Supressão da origem

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

Este exercício faz parte do curso

Visualização de Dados Intermediária com ggplot2

Ver curso

Exercício interativo prático

Transforme a teoria em ação com um de nossos exercícios interativos

Começar o exercício

Este exercício faz parte do curso

Visualização de Dados Intermediária com ggplot2

IntermediárioNível de habilidade

4.8+

757 reviews

Iniciar curso de graça

Uma imagem vale mais que mil palavras, e é por isso que o ggplot2 em R é uma ferramenta tão poderosa para análise gráfica de dados. Neste capítulo, você vai evoluir de simplesmente plotar dados para aplicar vários métodos estatísticos. Isso inclui diferentes 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: Variáveis de agrupamento Exercise 4: Modifying stat_smooth Exercise 5: Modifying 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: Preparações Exercise 11: Usando objetos de posição Exercise 12: Variações de plotagem

As camadas de Coordinates oferecem ferramentas específicas e muito úteis para comunicar dados com eficiência e precisão. Aqui, vamos ver várias formas de usar essas camadas de modo eficaz, para que você possa visualizar claramente conjuntos de dados lognormais, variáveis com unidades e dados periódicos.

Exercise 1: Coordenadas Exercise 2: Dando Zoom Exercise 3: Proporção de aspecto I: razões 1:1 Exercise 4: Proporção de aspecto II: definindo proporções Exercise 5: Expandir e cortar Exercise 6: Coordenadas vs. escalas Exercise 7: Transformando escalas com log Exercise 8: Adicionando estatísticas a escalas transformadas Exercise 9: Eixos duplos e invertidos Exercise 10: Eixos duplos úteis Exercise 11: Invertendo eixos I Exercise 12: Invertendo eixos II Exercise 13: Coordenadas polares Exercise 14: Gráficos de pizza Exercise 15: Gráficos de rosa dos ventos

Facetas permitem dividir gráficos em vários painéis, cada um exibindo subconjuntos do conjunto de dados. Aqui você vai aprender a organizar facetas em wrap e em uma grade, além de criar rótulos personalizados.

Exercise 1: A camada de facets Exercise 2: Noções básicas da camada de facets Exercise 3: Muitas variáveis Exercise 4: Notação de fórmula Exercise 5: Rótulos e ordem de facetas Exercise 6: Rotulando facetas Exercise 7: Definindo a ordem Exercise 8: Espaços de plotagem em facetas Exercise 9: Espaços de plotagem variáveis I: variáveis contínuas Exercise 10: Espaços de plotagem variáveis II: variáveis categóricas Exercise 11: Facet wrap e margens Exercise 12: Quebrando para muitos níveis Exercise 13: Gráficos de margem

Agora que você tem as habilidades técnicas para criar ótimas visualizações, é importante torná-las o mais significativas possível. Neste capítulo, você vai revisar três tipos de gráfico que costumam ser desencorajados na comunidade de visualização de dados: mapas de calor, gráficos de pizza e dynamite plots. Você vai aprender as armadilhas desses gráficos e como evitar cometer esses erros.

Exercise 1: Boas práticas: gráficos de barras Exercise 2: Gráficos de barras: dynamite plots Exercise 3: Gráficos de barras: posicionamento com dodge Exercise 4: Gráficos de barras: usando dados agregados Exercise 5: Cenário de uso de heatmaps Exercise 6: Mapas de calor Exercise 7: Mapas de calor úteis Exercise 8: Alternativas ao heat map Exercise 9: Quando bons dados geram gráficos ruins Exercise 10: Supressão da origem

Exercício atual

Exercise 11: Daltonismo Exercise 12: Problemas típicos