Сравнение множества распределений

Вернёмся к фасетному графику, который мы строили ранее, но теперь применим новые приёмы. Помогут ли новые типы диаграмм лучше разобраться в зависимостях?

Приведённый код воспроизводит ту же визуализацию, что вы создали на предыдущем уроке. Измените код: используйте скрипичные диаграммы для отображения плотности вместо диаграмм с джиттером для отрисовки отдельных точек. Как и в предыдущем упражнении, уменьшите ширину ящиков с усами, чтобы они в основном располагались внутри скрипичных диаграмм. Не забудьте добавить подзаголовок, сообщающий зрителю ширину ядра скрипичной диаграммы!

Это упражнение является частью курса

Лучшие практики визуализации в R

Посмотреть курс

Инструкции к упражнению

Замените geom_jitter() на geom_violin().
Задайте fill = 'steelblue' и стандартное отклонение ядра 2.5 для геометрии скрипичной диаграммы.
Уменьшите width у geom_boxplot(), установив значение 0.3.
Добавьте подзаголовок Gaussian kernel width: 2.5.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

md_speeding %>% 
    ggplot(aes(x = gender, y = speed)) + 
    # replace with violin plot with kernel width of 2.5, change color argument to fill 
    geom_jitter(alpha = 0.3, color = 'steelblue') +
    # reduce width to 0.3
    geom_boxplot(alpha = 0) +
    facet_wrap(~vehicle_color) +
    labs(
        title = 'Speed of different car colors, separated by gender of driver'
        # add a subtitle w/ kernel width

    )

Редактировать и запускать код