Çubuk grafikler: Özetlenmiş veriyi kullanma

Eğer çubuk grafikleri kullanmak uygunsa (videoya bak!), her grubun kaç değer içerdiğine dair bir izlenim vermek güzeldir.

stat_summary() sayımı takip etmez. stat_sum() eder (amacı budur) ama erişmesi zordur. En doğrusu, çizdirmek istediğimiz şeyi kendimiz hesaplamaktır.

Burada, her silindir grubu cyl için araç ağırlıklarının ortalamasını (mean_wt), standart sapmalarını (sd_wt) ve sayısını (n_wt) içeren mtcars_by_cyl adlı bir özet veri çerçevesi oluşturduk. Ayrıca, tüm veri kümesinde her silindir grubunun temsil oranını (prop) da içerir. Konsolu kullanarak mtcars_by_cyl veri çerçevesine aşina ol.

Bu egzersiz

ggplot2 ile Orta Düzey Veri Görselleştirme

kursunun bir parçasıdır

Kursu Görüntüle

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Using mtcars_cyl, plot mean_wt vs. cyl
___ +
  # Add a bar layer with identity stat, filled skyblue
  ___

Kodu Düzenle ve Çalıştır

Bu egzersiz

ggplot2 ile Orta Düzey Veri Görselleştirme

kursunun bir parçasıdır

IntermediárioNível de habilidade

4.8+

Kursa Ücretsiz Başlayın

A picture paints a thousand words, which is why R ggplot2 is such a powerful tool for graphical data analysis. In this chapter, you’ll progress from simply plotting data to applying a variety of statistical methods. These include a variety of linear models, descriptive and inferential statistics (mean, standard deviation and confidence intervals) and custom functions.

Exercise 1: Stats with geoms Exercise 2: Smoothing Exercise 3: Grouping variables Exercise 4: Modifying stat_smooth Exercise 5: Modifying stat_smooth (2)Exercise 6: Stats: sum and quantile Exercise 7: Quantiles Exercise 8: Using stat_sum Exercise 9: Stats outside geoms Exercise 10: Preparations Exercise 11: Using position objects Exercise 12: Plotting variations

The Coordinates layers offer specific and very useful tools for efficiently and accurately communicating data. Here we’ll look at the various ways of effectively using these layers, so you can clearly visualize lognormal datasets, variables with units, and periodic data.

Exercise 1: Coordinates Exercise 2: Zooming In Exercise 3: Aspect ratio I: 1:1 ratios Exercise 4: Aspect ratio II: setting ratios Exercise 5: Expand and clip Exercise 6: Coordinates vs. scales Exercise 7: Log-transforming scales Exercise 8: Adding stats to transformed scales Exercise 9: Double and flipped axes Exercise 10: Useful double axes Exercise 11: Flipping axes I Exercise 12: Flipping axes II Exercise 13: Polar coordinates Exercise 14: Pie charts Exercise 15: Wind rose plots

Facets let you split plots into multiple panes, each displaying subsets of the dataset. Here you'll learn how to wrap facets and arrange them in a grid, as well as providing custom labeling.

Exercise 1: The facets layer Exercise 2: Facet layer basics Exercise 3: Many variables Exercise 4: Formula notation Exercise 5: Facet labels and order Exercise 6: Labeling facets Exercise 7: Setting order Exercise 8: Facet plotting spaces Exercise 9: Variable plotting spaces I: continuous variables Exercise 10: Variable plotting spaces II: categorical variables Exercise 11: Facet wrap & margins Exercise 12: Wrapping for many levels Exercise 13: Margin plots

Now that you have the technical skills to make great visualizations, it’s important that you make them as meaningful as possible. In this chapter, you’ll review three plot types that are commonly discouraged in the data viz community: heat maps, pie charts, and dynamite plots. You’ll learn the pitfalls with these plots and how to avoid making these mistakes yourself.

Exercise 1: En iyi uygulamalar: çubuk grafikler Exercise 2: Çubuk grafikler: dinamit grafikler Exercise 3: Çubuk grafikler: konum öteleme (dodging)Exercise 4: Çubuk grafikler: Özetlenmiş veriyi kullanma

Geçerli Egzersiz

Exercise 5: Isı haritaları kullanım senaryosu Exercise 6: Isı haritaları Exercise 7: Kullanışlı ısı haritaları Exercise 8: Isı haritası alternatifleri Exercise 9: İyi veriler kötü grafiklere dönüştüğünde Exercise 10: Başlangıç noktasını bastırma Exercise 11: Renk körlüğü Exercise 12: Tipik sorunlar