Estetik för kategoriska och kontinuerliga variabler

Många estetiker kan ta emot antingen kontinuerliga eller kategoriska variabler, men vissa är begränsade till kategoriska data. Vilka estetiker är bara tillämpliga på kategoriska data?

Den här övningen är en del av kursen

Introduktion till datavisualisering med ggplot2

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Introduktion till datavisualisering med ggplot2

SkillTag.level.beginnerSkillTag.label

4.8+

Starta kursen gratis

I det här kapitlet lägger vi grunden för att du ska kunna skapa meningsfulla visualiseringar i R. Du lär dig att visualiseringar fungerar som ett kommunikationsverktyg och att det är viktigt att utgå från målgruppen. Du får också en introduktion till grunderna i ggplot2 – de sju grammatiska lagren och estetiska mappningar.

Exercise 1: Introduktion Exercise 2: Utforska och förklara Exercise 3: Rita ditt första diagram Exercise 4: Kolumndatatyper påverkar diagramtyper Exercise 5: Grammatiken bakom grafik Exercise 6: Mappa datakolumner till estetik Exercise 7: Förstå variabler Exercise 8: ggplot2-lager Exercise 9: Lägga till geometrier Exercise 10: Ändra ett eller alla geom Exercise 11: Spara diagram som variabler

Estetiska mappningar är kärnan i den grafiska grammatikens plottingkoncept. Det är här det händer – kontinuerliga och kategoriska data omvandlas till visuella skalor som förmedlar stora mängder information på kort tid. I det här kapitlet lär du dig att välja de bästa estetiska mappningarna för dina data.

Exercise 1: Synliga estetiska egenskaper Exercise 2: Allt om estetik: färg, form och storlek Exercise 3: Om estetik: color kontra fill Exercise 4: Allt om estetik: jämföra estetiska mappningar Exercise 5: Estetik för kategoriska och kontinuerliga variabler

Aktuell övning

Exercise 6: Använda attribut Exercise 7: Om attribut: färg, form, storlek och alpha Exercise 8: Om attribut: konflikter med estetiska mappningar Exercise 9: Fullt ös Exercise 10: Ändra estetiska egenskaper Exercise 11: Uppdatera estetiska etiketter Exercise 12: Sätta en dummyestetik Exercise 13: Bästa praxis för estetik Exercise 14: Lämpliga mappningar

Ett diagrams geometri avgör vilka visuella element som används. I det här kapitlet bekantar vi oss med de geometrier som används i de tre vanligaste diagramtyperna: spridningsdiagram, stapeldiagram och linjediagram. Vi tittar på olika sätt att konstruera dessa diagram.

Exercise 1: Spridningsdiagram Exercise 2: Överplottning 1: stora datamängder Exercise 3: Överlagring 2: Justerade värden Exercise 4: Överplottning 3: Lågprecisionsdata Exercise 5: Överplottning 4: Heltalsdata Exercise 6: Histogram Exercise 7: Rita histogram Exercise 8: Positioner i histogram Exercise 9: Stapeldiagram Exercise 10: Position i stapel- och kolumndiagram Exercise 11: Överlappande stapeldiagram Exercise 12: Stapeldiagram: sekventiell färgpalett Exercise 13: Linjediagram Exercise 14: Grundläggande linjediagram Exercise 15: Flera tidsserier

I det här kapitlet utforskar vi hur en god förståelse för din datas struktur gör datavisualisering mycket enklare. Det är också dags att göra diagrammen snygga. Det här är det sista steget i visualiseringsprocessen. Temalagret gör att du kan skapa publikationskvalitet direkt i R. I nästa kurs tittar vi på ytterligare lager för att lägga till fler variabler i dina diagram.

Exercise 1: Teman från grunden Exercise 2: Flytta legenden Exercise 3: Ändra temaelement Exercise 4: Ändra tomt utrymme Exercise 5: Temats flexibilitet Exercise 6: Inbyggda teman Exercise 7: Utforska ggthemes Exercise 8: Ange teman Exercise 9: Publikationskvalitet på diagram Exercise 10: Effektiva förklarande diagram Exercise 11: Använda geoms för förklarande diagram Exercise 12: Använda annotate() för utsmyckningar