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.

Geoms ile istatistikler

Yumuşatma

Gruplama değişkenleri

stat_smooth'u değiştirme

stat_smooth'u değiştirme (2)

İstatistikler: toplam ve çeyreklik

Kantiller

stat_sum kullanımı

Geoms dışındaki istatistikler

Hazırlıklar

Konum nesnelerini kullanma

Varyasyonları görselleştirme

Statistics

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.

Coordinates

Zooming In

Aspect ratio I: 1:1 ratios

Aspect ratio II: setting ratios

Expand and clip

Coordinates vs. scales

Log-transforming scales

Adding stats to transformed scales

Double and flipped axes

Useful double axes

Flipping axes I

Flipping axes II

Polar coordinates

Pie charts

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.

The facets layer

Facet layer basics

Many variables

Formula notation

Facet labels and order

Labeling facets

Setting order

Facet plotting spaces

Variable plotting spaces I: continuous variables

Variable plotting spaces II: categorical variables

Facet wrap & margins

Wrapping for many levels

Margin plots

Facets

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.

Best practices: bar plots

Bar plots: dynamite plots

Bar plots: position dodging

Bar plots: Using aggregated data

Heatmaps use case scenario

Heat maps

Useful heat maps

Heat map alternatives

When good data makes bad plots

Suppression of the origin

Color blindness

Typical problems

Best Practices

Bu ggplot2 kursu, giriş seviyesindeki bilgilerini temel alarak anlamlı ve açıklayıcı grafikler üretmeni sağlar. İstatistikler anında hesaplanacak ve Coordinates ile Facets katmanlarının iletişime nasıl katkı sunduğunu göreceksin. Ayrıca ggplot2 ile veri görselleştirmede en iyi uygulamaların ayrıntılarını keşfederek neyin neden işe yaradığını sağlam bir şekilde anlayacaksın. Kursun sonunda, büyük bir veri kümesini keşfetmek için istatistikleri ve etkileyici görselliği birleştiren özel bir çizim fonksiyonu oluşturmak için gereken tüm araçlara sahip olacaksın.

Introduction to Data Visualization with ggplot2

ggplot2'de anlamlı açıklayıcı grafikler oluşturmak için yüzeyler, koordinat sistemleri ve istatistikleri öğrenin.

ggplot2 ile Orta Düzey Veri Görselleştirme

ggplot2'de anlamlı açıklayıcı grafikler oluşturmak için fasetleri, koordinat sistemlerini ve istatistikleri kullanmayı öğrenin.

Yardımcı Veri Bilimcisi in R

Veri Görselleştirme  in R

Konum nesnelerini kullanma

ggplot2 ile Orta Düzey Veri Görselleştirme

Uygulamalı interaktif egzersiz