In this chapter, we focus on visualizing proportions of a whole; we see that pie charts really aren't so bad, along with discussing the waffle chart and stacked bars for comparing multiple proportions.

Grammar of Graphics intro

Familiarizing with disease data

Warming up data-wrangling

The pie chart and its friends

The infamous P-I-E

Cleaning up the pie

How about a waffle?

When to use bars

Basic stacked bars

Ordering stack for readability

Categorical x-axis

Proportions of a whole

We shift our focus now to single-observation or point data and go over when bar charts are appropriate and when they are not, what to use when they are not, and general perception-based enhancements for your charts.

Çubuklar ve noktalar: nokta verisi

Çubuk grafiği uygun mu?

geom_col ile çalışmak

geom_bar ile düzenleme

Nokta grafikler

Sıralı nokta grafiği

Görsel dayanaklar ekleme

Yapıyı göstermek için bölümlendirme.

Grafiklerini ayarlama

Haydi eksenleri çevirelim

Çubukları sadeleştirme

Nokta grafiğine dönüştürme

Point data

We now move on to visualizing distributional data, we expose the fragility of histograms, discuss when it is better to shift to a kernel density plots, and how to make both plots work best for your data.

Importance of distributions

Orienting with the data

Looking at all data

Changing y-axis to density

Histogram nuances

Adjusting the bin numbers

More bars

Bin width by context

The kernel density estimator

Histogram to KDE

Putting a rug down

KDE with lots of data

Single distributions

Finishing off we take a look at comparing multiple distributions to each other. We see why the traditional box plots are very dangerous and how to easily improve them, along with investigating when you should use more advanced alternatives like the beeswarm plot and violin plots.

Intro to comparing distributions

A simple boxplot

Adding some jitter

Faceting to show all colors

Beeswarms and violins

Your first beeswarm

Fiddling with a violin plot

Violins with boxplots

Comparing lots of distributions

Comparing spatially-related distributions

A basic ridgeline plot

Cleaning up your ridgelines

Making it rain (data points)

Wrap-up

Comparing distributions

World Health Organization Disease Dataset

Bu kurs, veri görselleştirme becerilerini temellerin ötesine taşıyıp veri bilimi araç setinin güçlü bir parçasına dönüştürmene yardımcı olacak. Dersler boyunca iki ilginç açık veri kümesini kullanarak farklı veri türlerini (oranlar, nokta verisi, tekil dağılımlar ve birden çok dağılım) ele alacak ve en yaygın görselleştirmelerin artılarını ve eksilerini tartışacağız. Ayrıca, bu veri türleri için daha az yaygın alternatif görselleştirmeleri ve iletmek istediğin mesajı en verimli ve etkili şekilde aktarmak için varsayılan ggplot ayarlarını nasıl ince ayar yapabileceğini de kapsayacağız.

Introduction to Data Visualization with ggplot2

Verilerinizi etkili bir şekilde iletmeyi öğrenin: Grafik türleri ve algıya dayalı stil iyileştirmeleri.

R'de Görselleştirme En İyi Uygulamaları

Yaygın grafikler, alternatif görselleştirme türleri ve algı odaklı stil geliştirmelerine genel bir bakışla verilerinizi etkili bir şekilde aktarmayı öğrenin.

Veri Görselleştirme  in R

Çubuk grafiği uygun mu?

R'de Görselleştirme En İyi Uygulamaları

Uygulamalı interaktif egzersiz