Cel mai puternic Pokémon

Acum că avem afișajul nostru, poți răspunde cine este cel mai puternic (în raport cu attack) Pokémon din prima generație (generation_id) de tipul (type_1) „foc"?

Acest exercițiu face parte din cursul

Vizualizarea datelor mari cu Trelliscope în R

Vezi cursul

Exercițiu interactiv practic

Transformă teoria în practică cu unul dintre exercițiile noastre interactive

Începe exercițiul

Acest exercițiu face parte din cursul

Vizualizarea datelor mari cu Trelliscope în R

SkillTag.level.beginnerSkillTag.label

4.8+

43 reviews

Începe cursul gratuit

Învață diferite strategii pentru reprezentarea grafică a datelor mari folosind ggplot2, inclusiv calculul și vizualizarea statisticilor sumare, diverse tehnici pentru a gestiona suprapunerea punctelor și principiile micilor multipli cu fatetarea, care conduce spre Trelliscope.

Exercise 1: Vizualizarea rezumatelor Exercise 2: Numărul de curse zilnice Exercise 3: Distribuția tarifului de taxi Exercise 4: Distribuția tipului de plată Exercise 5: Adăugarea mai multor detalii la sumare Exercise 6: Relația dintre durata curselor și tariful total Exercise 7: Fatetarea curselor zilnice Exercise 8: Distribuția bacșișului în funcție de tipul de plată Exercise 9: Vizualizarea subseturilor Exercise 10: Compararea distribuției tarifelor după tipul de plată Exercise 11: Vizualizarea tuturor subseturilor

În capitolul anterior ai văzut cum fatetarea poate fi o tehnică eficientă pentru vizualizarea unui volum mare de date ce pot fi împărțite în mod natural în partiții semnificative. Acum, folosind pachetul trelliscopejs împreună cu ggplot2, vei învăța cum să creezi vizualizări fatetate atunci când numărul de partiții din date devine prea mare pentru a fi afișat eficient pe un singur ecran.

Exercise 1: Faceting cu TrelliscopeJS Exercise 2: Fatetare Trelliscope pentru gapminder pe țări Exercise 3: Interacțiunea cu afișajele TrelliscopeJS Exercise 4: Interacțiunea cu vizualizarea Exercise 5: Funcționalități suplimentare ale TrelliscopeJS Exercise 6: Personalizarea afișajului gapminder Exercise 7: Explorarea noilor cognostice Exercise 8: Adaugă propriile tale cognostice Exercise 9: Adăugarea de cognostici personalizați Exercise 10: Interpretarea cognosticilor personalizați

Interfața ggplot2 + trelliscopejs este ușor de utilizat, însă trelliscopejs oferă și un mecanism de reprezentare fatetată care îți dă mult mai multă flexibilitate în alegerea sistemului de reprezentare grafică și în modul de specificare a cognosticelor. Vei afla totul despre acestea în acest capitol!

Exercise 1: Trelliscope în tidyverse Exercise 2: Grupare și imbricare Exercise 3: Afișarea prețurilor acțiunilor Exercise 4: Explorarea afișajului Exercise 5: Cognostice Exercise 6: Adăugarea cognosticelor Exercise 7: Cognostice din data frame-uri imbricate Exercise 8: Navigarea graficelor de acțiuni cu noi cognostici Exercise 9: Opțiuni Trelliscope Exercise 10: Personalizarea afișajului pentru acțiuni Exercise 11: Vizualizarea bazelor de date de imagini Exercise 12: Vizualizarea datelor Pokémon Exercise 13: Cel mai puternic Pokémon

Exercițiul curent

<a href="https://www.bixi.com" target="_blank">Rețeaua de biciclete BIXI din Montreal</a> pune la dispoziție date deschise pentru fiecare cursă, inclusiv data, ora, durata și stațiile de plecare și sosire. În acest capitol, vei analiza date din peste 4 milioane de curse efectuate în 2017, între 546 de stații. Există multe întrebări exploratorii interesante pe care le poți adresa acestor date, iar tu vei crea vizualizări exploratorii care merg de la statistici sumare până la vizualizări detaliate în Trelliscope, oferindu-ți perspective valoroase asupra datelor.

Exercise 1: Date despre bicicletele BIXI din Montreal Exercise 2: Numărul de curse zilnice Exercise 3: Explorarea distribuției pe ore din zi Exercise 4: Efectul abonamentului și al zilei din săptămână Exercise 5: Recapitulare: vizualizări de tip sumar Exercise 6: Grafice zilnice Exercise 7: Privind toate zilele Exercise 8: Setul de date pentru cele mai frecventate 100 de rute Exercise 9: Îmbogățirea datelor: statistici sumare pe rute Exercise 10: Vizualizarea datelor: număr de curse pe oră din zi Exercise 11: Evaluarea vizualizării Exercise 12: La revedere