)Exercise 8: Menavigasi plot saham dengan kognostik baru Exercise 9: Opsi Trelliscope Exercise 10: Menyesuaikan tampilan saham Exercise 11: Memvisualisasikan basis data gambar Exercise 12: Memvisualisasikan Pokemon Exercise 13: Pokemon terkuat

<a href="https://www.bixi.com" target="_blank">Jaringan sepeda BIXI Montreal</a> menyediakan data terbuka untuk setiap perjalanan sepeda, termasuk tanggal, waktu, durasi, serta stasiun awal dan akhir perjalanan. Pada bab ini, Anda akan menganalisis data dari lebih dari 4 juta perjalanan sepeda pada tahun 2017, yang berlangsung di antara 546 stasiun. Ada banyak pertanyaan eksplorasi menarik yang dapat diajukan dari data ini, dan Anda akan membuat visualisasi eksplorasi mulai dari statistik ringkasan hingga visualisasi Trelliscope mendetail yang akan memberikan wawasan menarik tentang data tersebut.

Exercise 1: Data sepeda BIXI Montreal Exercise 2: Jumlah perjalanan harian Exercise 3: Menganalisis waktu dalam sehari Exercise 4: Dampak keanggotaan dan hari kerja Exercise 5: Ulasan ringkas visualisasi ringkasan Exercise 6: Plot harian Exercise 7: Melihat semua hari Exercise 8: Himpunan data 100 rute teratas Exercise 9: Memperkaya data: Statistik ringkasan rute Exercise 10: Memvisualisasikan data: Jumlah per jam dalam sehari Exercise 11: Mengevaluasi visualisasi Exercise 12: Au revoir