Neste capítulo, vamos focar em visualizar proporções de um todo; veremos que os gráficos de pizza não são tão ruins assim, e também vamos falar sobre o waffle chart e barras empilhadas para comparar múltiplas proporções.

Introdução à Grammar of Graphics

Familiarizando-se com os dados de doenças

Aquecendo a manipulação de dados

O gráfico de pizza e seus amigos

O infame P-I-E

Limpando o gráfico de pizza

Que tal um waffle?

Quando usar barras

Barras empilhadas básicas

Ordenando a pilha para legibilidade

Eixo x categórico

Proporções de um todo

Agora mudamos o foco para dados de observação única, ou dados pontuais, e veremos quando os gráficos de barras são apropriados e quando não são, o que usar quando não forem, e melhorias gerais baseadas em percepção para seus gráficos.

Barras e pontos: dados pontuais

Barras são apropriadas?

Trabalhando com geom_col

Dominando o geom_bar

Gráficos de pontos

Gráfico de pontos ordenado

Adicionando âncoras visuais

Facetando para mostrar a estrutura.

Ajustando seus gráficos

Vamos girar alguns eixos

Limpando as barras

Convertendo para gráfico de pontos

Dados pontuais

Agora seguimos para a visualização de dados de distribuição; mostramos a fragilidade dos histogramas, discutimos quando é melhor mudar para gráficos de densidade por kernel e como fazer ambos funcionarem da melhor forma para seus dados.

Importância das distribuições

Se orientando com os dados

Olhando para todos os dados

Alterando o eixo y para densidade

Nuances de histogramas

Ajustando o número de bins

Mais barras

Largura de classe por contexto

O estimador de densidade por kernel

Histograma para KDE

Colocando um rug no gráfico

KDE com muitos dados

Distribuições simples

Para finalizar, vamos comparar múltiplas distribuições entre si. Veremos por que os box plots tradicionais são muito arriscados e como melhorá-los facilmente, além de investigar quando você deve usar alternativas mais avançadas, como o beeswarm plot e os violin plots.

Introdução à comparação de distribuições

Um boxplot simples

Adicionando jitter

Facetando para mostrar todas as cores

Beeswarms e violinos

Seu primeiro beeswarm

Ajustando um gráfico violino

Violinos com boxplots

Comparando muitas distribuições

Comparando distribuições espacialmente relacionadas

Um ridgeline plot básico

Limpando seus ridgelines

Fazendo chover (pontos de dados)

Encerramento

Comparando distribuições

World Health Organization Disease Dataset

Este curso vai ajudar você a levar suas habilidades de visualização de dados além do básico e transformá-las em uma parte poderosa do seu kit de ferramentas de ciência de dados. Ao longo das aulas, usaremos dois conjuntos de dados abertos interessantes para cobrir diferentes tipos de dados (proporções, dados pontuais, distribuições simples e múltiplas) e discutir os prós e contras das visualizações mais comuns. Além disso, veremos algumas alternativas menos comuns para esses tipos de dados e como ajustar as configurações padrão do ggplot para transmitir sua mensagem de forma mais eficiente e eficaz.

Introduction to Data Visualization with ggplot2

Aprenda a apresentar dados com gráficos comuns, visualizações alternativas e melhorias visuais.

Boas práticas de visualização em R

Visualização de dados  em R

Barras são apropriadas?

Boas práticas de visualização em R

Exercício interativo prático