In questo capitolo ci concentriamo sulla visualizzazione delle proporzioni di un intero: vedremo che i grafici a torta non sono poi così male, e parleremo anche del waffle chart e delle barre impilate per confrontare più proporzioni.

Introduzione alla Grammar of Graphics

Prendere confidenza con i dati sulle malattie

Riscaldamento con il data-wrangling

Il grafico a torta e i suoi amici

La famigerata P-I-E

Pulire il grafico a torta

Che ne dici di un waffle?

Quando usare i grafici a barre

Barre impilate di base

Ordinare lo stack per leggibilità

Asse x categorico

Proporzioni di un intero

Spostiamo ora l’attenzione sui dati a singola osservazione, o dati puntuali, e analizziamo quando i grafici a barre sono appropriati e quando no, cosa usare in alternativa e come migliorare i grafici basandoci sulla percezione visiva.

Barre e punti: dati puntuali

I grafici a barre sono appropriati?

Lavorare con geom_col

Domare geom_bar

Grafici a punti

Grafico a punti ordinato

Aggiungere ancore visive

Faceting per mostrare la struttura.

Ottimizzare i tuoi grafici

Giriamo un po' di assi

Ripulire le barre

Conversione in grafico a punti

Dati puntuali

Passiamo ora alla visualizzazione dei dati distribuzionali: metteremo in luce la fragilità degli istogrammi, discuteremo quando conviene passare ai grafici di densità kernel e come far funzionare al meglio entrambi per i tuoi dati.

Importanza delle distribuzioni

Orientarsi nei dati

Osservare tutti i dati

Modificare l'asse y in densità

Sfumature degli istogrammi

Regolare il numero di bin

Altre barre

Larghezza dei bin in base al contesto

Lo stimatore di densità kernel

Da istogramma a KDE

Aggiungere un rug plot

KDE con molti dati

Distribuzioni singole

Per concludere, esaminiamo il confronto tra più distribuzioni. Vedremo perché i box plot tradizionali possono essere molto fuorvianti e come migliorarli facilmente, oltre a capire quando conviene usare alternative più avanzate come il beeswarm plot e i violin plot.

Introduzione al confronto tra distribuzioni

Un semplice boxplot

Aggiungere un po’ di jitter

Faceting per mostrare tutti i colori

Beeswarm e violini

Il tuo primo beeswarm

Ritoccare un violin plot

Violin con boxplot

Confrontare molte distribuzioni

Confrontare distribuzioni correlate spazialmente

Un ridgeline plot di base

Pulire i tuoi ridgeline

Far piovere (punti dati)

Riepilogo

Confronto tra distribuzioni

World Health Organization Disease Dataset

Questo corso ti aiuterà a portare le tue competenze di visualizzazione dei dati oltre le basi, trasformandole in uno strumento potente del tuo toolkit di data science. Lezioni dopo lezione useremo due interessanti open dataset per coprire diversi tipi di dati (proporzioni, dati puntuali, distribuzioni singole e multiple) e discuteremo pro e contro delle visualizzazioni più comuni. Inoltre, vedremo alcune alternative meno diffuse per questi tipi di dati e come modificare le impostazioni predefinite di ggplot per comunicare il tuo messaggio in modo più efficiente ed efficace.

Introduction to Data Visualization with ggplot2

Impara a comunicare i dati con grafici comuni, visualizzazioni alternative e miglioramenti stilistici.

Buone pratiche di visualizzazione in R

Visualizzazione dei dati  in R

I grafici a barre sono appropriati?

Buone pratiche di visualizzazione in R

esercizio interattivo pratico