Supressão da origem

A supressão da origem refere-se a não mostrar 0 em uma escala contínua. Quando é inadequado suprimir a origem?

Este exercício faz parte do curso

Visualização intermediária de dados com ggplot2

Ver Curso

Exercício interativo prático

Transforme a teoria em ação com um de nossos exercícios interativos

Comece o exercício

Este exercício faz parte do curso

Visualização intermediária de dados com ggplot2

IntermediárioNível de habilidade

4.8+

351 reviews

Iniciar curso gratuitamente

Uma imagem vale mais que mil palavras, e é por isso que o ggplot2 do R é uma ferramenta tão poderosa para a análise de dados gráficos. Neste capítulo, você passará da simples plotagem de dados para a aplicação de vários métodos estatísticos. Isso inclui uma variedade de modelos lineares, estatísticas descritivas e inferenciais (média, desvio padrão e intervalos de confiança) e funções personalizadas.

Exercise 1: Estatísticas com geoms Exercise 2: Suavização Exercise 3: Agrupamento de variáveis Exercise 4: Modificando stat_smooth Exercise 5: Modificando stat_smooth (2)Exercise 6: Estatísticas: soma e quantil Exercise 7: Quantis Exercise 8: Usando stat_sum Exercise 9: Estatísticas fora dos geoms Exercise 10: Preparativos Exercise 11: Uso de objetos de posição Exercise 12: Traçando variações

As camadas de coordenadas oferecem ferramentas específicas e muito úteis para a comunicação de dados com eficiência e precisão. Aqui, veremos as várias maneiras de usar essas camadas de forma eficaz, para que você possa visualizar claramente conjuntos de dados lognormais, variáveis com unidades e dados periódicos.

Exercise 1: Coordenadas Exercise 2: Aumentando o zoom Exercise 3: Relação de aspecto I: Proporções de 1:1 Exercise 4: Proporção de aspecto II: configuração de proporções Exercise 5: Expandir e prender Exercise 6: Coordenadas vs. escalas Exercise 7: Escalas de transformação logarítmica Exercise 8: Adição de estatísticas a escalas transformadas Exercise 9: Eixos duplos e invertidos Exercise 10: Eixos duplos úteis Exercise 11: Inversão de eixos I Exercise 12: Inversão de eixos II Exercise 13: Coordenadas polares Exercise 14: Gráficos de pizza Exercise 15: Gráficos de rosa dos ventos

As facetas permitem que você divida os gráficos em vários painéis, cada um exibindo subconjuntos do conjunto de dados. Aqui você aprenderá a envolver facetas e organizá-las em uma grade, além de fornecer rotulagem personalizada.

Exercise 1: A camada de facetas Exercise 2: Noções básicas de camada de faceta Exercise 3: Muitas variáveis Exercise 4: Notação de fórmulas Exercise 5: Rótulos de facetas e ordem Exercise 6: Facetas de rotulagem Exercise 7: Ordem de configuração Exercise 8: Espaços de plotagem de facetas Exercise 9: Espaços de plotagem de variáveis I: variáveis contínuas Exercise 10: Espaços de plotagem de variáveis II: variáveis categóricas Exercise 11: Envolvimento e margens da faceta Exercise 12: Embalagem para vários níveis Exercise 13: Gráficos de margem

Agora que você tem as habilidades técnicas para fazer ótimas visualizações, é importante torná-las o mais significativas possível. Neste capítulo, você analisará três tipos de gráficos que são comumente desencorajados na comunidade de visualização de dados: mapas de calor, gráficos de pizza e gráficos de dinamite. Você aprenderá as armadilhas dessas tramas e como evitar cometer esses erros.

Exercise 1: Práticas recomendadas: gráficos de barras Exercise 2: Gráficos de barras: gráficos de dinamite Exercise 3: Gráficos de barras: desvio de posição Exercise 4: Gráficos de barras: Uso de dados agregados Exercise 5: Cenário de caso de uso de mapas de calor Exercise 6: Mapas de calor Exercise 7: Mapas de calor úteis Exercise 8: Alternativas de mapas de calor Exercise 9: Quando bons dados geram gráficos ruins Exercise 10: Supressão da origem

Exercício atual

Exercise 11: Daltonismo Exercise 12: Problemas típicos