Omzetten naar een puntenplot

Onze plot uit de vorige oefening zag er goed uit, maar wat als we juist de waarden aan de onderkant van het aantal gevallen belangrijk vinden? Het is lastig om daar gevoel voor te krijgen, omdat Brazilië en Argentinië het boveneinde van de as zo hoog trekken.

Dit is een goed moment om over te schakelen naar een logaritmische schaal. Let er wel op dat het stapelconcept op een log-schaal niet werkt, dus we stappen over op een puntenplot! Let op het extra filter dat aan de pipeline is toegevoegd. Wat gebeurt er als je de code zonder dat filter draait?

Deze keer passen we de gegevens niet vooraf aan voordat we ze naar ggplot() sturen, maar voegen we scale_y_log10() toe aan onze plot en laat ggplot dat voor ons afhandelen.

Om het af te maken, gebruik theme_minimal() om de visual lichter te maken en verhoog de size van de punten van de standaardwaarde naar 2.

Deze oefening maakt deel uit van de cursus

Best practices voor visualisaties in R

Cursus bekijken

Oefeninstructies

Verander de geometrie van geom_col() naar geom_point().
Vergroot de puntgrootte met size = 2.
Schakel over naar een log-schaal met scale_y_log10().
Maak de achtergrond lichter met theme_minimal().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

amr_pertussis %>% filter(cases > 0) %>% 
	ggplot(aes(x = reorder(country, cases), y = cases)) + 
	# switch geometry to points and set point size = 2
	geom_col() + 
	# change y-axis to log10. 
	___ +
	# add theme_minimal()
	___ +
	coord_flip()

Code bewerken en uitvoeren