O imagine face cât o mie de cuvinte – tocmai de aceea ggplot2 în R este un instrument atât de puternic pentru analiza grafică a datelor. În acest capitol, vei trece de la simpla reprezentare a datelor la aplicarea unor metode statistice variate. Acestea includ modele liniare, statistici descriptive și inferențiale (medie, abatere standard și intervale de încredere), precum și funcții personalizate.

Statistici cu geom-uri

Netezire

Gruparea variabilelor

Modificarea stat_smooth

Modificarea stat_smooth (2)

Statistici: sumă și cuantilă

Cuantile

Utilizarea stat_sum

Statistici în afara geom-urilor

Pregătiri

Utilizarea obiectelor de poziție

Variații grafice

Statistici

Stratul Coordinates oferă instrumente specifice și foarte utile pentru a comunica datele eficient și precis. Vei explora diferite modalități de a folosi aceste straturi, astfel încât să poți reprezenta clar seturi de date lognormale, variabile cu unități de măsură și date periodice.

Coordonate

Mărire

Raportul de aspect I: rapoarte 1:1

Raportul de aspect II: setarea rapoartelor

Extinde și decupează

Coordonate vs. scale

Transformarea logaritmică a scalelor

Adăugarea statisticilor la scalele transformate

Axe duble și inversate

Axe duble utile

Inversarea axelor I

Inversarea axelor II

Coordonate polare

Diagrame circulare

Diagrame tip rozetă a vântului

Fațetele îți permit să împarți graficele în mai multe panouri, fiecare afișând un subset al setului de date. Vei învăța cum să aranjezi fațetele în formă de grilă sau să le organizezi flexibil, și cum să le adaugi etichete personalizate.

Stratul de fațete

Noțiuni de bază despre stratul de fatetare

Multe variabile

Notația de tip formulă

Etichete și ordine în facete

Etichetarea fatetelor

Setarea ordinii

Spații de reprezentare în facete

Spații de reprezentare variabile I: variabile continue

Spații de reprezentare variabile II: variabile categorice

Facete wrap & margini

Împachetare pentru multe niveluri

Grafice cu margini

Fațete

Acum că ai competențele tehnice pentru a crea vizualizări de calitate, este important să le faci cât mai semnificative. În acest capitol, vei analiza trei tipuri de grafice frecvent descurajate în comunitatea de vizualizare a datelor: hărțile de căldură, graficele circulare și graficele cu bare de eroare tip „dinamită". Vei înțelege capcanele acestor grafice și cum să le eviți.

Bune practici: diagrame cu bare

Diagrame cu bare: dinamita plots

Grafice cu bare: poziționare alăturată

Diagrame cu bare: utilizarea datelor agregate

Scenarii de utilizare a hărților de căldură

Hărți de căldură

Hărți de căldură utile

Alternative la hărțile de căldură

Când datele bune duc la grafice proaste

Suprimarea originii

Daltonismul

Probleme tipice

Bune practici

Acest curs de ggplot2 se bazează pe cunoștințele dobândite în cursul introductiv și te ghidează spre crearea de grafice explicative cu adevărat utile. Vei calcula statistici din mers și vei descoperi cum te ajută straturile Coordinates și Facets să comunici mai clar datele. Vei explora și bunele practici în vizualizarea datelor cu ggplot2, astfel încât să înțelegi ce funcționează și de ce. La finalul cursului, vei avea toate instrumentele necesare pentru a crea o funcție personalizată de reprezentare grafică, combinând statistici și vizualizări de calitate, pentru a explora seturi mari de date.

Introduction to Data Visualization with ggplot2

Învață să folosești fațete, sisteme de coordonate și statistici în ggplot2 pentru grafice explicative.

Vizualizare intermediară a datelor cu ggplot2

Învață să folosești facete, sisteme de coordonate și statistici în ggplot2 pentru a crea grafice explicative relevante.

Când datele bune duc la grafice proaste

Create Your Free Account