Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Dieser ggplot2-Kurs baut auf deinem Wissen aus dem Einführungskurs auf und zeigt dir, wie du aussagekräftige erklärende Plots erstellst. Statistiken werden dynamisch berechnet, und du siehst, wie Koordinaten und Facets die Kommunikation unterstützen. Außerdem vertiefst du Best Practices der Datenvisualisierung mit ggplot2, damit du verstehst, was warum gut funktioniert. Am Ende des Kurses hast du alle Werkzeuge, um eine eigene Plot-Funktion zu erstellen, mit der du einen großen Datensatz erkundest – mit Statistik und starken Visualisierungen.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Statistiken
Ein Bild sagt mehr als tausend Worte – deshalb ist R ggplot2 ein so mächtiges Werkzeug für die grafische Datenanalyse. In diesem Kapitel gehst du vom einfachen Plotten von Daten dazu über, verschiedene statistische Methoden anzuwenden. Dazu gehören verschiedene lineare Modelle, deskriptive und inferenzstatistische Kennzahlen (Mittelwert, Standardabweichung und Konfidenzintervalle) sowie eigene Funktionen.
- Statistiken mit Geoms50 XP
- Glättung100 XP
- Gruppierungsvariablen100 XP
- stat_smooth anpassen100 XP
- stat_smooth anpassen (2)100 XP
- Statistiken: Summe und Quantil50 XP
- Quantile100 XP
- Verwendung von stat_sum100 XP
- Stats außerhalb von Geoms50 XP
- Vorbereitungen100 XP
- Positionsobjekte verwenden100 XP
- Varianten plotten100 XP
2
Koordinaten
Die Koordinaten-Layer bieten spezielle und sehr nützliche Werkzeuge, um Daten effizient und präzise zu kommunizieren. Hier schauen wir uns an, wie du diese Layer wirkungsvoll nutzt, damit du lognormal verteilte Datensätze, Variablen mit Einheiten und periodische Daten klar visualisieren kannst.
3
Facets
Mit Facets kannst du Plots in mehrere Fenster aufteilen, die jeweils Teilmengen des Datensatzes zeigen. Hier lernst du, wie du Facets umbrichst und in einem Raster anordnest sowie benutzerdefinierte Beschriftungen vergibst.
4
Best Practices
Jetzt, da du die technischen Fähigkeiten für starke Visualisierungen hast, ist es wichtig, sie so aussagekräftig wie möglich zu gestalten. In diesem Kapitel betrachtest du drei Plot-Typen, die in der Data-Viz-Community oft kritisch gesehen werden: Heatmaps, Tortendiagramme und „Dynamite Plots“. Du lernst die Fallstricke dieser Plots kennen und wie du diese Fehler vermeidest.
R
Fortgeschrittene Datenvisualisierung mit ggplot2
Kurs
abgeschlossen
