I det här kapitlet fokuserar vi på att visualisera andelar av en helhet. Vi ser att cirkeldiagram faktiskt inte är så problematiska som de ofta påstås vara, och vi diskuterar även vaffeldiagram och staplade stapeldiagram för att jämföra flera proportioner.

Introduktion till grafens grammatik

Bekanta dig med sjukdomsdata

Uppvärmning i databearbetning

Cirkeldiagrammet och dess varianter

Det ökända K-A-K-D-I-A-G-R-A-M-M-E-T

Städa upp pajdiagrammet

Vad sägs om ett waffle-diagram?

När ska man använda stapeldiagram

Grundläggande staplade stapeldiagram

Ordna staplar för bättre läsbarhet

Kategorisk x-axel

Andelar av en helhet

Nu riktar vi fokus mot data med enskilda observationer, det vill säga punktdata. Vi går igenom när stapeldiagram är lämpliga och när de inte är det, vad du bör använda i stället, och hur du förbättrar dina diagram utifrån perceptionsbaserade principer.

Staplar och punkter: punktdata

Passar stapeldiagram?

Arbeta med geom_col

Arbeta med geom_bar

Punktdiagram

Sorterat punktdiagram

Lägga till visuella ankarpunkter

Facettering för att visa struktur.

Finjustera dina diagram

Dags att vända på axlarna

Städa upp staplarna

Konvertera till punktdiagram

Punktdata

Här går vi vidare till att visualisera fördelningsdata. Vi undersöker histogrammens svagheter, diskuterar när kärnornstäthetskurvor är ett bättre val, och visar hur du får ut det mesta av båda diagramtyperna.

Fördelningars betydelse

Bekanta dig med datan

Titta på all data

Ändra y-axeln till densitet

Histogrammets nyanser

Justera antalet staplar

Fler staplar

Lådbredd utifrån sammanhang

Kärnans täthetsskattning

Från histogram till KDE

Lägg till ett rug plot

KDE med stora datamängder

Enskilda fördelningar

Som avslutning tittar vi på hur man jämför flera fördelningar med varandra. Vi ser varför traditionella lådagram kan vara missvisande och hur du enkelt förbättrar dem – samt när du bör välja mer avancerade alternativ som beeswarm-diagram och violindiagram.

Introduktion till att jämföra fördelningar

Ett enkelt lådagram

Lägga till jitter

Fasettering för att visa alla färger

Beeswarms och violiner

Ditt första beeswarm-diagram

Justera ett violindiagram

Fiolindiagram med lådagram

Jämföra många fördelningar

Jämföra rumsligt relaterade fördelningar

Ett enkelt ridgeline-diagram

Städa upp dina ridgelinjer

Låt datapunkterna regna

Avslutning

Jämföra fördelningar

World Health Organization Disease Dataset

Den här kursen hjälper dig att ta dina datavisualiseringsfärdigheter bortom grunderna och göra dem till ett kraftfullt verktyg i din datavetenskap. Under kursens gång använder vi två intressanta öppna datamängder för att täcka olika typer av data (proportioner, punktdata, enskilda fördelningar och flera fördelningar) och diskuterar för- och nackdelar med de vanligaste visualiseringstyperna. Dessutom går vi igenom mindre vanliga alternativa visualiseringar för respektive datatyp och hur du justerar ggplots standardinställningar för att förmedla ditt budskap så effektivt som möjligt.

Introduction to Data Visualization with ggplot2

Lär dig att effektivt presentera data med vanliga diagram, alternativa visualiseringar och stilförbättringar.

Visualiseringsmetoder i R

Lär dig att effektivt förmedla dina data med en översikt över vanliga diagram, alternativa visualiseringstyper och perceptionsdrivna stilförbättringar.

Datavisualisering  i R

Passar stapeldiagram?

Visualiseringsmetoder i R

Interaktiv övning med praktiskt arbete