Veel distributies vergelijken

Laten we de gefacetteerde plot die we eerder hebben gemaakt opnieuw bekijken, maar nu met onze handige nieuwe technieken. Kunnen we met onze nieuwe plottypes de relaties beter in beeld brengen?

De meegeleverde code maakt dezelfde visualisatie als in de vorige les. Pas de code aan zodat je violin plots gebruikt om de dichtheid te tonen in plaats van jitter plots om de individuele data te tekenen. Verklein, net als in de vorige oefening, de breedte van de boxplot zodat die grotendeels binnen de violin plots valt. Vergeet tot slot niet een ondertitel aan de plot toe te voegen die de kijker vertelt wat de breedte is van de kernel van je violin plots!

Deze oefening maakt deel uit van de cursus

Best practices voor visualisaties in R

Cursus bekijken

Oefeninstructies

Vervang geom_jitter() door geom_violin().
Stel fill = 'steelblue' in en een kernel-standaarddeviatie van 2.5 voor de violin-geometrie.
Verklein de width van geom_boxplot() door deze op 0.3 te zetten.
Voeg de ondertitel Gaussian kernel width: 2.5' toe.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

md_speeding %>% 
    ggplot(aes(x = gender, y = speed)) + 
    # replace with violin plot with kernel width of 2.5, change color argument to fill 
    geom_jitter(alpha = 0.3, color = 'steelblue') +
    # reduce width to 0.3
    geom_boxplot(alpha = 0) +
    facet_wrap(~vehicle_color) +
    labs(
        title = 'Speed of different car colors, separated by gender of driver'
        # add a subtitle w/ kernel width

    )

Code bewerken en uitvoeren