Pokemon mạnh nhất

Giờ bạn đã có màn hình hiển thị, hãy trả lời: Pokemon thế hệ thứ nhất (generation_id) thuộc hệ (type_1) "fire" nào có chỉ số tấn công mạnh nhất?

Bài tập này là một phần của khóa học

Trực quan hóa Dữ liệu Lớn với Trelliscope trong R

Xem khóa học

Bài tập tương tác thực hành

Biến lý thuyết thành hành động với một trong các bài tập tương tác của chúng tôi

Bắt đầu bài tập

Bài tập này là một phần của khóa học

Trực quan hóa Dữ liệu Lớn với Trelliscope trong R

SkillTag.level.beginnerSkillTag.label

4.8+

43 reviews

Bắt đầu khóa học miễn phí

Tìm hiểu các chiến lược khác nhau để vẽ dữ liệu lớn bằng ggplot2, bao gồm tính toán và biểu diễn số liệu tóm tắt, các kỹ thuật xử lý hiện tượng chồng lấp điểm, và nguyên tắc về small multiples với faceting, từ đó dẫn vào Trelliscope.

Exercise 1: Trực quan hóa các tóm tắt Exercise 2: Số chuyến theo ngày Exercise 3: Phân bố số tiền cước taxi Exercise 4: Phân bố loại hình thanh toán Exercise 5: Bổ sung chi tiết cho phần tóm tắt Exercise 6: Mối quan hệ giữa thời lượng chuyến đi và tổng tiền cước Exercise 7: Phân mảnh số chuyến theo ngày Exercise 8: Phân phối tiền tip theo loại thanh toán (faceting)Exercise 9: Trực quan hóa các tập con Exercise 10: So sánh phân phối tiền cước theo loại thanh toán Exercise 11: Trực quan hóa tất cả các tập con

Ở chương trước, bạn đã thấy faceting có thể được dùng như một kỹ thuật mạnh mẽ để trực quan hóa rất nhiều dữ liệu được phân tách tự nhiên theo một cách có ý nghĩa. Giờ đây, sử dụng gói trelliscopejs cùng ggplot2, bạn sẽ học cách tạo các trực quan hóa dạng faceting khi số lượng phần (partition) trong dữ liệu trở nên quá lớn để có thể xem hiệu quả trên một màn hình duy nhất.

Exercise 1: Phân mảnh với TrelliscopeJS Exercise 2: Phân mảnh Trelliscope cho gapminder theo quốc gia Exercise 3: Tương tác với các hiển thị TrelliscopeJS Exercise 4: Tương tác với hiển thị Exercise 5: Các tính năng TrelliscopeJS bổ sung Exercise 6: Tùy biến hiển thị gapminder Exercise 7: Khám phá các cognostic mới Exercise 8: Thêm cognostics của riêng bạn Exercise 9: Thêm cognostics tùy chỉnh Exercise 10: Diễn giải các cognostics tùy chỉnh

Giao diện ggplot2 + trelliscopejs rất dễ sử dụng, nhưng trelliscopejs cũng cung cấp một cơ chế vẽ faceted cho bạn nhiều linh hoạt hơn về hệ thống vẽ dùng tới và cách chỉ định các chỉ số cognostics. Bạn sẽ tìm hiểu tất cả điều đó trong chương này!

Exercise 1: Trelliscope trong tidyverse Exercise 2: Nhóm và lồng (grouping và nesting)Exercise 3: Hiển thị giá cổ phiếu Exercise 4: Khám phá màn hình hiển thị Exercise 5: Cognostics Exercise 6: Thêm cognostic Exercise 7: Cognostics từ các data frame lồng nhau Exercise 8: Duyệt biểu đồ cổ phiếu với các cognostics mới Exercise 9: Tùy chọn Trelliscope Exercise 10: Tùy biến phần hiển thị cổ phiếu Exercise 11: Trực quan hóa cơ sở dữ liệu hình ảnh Exercise 12: Trực quan hóa Pokemon Exercise 13: Pokemon mạnh nhất

Bài tập hiện tại

<a href="https://www.bixi.com" target="_blank">Mạng lưới xe đạp BIXI ở Montreal</a> cung cấp dữ liệu mở cho mọi chuyến đi, bao gồm ngày, giờ, thời lượng, và trạm bắt đầu/kết thúc của chuyến. Trong chương này, bạn sẽ phân tích dữ liệu của hơn 4 triệu chuyến đi xe đạp năm 2017, giữa 546 trạm. Có rất nhiều câu hỏi khám phá thú vị từ bộ dữ liệu này và bạn sẽ tạo các hình trực quan khám phá, từ số liệu tóm tắt đến các trực quan hóa Trelliscope chi tiết, mang lại những góc nhìn thú vị về dữ liệu.

Exercise 1: Dữ liệu xe đạp BIXI ở Montreal Exercise 2: Số lượt đi theo ngày Exercise 3: Khảo sát theo thời điểm trong ngày Exercise 4: Ảnh hưởng của membership và ngày trong tuần Exercise 5: Tóm lược về trực quan hóa tổng hợp Exercise 6: Biểu đồ theo ngày Exercise 7: Xem tất cả các ngày Exercise 8: Bộ dữ liệu 100 tuyến đường hàng đầu Exercise 9: Bổ sung dữ liệu: Thống kê tóm tắt theo tuyến Exercise 10: Trực quan hóa dữ liệu: Số lượt theo giờ trong ngày Exercise 11: Đánh giá trực quan hóa Exercise 12: Tạm biệt