W tym rozdziale skupiamy się na wizualizacji proporcji całości. Przekonasz się, że wykresy kołowe wcale nie są takie złe, a przy okazji omówimy wykres waflowy i skumulowane wykresy słupkowe do porównywania wielu proporcji.

Wprowadzenie do gramatyki wykresów

Zapoznanie z danymi o chorobach

Rozgrzewka z przetwarzaniem danych

Wykres kołowy i jego warianty

Legendarny wykres kołowy

Porządkowanie wykresu kołowego

A może waffle?

Kiedy używać wykresów słupkowych

Podstawowe słupki skumulowane

Porządkowanie stosu dla lepszej czytelności

Kategoryczna oś X

Proporcje całości

Teraz przenosimy uwagę na dane jednostkowe, czyli dane punktowe. Dowiesz się, kiedy wykresy słupkowe są właściwym wyborem, a kiedy lepiej sięgnąć po coś innego – oraz jak ulepszać wykresy z myślą o czytelności i percepcji.

Słupki i kropki: dane punktowe

Czy wykresy słupkowe są odpowiednie?

Praca z geom_col

Praca z geom_bar

Wykresy punktowe

Uporządkowany wykres punktowy

Dodawanie wizualnych punktów odniesienia

Fasetowanie dla lepszej struktury.

Dopracuj swoje wykresy

Odwracamy osie

Porządkowanie wykresu słupkowego

Konwersja do wykresu punktowego

Dane punktowe

Czas na wizualizację danych rozkładowych. Pokażemy, jak łatwo histogramy mogą wprowadzić w błąd, omówimy, kiedy warto przejść na wykresy gęstości jądrowej, i wyjaśnimy, jak sprawić, by oba typy wykresów jak najlepiej oddawały charakter twoich danych.

Znaczenie rozkładów

Zapoznanie się z danymi

Analiza wszystkich danych

Zmiana osi Y na gęstość

Niuanse histogramu

Dostosowywanie liczby przedziałów

Więcej słupków

Szerokość przedziału a kontekst danych

Estymator gęstości jądra

Od histogramu do KDE

Dodajemy rug plot

KDE na dużym zbiorze danych

Pojedyncze rozkłady

Na zakończenie przyjrzymy się porównywaniu wielu rozkładów. Zobaczysz, dlaczego tradycyjne wykresy pudełkowe mogą być mylące i jak łatwo je ulepszyć. Zbadamy też, kiedy warto sięgnąć po bardziej zaawansowane alternatywy, takie jak wykres pszczoły (beeswarm) czy wykres skrzypcowy.

Wprowadzenie do porównywania rozkładów

Prosty wykres pudełkowy

Dodawanie jittera

Fasetowanie dla wszystkich kolorów

Wykresy roju pszczół i skrzypcowe

Twój pierwszy beeswarm

Zabawa ze skrzypcowym

Skrzypce z wykresami pudełkowymi

Porównywanie wielu rozkładów

Porównywanie rozkładów powiązanych przestrzennie

Podstawowy wykres grzbietowy

Porządkowanie wykresu grzbietowego

Deszcz punktów danych

Podsumowanie

Porównywanie rozkładów

World Health Organization Disease Dataset

Ten kurs pomoże ci rozwinąć umiejętności wizualizacji danych poza poziom podstawowy i przekształcić je w potężne narzędzie w twoim zestawie Data Science. W kolejnych lekcjach skorzystamy z dwóch interesujących otwartych zbiorów danych, aby omówić różne typy danych (proporcje, dane punktowe, pojedyncze rozkłady i wiele rozkładów) oraz zalety i wady najpopularniejszych wykresów. Poza tym przyjrzymy się mniej popularnym alternatywnym wizualizacjom dla poszczególnych typów danych i pokażemy, jak dostosować domyślne ustawienia ggplot, by jak najskuteczniej przekazać swój komunikat.

Introduction to Data Visualization with ggplot2

Naucz się skutecznie prezentować dane za pomocą wykresów, alternatywnych wizualizacji i stylów.

Najlepsze praktyki wizualizacji danych w R

Naucz się skutecznie przedstawiać dane dzięki przeglądowi popularnych wykresów, alternatywnych typów wizualizacji i ulepszeń stylu opartych na percepcji.

Wizualizacja danych  w R

Czy wykresy słupkowe są odpowiednie?

Najlepsze praktyki wizualizacji danych w R

Interaktywne ćwiczenie praktyczne