Eksploracja i wyjaśnianie

W tym filmie omówiliśmy różnicę między wykresami służącymi do eksploracji danych a wykresami służącymi do ich wyjaśniania. Czym wykresy eksploracyjne zazwyczaj NIE są?

To ćwiczenie jest częścią kursu

Wprowadzenie do wizualizacji danych z ggplot2

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Wprowadzenie do wizualizacji danych z ggplot2

SkillTag.level.beginnerSkillTag.label

4.8+

Rozpocznij kurs za darmo

W tym rozdziale przygotujesz się do tworzenia przemyślanych wizualizacji w R. Dowiesz się, że wizualizacja to narzędzie komunikacji – i że dobry wykres zaczyna się od zastanowienia się nad odbiorcą. Poznasz też podstawy ggplot2: 7 elementów gramatyki grafiki (warstw) oraz mapowania estetyczne.

Exercise 1: Wprowadzenie Exercise 2: Eksploracja i wyjaśnianie

Bieżące ćwiczenie

Exercise 3: Twój pierwszy wykres Exercise 4: Typy kolumn danych a typy wykresów Exercise 5: Gramatyka grafiki Exercise 6: Mapowanie kolumn danych na estetyki Exercise 7: Rozumienie zmiennych Exercise 8: Warstwy ggplot2 Exercise 9: Dodawanie geometrii Exercise 10: Zmiana jednego geom lub wszystkich geomów Exercise 11: Zapisywanie wykresów jako zmienne

Mapowania estetyczne to fundament koncepcji gramatyki grafiki. To właśnie tutaj dzieje się najważniejsza część pracy – dane ciągłe i kategoryczne są przekształcane w wizualne skale, które pozwalają przekazać duże ilości informacji w bardzo krótkim czasie. W tym rozdziale nauczysz się dobierać mapowania estetyczne odpowiednie do swoich danych.

Exercise 1: Widoczne właściwości estetyczne Exercise 2: Estetyki w praktyce: kolor, kształt i rozmiar Exercise 3: Wszystko o estetyce: color a fill Exercise 4: Wszystko o estetyce: porównywanie odwzorowań estetycznych Exercise 5: Estetyki dla zmiennych kategorycznych i ciągłych Exercise 6: Używanie atrybutów Exercise 7: Atrybuty wykresu: kolor, kształt, rozmiar i przezroczystość Exercise 8: Atrybuty w praktyce: konflikty z estetykami Exercise 9: Pełna moc estetyk Exercise 10: Modyfikowanie estetyk Exercise 11: Aktualizowanie etykiet estetycznych Exercise 12: Ustawianie zastępczej estetyki Exercise 13: Najlepsze praktyki dotyczące estetyki Exercise 14: Odpowiednie mapowania

Geometria wykresu decyduje o tym, jakie elementy wizualne zostaną użyte. W tym rozdziale zapoznasz się z geometriami stosowanymi w trzech najczęściej spotykanych typach wykresów: wykresach punktowych, słupkowych i liniowych. Przyjrzymy się różnym sposobom ich konstruowania.

Exercise 1: Wykresy punktowe Exercise 2: Nadmierne nakładanie punktów 1: duże zbiory danych Exercise 3: Nakładanie punktów 2: Wyrównane wartości Exercise 4: Nadmierne nakładanie punktów 3: dane o niskiej precyzji Exercise 5: Nadmierne nakładanie punktów 4: dane całkowite Exercise 6: Histogramy Exercise 7: Rysowanie histogramów Exercise 8: Pozycje na histogramach Exercise 9: Wykresy słupkowe Exercise 10: Pozycja na wykresach słupkowych Exercise 11: Nakładające się słupki Exercise 12: Wykresy słupkowe: sekwencyjna paleta kolorów Exercise 13: Wykresy liniowe Exercise 14: Podstawowe wykresy liniowe Exercise 15: Wiele szeregów czasowych

W tym rozdziale zobaczysz, jak dobra znajomość struktury danych ułatwia ich wizualizację. Czas też zadbać o wygląd wykresów – to ostatni etap procesu tworzenia wizualizacji. Warstwa motywów pozwoli ci tworzyć wykresy o jakości publikacyjnej bezpośrednio w R. W kolejnym kursie przyjrzymy się dodatkowym warstwom, które umożliwią uwzględnienie większej liczby zmiennych na wykresie.

Exercise 1: Motywy od podstaw Exercise 2: Przesuwanie legendy Exercise 3: Modyfikowanie elementów motywu Exercise 4: Modyfikowanie białych znaków Exercise 5: Elastyczność motywów Exercise 6: Wbudowane motywy Exercise 7: Odkrywanie ggthemes Exercise 8: Ustawianie motywów Exercise 9: Wykresy gotowe do publikacji Exercise 10: Skuteczne wykresy wyjaśniające Exercise 11: Używanie geometrii w wykresach wyjaśniających Exercise 12: Używanie annotate() do ozdabiania wykresu