Daltonismo

Il daltonismo rosso-verde è sorprendentemente diffuso, il che significa che una parte del tuo pubblico non riuscirà a leggere il tuo grafico se fai affidamento solo sull’estetica del colore.

Perché potrebbe comunque essere appropriato usare rosso e verde in un grafico?

Questo esercizio fa parte del corso

Visualizzazione dei dati intermedia con ggplot2

Visualizza corso

esercizio interattivo pratico

Trasforma la teoria in pratica con uno dei nostri esercizi interattivi

Inizia esercizio

Questo esercizio fa parte del corso

Visualizzazione dei dati intermedia con ggplot2

IntermediárioNível de habilidade

4.8+

Inizia il corso gratuitamente

Un’immagine vale più di mille parole: ecco perché ggplot2 in R è uno strumento così potente per l’analisi grafica dei dati. In questo capitolo passerai dal semplice plotting dei dati all’applicazione di vari metodi statistici, tra cui diversi modelli lineari, statistiche descrittive e inferenziali (media, deviazione standard e intervalli di confidenza) e funzioni personalizzate.

Exercise 1: Statistiche con i geoms Exercise 2: Smussamento Exercise 3: Variabili di raggruppamento Exercise 4: Modificare stat_smooth Exercise 5: Modifying stat_smooth (2)Exercise 6: Statistiche: somma e quantile Exercise 7: Quantili Exercise 8: Uso di stat_sum Exercise 9: Statistiche al di fuori dei geoms Exercise 10: Preparativi Exercise 11: Uso degli oggetti di posizione Exercise 12: Variazioni di grafico

I livelli di Coordinate offrono strumenti specifici e molto utili per comunicare i dati in modo efficiente e accurato. Qui vedremo i vari modi per usare al meglio questi livelli, così potrai visualizzare chiaramente insiemi di dati lognormali, variabili con unità di misura e dati periodici.

Exercise 1: Coordinate Exercise 2: Zoom avanti Exercise 3: Rapporto d'aspetto I: rapporti 1:1 Exercise 4: Rapporto d'aspetto II: impostare i rapporti Exercise 5: Espansione e ritaglio Exercise 6: Coordinate vs. scale Exercise 7: Trasformare le scale in log Exercise 8: Aggiungere statistiche a scale trasformate Exercise 9: Assi doppi e ribaltati Exercise 10: Doppi assi utili Exercise 11: Invertire gli assi I Exercise 12: Invertire gli assi II Exercise 13: Coordinate polari Exercise 14: Grafici a torta Exercise 15: Grafici a rosa dei venti

I Facet ti permettono di suddividere i grafici in più pannelli, ognuno con subset dell’insieme di dati. Qui imparerai a avvolgere i facet e disporli in una griglia, oltre a fornire etichette personalizzate.

Exercise 1: Il layer dei facet Exercise 2: Nozioni di base sul livello di facet Exercise 3: Molte variabili Exercise 4: Notazione con formula Exercise 5: Etichette e ordine dei facet Exercise 6: Etichettare i facet Exercise 7: Impostare l'ordine Exercise 8: Spazi di tracciamento delle facet Exercise 9: Spazi di tracciamento variabili I: variabili continue Exercise 10: Spazi di tracciamento variabili II: variabili categoriche Exercise 11: Facet wrap e margini Exercise 12: Wrappare con molti livelli Exercise 13: Grafici con margini

Ora che hai le competenze tecniche per creare ottime visualizzazioni, è importante renderle il più significative possibile. In questo capitolo passerai in rassegna tre tipi di grafico spesso sconsigliati nella community della data viz: heat map, grafici a torta e dynamite plot. Imparerai le insidie di questi grafici e come evitare di commettere tu stesso questi errori.

Exercise 1: Buone pratiche: grafici a barre Exercise 2: Bar plot: dynamite plot Exercise 3: Grafici a barre: position dodging Exercise 4: Grafici a barre: uso di dati aggregati Exercise 5: Scenario d’uso delle heatmap Exercise 6: Mappe di calore Exercise 7: Heat map utili Exercise 8: Alternative alle heat map Exercise 9: Quando dati validi producono grafici pessimi Exercise 10: Soppressione dell'origine Exercise 11: Daltonismo

Esercizio attuale

Exercise 12: Problemi tipici