Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Este curso de ggplot2 amplía lo que aprendiste en el curso introductorio para crear gráficos explicativos con sentido. Calcularás estadísticas al vuelo y verás cómo las coordenadas y los facetados ayudan a comunicar. También explorarás en detalle las buenas prácticas de visualización de datos con ggplot2 para asegurar que entiendes qué funciona y por qué. Al final del curso, tendrás todas las herramientas para crear una función de graficado personalizada que te permita explorar un conjunto de datos grande, combinando estadísticas y grandes visuales.
Requisitos previos
Programa de formación
Contenido del curso
1
Estadísticas
Una imagen vale más que mil palabras, por eso R ggplot2 es una herramienta tan potente para el análisis gráfico de datos. En este capítulo pasarás de simplemente representar datos a aplicar distintos métodos estadísticos. Esto incluye varios modelos lineales, estadísticas descriptivas e inferenciales (media, desviación estándar e intervalos de confianza) y funciones personalizadas.
- Estadísticas con geoms50 XP
- Suavizado100 XP
- Variables de agrupación100 XP
- Modificar stat_smooth100 XP
- Modifying stat_smooth (2)100 XP
- Estadísticas: suma y cuantil50 XP
- Cuantiles100 XP
- Usar stat_sum100 XP
- Estadísticas fuera de los geoms50 XP
- Preparativos100 XP
- Usar objetos de posición100 XP
- Variaciones en los gráficos100 XP
2
Coordenadas
Las capas de coordenadas ofrecen herramientas específicas y muy útiles para comunicar datos de forma eficiente y precisa. Aquí veremos distintas maneras de usar estas capas con eficacia, para que puedas visualizar con claridad conjuntos de datos lognormales, variables con unidades y datos periódicos.
3
Facetados
Los facetados te permiten dividir los gráficos en varios paneles, cada uno mostrando subconjuntos del conjunto de datos. Aquí aprenderás a envolver facetados y ordenarlos en una cuadrícula, además de proporcionar etiquetas personalizadas.
4
Buenas prácticas
Ahora que ya tienes las habilidades técnicas para crear visualizaciones de calidad, es importante que las hagas lo más significativas posible. En este capítulo, revisarás tres tipos de gráficos que la comunidad de visualización de datos suele desaconsejar: mapas de calor, gráficos de tarta y dynamite plots. Aprenderás los problemas de estos gráficos y cómo evitar cometer esos errores tú mismo.
R
Visualización de datos intermedia con ggplot2
Curso
completado
