or
Questo esercizio fa parte del corso
In questo capitolo darai una prima occhiata ai dati con cui lavorerai per tutto il corso: la relazione tra ore lavorate settimanalmente e retribuzione nei paesi europei, secondo l'International Labour Organization (ILO). Subito dopo, entrerai nel vivo e scoprirai un'interessante correlazione tramite una visualizzazione esplorativa. Applicherai poi uno stile personalizzato a quel grafico: trasformerai un plot ordinario in una visualizzazione dei dati unica e gradevole.
Bar chart, scatter plot e istogrammi sono probabilmente le visualizzazioni dei dati più comuni ed efficaci. A volte, però, ci sono modi ancora migliori per mettere in evidenza visivamente il risultato che vuoi comunicare al tuo pubblico. I cosiddetti "dot plot" ci aiutano a cogliere e comprendere meglio i cambiamenti nei dati: ad esempio, l'evoluzione nel tempo. In questo capitolo creerai una visualizzazione personalizzata e unica che enfatizza e spiega esattamente un aspetto della storia che vuoi raccontare.
Un tempo, ricercatori e data analyst producevano i grafici in R e poi li copiavano pazientemente nei documenti LaTeX o Word. Oggi, interi report possono essere generati e rigenerati direttamente da R e RStudio usando il linguaggio RMarkdown, combinando chunk di R, testo formattato, tabelle e grafici. In questo capitolo prenderai i risultati, le evidenze e i grafici ottenuti in precedenza e li integrerai in un report per raccontare la storia che merita di essere raccontata.
Il tuo capo, il tuo cliente o il tuo docente di solito si aspetta risultati accurati e presentati con una struttura chiara e concisa. Tuttavia, proporre anche un report ben formattato e distintivo è sicuramente un valore aggiunto, e RMarkdown può essere personalizzato per raggiungere questo obiettivo. In quest'ultimo capitolo, prenderai il report del capitolo precedente e lo caratterizzerai con uno stile tuo, personalizzato e unico.
Esercizio attuale