A picture paints a thousand words, which is why R ggplot2 is such a powerful tool for graphical data analysis. In this chapter, you’ll progress from simply plotting data to applying a variety of statistical methods. These include a variety of linear models, descriptive and inferential statistics (mean, standard deviation and confidence intervals) and custom functions.

Stats with geoms

Smoothing

Grouping variables

Modifying stat_smooth

Modifying stat_smooth (2)

Stats: sum and quantile

Quantiles

Using stat_sum

Stats outside geoms

Preparations

Using position objects

Plotting variations

Statistics

The Coordinates layers offer specific and very useful tools for efficiently and accurately communicating data. Here we’ll look at the various ways of effectively using these layers, so you can clearly visualize lognormal datasets, variables with units, and periodic data.

Coordinates

Zooming In

Aspect ratio I: 1:1 ratios

Aspect ratio II: setting ratios

Expand and clip

Coordinates vs. scales

Log-transforming scales

Adding stats to transformed scales

Double and flipped axes

Useful double axes

Flipping axes I

Flipping axes II

Polar coordinates

Pie charts

Wind rose plots

Facets let you split plots into multiple panes, each displaying subsets of the dataset. Here you'll learn how to wrap facets and arrange them in a grid, as well as providing custom labeling.

Il layer dei facet

Nozioni di base sul livello di facet

Molte variabili

Notazione con formula

Etichette e ordine dei facet

Etichettare i facet

Impostare l'ordine

Spazi di tracciamento delle facet

Spazi di tracciamento variabili I: variabili continue

Spazi di tracciamento variabili II: variabili categoriche

Facet wrap e margini

Wrappare con molti livelli

Grafici con margini

Facets

Now that you have the technical skills to make great visualizations, it’s important that you make them as meaningful as possible. In this chapter, you’ll review three plot types that are commonly discouraged in the data viz community: heat maps, pie charts, and dynamite plots. You’ll learn the pitfalls with these plots and how to avoid making these mistakes yourself.

Best practices: bar plots

Bar plots: dynamite plots

Bar plots: position dodging

Bar plots: Using aggregated data

Heatmaps use case scenario

Heat maps

Useful heat maps

Heat map alternatives

When good data makes bad plots

Suppression of the origin

Color blindness

Typical problems

Best Practices

Questo corso su ggplot2 amplia le conoscenze acquisite nel corso introduttivo per creare grafici esplicativi davvero efficaci. Le statistiche verranno calcolate al volo e vedrai come Coordinate e Facet aiutano nella comunicazione. Esplorerai anche le buone pratiche di visualizzazione dei dati con ggplot2 per assicurarti una solida comprensione di cosa funziona e perché. Al termine del corso, avrai tutti gli strumenti per creare una funzione di plotting personalizzata per esplorare un grande insieme di dati, combinando statistiche e ottima resa visiva.

Introduction to Data Visualization with ggplot2

Impara a usare faccette, sistemi di coordinate e statistiche in ggplot2 per creare grafici esplicativi.

Visualizzazione dei dati intermedia con ggplot2

Impara a usare le sfaccettature, i sistemi di coordinate e le statistiche in ggplot2 per creare grafici esplicativi che abbiano senso.

Etichette e ordine dei facet

Create Your Free Account