Pomijanie punktu zerowego

Pomijanie punktu zerowego oznacza niepokazywanie wartości 0 na skali ciągłej. Kiedy takie podejście jest nieodpowiednie?

To ćwiczenie jest częścią kursu

Wizualizacja danych na poziomie średniozaawansowanym z ggplot2

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Wizualizacja danych na poziomie średniozaawansowanym z ggplot2

SkillTag.level.intermediateSkillTag.label

4.8+

Rozpocznij kurs za darmo

Jeden wykres potrafi powiedzieć więcej niż długi opis – właśnie dlatego ggplot2 jest tak potężnym narzędziem do graficznej analizy danych. W tym rozdziale przejdziesz od prostego wyświetlania danych do stosowania różnorodnych metod statystycznych. Nauczysz się korzystać z kilku modeli liniowych, statystyk opisowych i wnioskowania statystycznego (średnia, odchylenie standardowe, przedziały ufności) oraz funkcji niestandardowych.

Exercise 1: Statystyki z geomami Exercise 2: Wygładzanie Exercise 3: Grupowanie zmiennych Exercise 4: Modyfikowanie stat_smooth Exercise 5: Modyfikowanie stat_smooth (2)Exercise 6: Statystyki: suma i kwantyl Exercise 7: Kwantyle Exercise 8: Użycie stat_sum Exercise 9: Statystyki poza geomami Exercise 10: Przygotowania Exercise 11: Używanie obiektów pozycji Exercise 12: Wizualizacja wariantów

Warstwa Coordinates oferuje precyzyjne i bardzo użyteczne narzędzia do efektywnego oraz dokładnego prezentowania danych. Nauczysz się różnych sposobów korzystania z tych warstw, aby czytelnie wizualizować zbiory danych o rozkładzie logarytmo-normalnym, zmienne z jednostkami oraz dane periodyczne.

Exercise 1: Współrzędne Exercise 2: Przybliżenie Exercise 3: Proporcje wykresu I: stosunek 1:1 Exercise 4: Proporcje wykresu II: ustawianie proporcji Exercise 5: Rozszerzanie i przycinanie Exercise 6: Współrzędne a skale Exercise 7: Transformacja logarytmiczna skal Exercise 8: Dodawanie statystyk do przekształconych skal Exercise 9: Podwójne i odwrócone osie Exercise 10: Przydatne podwójne osie Exercise 11: Odwracanie osi I Exercise 12: Odwracanie osi II Exercise 13: Współrzędne biegunowe Exercise 14: Wykresy kołowe Exercise 15: Wykresy róży wiatrów

Fasety pozwalają podzielić wykres na wiele paneli, z których każdy przedstawia podzbiór danych. Nauczysz się zawijać fasety i układać je w siatce, a także stosować własne etykiety.

Exercise 1: Warstwa faset Exercise 2: Podstawy warstwy facet Exercise 3: Wiele zmiennych Exercise 4: Notacja formuły Exercise 5: Etykiety i kolejność faset Exercise 6: Etykietowanie facetów Exercise 7: Ustawianie kolejności Exercise 8: Przestrzenie wykresów w fasetach Exercise 9: Zmienne przestrzenie wykresów I: zmienne ciągłe Exercise 10: Zmienne przestrzenie wykresów II: zmienne kategoryczne Exercise 11: Facet wrap i marginesy Exercise 12: Zawijanie dla wielu poziomów Exercise 13: Wykresy z marginesami

Teraz, gdy opanowałeś już umiejętności techniczne potrzebne do tworzenia świetnych wizualizacji, warto zadbać o to, by były jak najbardziej wartościowe. W tym rozdziale przyjrzysz się trzem typom wykresów, które są często odradzane w społeczności wizualizacji danych: mapom ciepła, wykresom kołowym i wykresom dynamitowym. Dowiesz się, jakie pułapki się z nimi wiążą i jak ich unikać.

Exercise 1: Dobre praktyki: wykresy słupkowe Exercise 2: Wykresy słupkowe: dynamite plots Exercise 3: Wykresy słupkowe: pozycjonowanie obok siebie Exercise 4: Wykresy słupkowe: praca z zagregowanymi danymi Exercise 5: Scenariusz użycia map ciepła Exercise 6: Mapy ciepła Exercise 7: Kiedy mapy cieplne są przydatne Exercise 8: Alternatywy dla map ciepła Exercise 9: Kiedy dobre dane tworzą złe wykresy Exercise 10: Pomijanie punktu zerowego

Bieżące ćwiczenie

Exercise 11: Daltonizm Exercise 12: Typowe problemy