Quando bons dados geram gráficos ruins

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Este exercício faz parte do curso

Visualização intermediária de dados com ggplot2

IntermediárioNível de habilidade

4.8+

383 reviews

Iniciar curso de graça

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

Exercício atual

Exercise 10: Supressão da origem Exercise 11: Daltonismo Exercise 12: Problemas típicos