Jämföra många fördelningar

Nu återvänder vi till det facetterade diagram vi skapade tidigare, men den här gången med våra nya tekniker. Kan vi få en bättre bild av sambanden med de nya diagramtyperna?

Den medföljande koden skapar samma visualisering som du gjorde i föregående lektion. Ändra koden så att violindiagram används för att visa tätheten i stället för jitter-diagram för att rita de enskilda datapunkterna. Precis som i föregående övning, minska boxplotbredden så att de i huvudsak hamnar inuti violindiagrammen. Glöm inte att lägga till en underrubrik i diagrammet som talar om för läsaren vilken kärnbredd dina violindiagram använder!

Den här övningen är en del av kursen

Visualiseringsmetoder i R

Visa kurs

Övningsinstruktioner

Ersätt geom_jitter() med geom_violin().
Ange fill = 'steelblue' och en kärnstandardavvikelse på 2.5 för violin-geometrin.
Minska geom_boxplot()-bredden genom att sätta width till 0.3.
Lägg till underrubriken Gaussian kernel width: 2.5.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

    )

Redigera och kör kod