Mapas de calor úteis

Mapas de calor costumam ser uma solução ruim de visualização porque normalmente não transmitem informações úteis. Vimos uma boa alternativa no último exercício. Mas às vezes eles SÃO realmente bons. Qual dos cenários a seguir NÃO é um desses casos?

Este exercício faz parte do curso

Visualização de Dados Intermediária com ggplot2

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+

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

Exercício atual

Exercise 8: Alternativas ao heat map Exercise 9: Quando bons dados geram gráficos ruins Exercise 10: Supressão da origem Exercise 11: Daltonismo Exercise 12: Problemas típicos