Özel bilişsel ölçütleri yorumlama

Hangi kıtada, ülkelerinin en yüksek sayısı yaşam beklentisini 30 yılın üzerine çıkardı?

Bu egzersiz, kursun bir parçasıdır

R ile Trelliscope kullanarak Büyük Veriyi Görselleştirme

Kursa Göz Atın

Uygulamalı etkileşimli egzersiz

Teoriyi etkileşime dönüştürün, interaktif egzersizlerimizden biriyle

Egzersize başla

Bu egzersiz, kursun bir parçasıdır

R ile Trelliscope kullanarak Büyük Veriyi Görselleştirme

InicianteNível de habilidade

4.8+

Kursa Ücretsiz Başla

Özet istatistikleri hesaplayıp görselleştirme, üst üste binmeyi azaltmaya yönelik çeşitli teknikler ve küçük çokluların (faceting) ilkeleri gibi, ggplot2 kullanarak büyük veriyi çizmek için farklı stratejileri öğren. Bu da seni Trelliscope’a götürecek.

Exercise 1: Özetleri görselleştirme Exercise 2: Günlük yolculuk sayıları Exercise 3: Taksi ücreti tutarının dağılımı Exercise 4: Ödeme türünün dağılımı Exercise 5: Özetlere daha fazla ayrıntı ekleme Exercise 6: Yolculuk süresi ile toplam ücret arasındaki ilişki Exercise 7: Günlük yolculukları bölümlere ayırma (faceting)Exercise 8: Ödeme türüne göre bölümlenmiş bahşiş tutarı dağılımı Exercise 9: Alt kümeleri görselleştirme Exercise 10: Ödeme türüne göre ücret dağılımını karşılaştırma Exercise 11: Tüm alt kümeleri görselleştirme

Önceki bölümde, verileri anlamlı bir şekilde doğal olarak bölümlere ayırabildiğimiz durumlarda faceting’in çok miktarda veriyi görselleştirmek için güçlü bir teknik olduğunu gördün. Şimdi, ggplot2 ile trelliscopejs paketini kullanarak, verideki bölüm sayısı tek bir ekranda etkili şekilde görüntülenemeyecek kadar büyüdüğünde nasıl küçük çoklular oluşturacağını öğreneceksin.

Exercise 1: TrelliscopeJS ile Bölümlendirme (Faceting)Exercise 2: Ülkeye göre Trelliscope faceting: gapminder Exercise 3: TrelliscopeJS görünümleriyle etkileşim kurma Exercise 4: Görselle etkileşim Exercise 5: Ek TrelliscopeJS özellikleri Exercise 6: gapminder görünümünü özelleştirme Exercise 7: Yeni cognostic'leri inceleme Exercise 8: Kendi kognostiklerini ekleme Exercise 9: Özel kognostikler ekleme Exercise 10: Özel bilişsel ölçütleri yorumlama

Geçerli egzersiz

ggplot2 + trelliscopejs arayüzü kullanımı kolaydır, ancak trelliscopejs aynı zamanda hangi çizim sistemini kullanacağın ve kognostikleri (ölçütleri) nasıl belirleyeceğin konusunda çok daha fazla esneklik sağlayan bir küçük çoklular çizim mekanizması da sunar. Bu bölümde bunların hepsini öğreneceksin!

Exercise 1: Tidyverse içinde Trelliscope Exercise 2: Gruplama ve iç içe yerleştirme Exercise 3: Hisse fiyatı gösterimi Exercise 4: Görselleştirmeyi keşfetme Exercise 5: Kognostikler Exercise 6: Kognostikler ekleme Exercise 7: İç içe geçmiş veri çerçevelerinden kognostikler Exercise 8: Yeni kognostiklerle hisse grafiklerinde gezinme Exercise 9: Trelliscope seçenekleri Exercise 10: Hisse senedi görünümünü özelleştirme Exercise 11: Görsel veritabanlarını görselleştirme Exercise 12: Pokemon'u görselleştirme Exercise 13: En güçlü Pokemon

<a href="https://www.bixi.com" target="_blank">Montreal BIXI bisiklet ağı</a>, her bisiklet yolculuğuna ait tarih, saat, süre ve başlangıç/bitiş istasyonları dâhil olmak üzere açık veri sağlar. Bu bölümde, 2017 yılında 546 istasyon arasında yapılan 4 milyonun üzerindeki bisiklet yolculuğuna ait verileri analiz edeceksin. Bu verilerle sorulabilecek pek çok ilginç keşifsel soru var ve özet istatistiklerden ayrıntılı Trelliscope görselleştirmelerine kadar uzanan keşifsel görseller oluşturarak veriye dair ilgi çekici içgörüler elde edeceksin.

Exercise 1: Montreal BIXI bisiklet verileri Exercise 2: Günlük sürüş sayısı Exercise 3: Günün saatini inceleme Exercise 4: Üyelik ve haftanın günü etkisi Exercise 5: Özet görselleştirme: kısa bir tekrar Exercise 6: Günlük grafikler Exercise 7: Tüm günlere bakmak Exercise 8: En iyi 100 rota veri kümesi Exercise 9: Veriyi zenginleştirme: Rota özet istatistikleri Exercise 10: Veriyi görselleştirme: Günün saatine göre sayımlar Exercise 11: Görselleştirmeyi değerlendirme Exercise 12: Güle güle