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.

Statystyki z geomami

Wygładzanie

Grupowanie zmiennych

Modyfikowanie stat_smooth

Modyfikowanie stat_smooth (2)

Statystyki: suma i kwantyl

Kwantyle

Użycie stat_sum

Statystyki poza geomami

Przygotowania

Używanie obiektów pozycji

Wizualizacja wariantów

Statystyki

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.

Współrzędne

Przybliżenie

Proporcje wykresu I: stosunek 1:1

Proporcje wykresu II: ustawianie proporcji

Rozszerzanie i przycinanie

Współrzędne a skale

Transformacja logarytmiczna skal

Dodawanie statystyk do przekształconych skal

Podwójne i odwrócone osie

Przydatne podwójne osie

Odwracanie osi I

Odwracanie osi II

Współrzędne biegunowe

Wykresy kołowe

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.

Warstwa faset

Podstawy warstwy facet

Wiele zmiennych

Notacja formuły

Etykiety i kolejność faset

Etykietowanie facetów

Ustawianie kolejności

Przestrzenie wykresów w fasetach

Zmienne przestrzenie wykresów I: zmienne ciągłe

Zmienne przestrzenie wykresów II: zmienne kategoryczne

Facet wrap i marginesy

Zawijanie dla wielu poziomów

Wykresy z marginesami

Fasety

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.

Dobre praktyki: wykresy słupkowe

Wykresy słupkowe: dynamite plots

Wykresy słupkowe: pozycjonowanie obok siebie

Wykresy słupkowe: praca z zagregowanymi danymi

Scenariusz użycia map ciepła

Mapy ciepła

Kiedy mapy cieplne są przydatne

Alternatywy dla map ciepła

Kiedy dobre dane tworzą złe wykresy

Pomijanie punktu zerowego

Daltonizm

Typowe problemy

Dobre praktyki

Ten kurs ggplot2 rozwija wiedzę zdobytą podczas kursu wprowadzającego i uczy tworzenia czytelnych, przekonujących wykresów. Nauczysz się obliczać statystyki w locie oraz zobaczysz, jak warstwy Coordinates i Facets usprawniają komunikację danych. Poznasz też szczegóły najlepszych praktyk wizualizacji w ggplot2, by dobrze rozumieć, co działa i dlaczego. Po ukończeniu kursu będziesz mieć wszystkie narzędzia potrzebne do stworzenia własnej funkcji wykresów, która łączy statystyki z doskonałą grafiką i pozwala eksplorować duże zbiory danych.

Introduction to Data Visualization with ggplot2

Naucz się używać faset, układów współrzędnych i statystyk w ggplot2 do tworzenia wyjaśniających wykresów.

Wizualizacja danych na poziomie średniozaawansowanym z ggplot2

Naucz się używać faset, układów współrzędnych i statystyk w ggplot2, aby tworzyć czytelne wykresy objaśniające.

Scenariusz użycia map ciepła

Create Your Free Account