Build your ultimate AI agent
Descripción del curso
Este curso te ayudará a llevar tus habilidades de visualización de datos más allá de lo básico y a convertirlas en una parte potente de tu kit de herramientas de ciencia de datos. A lo largo de las lecciones usaremos dos interesantes conjuntos de datos abiertos para cubrir distintos tipos de datos (proporciones, datos puntuales, distribuciones individuales y múltiples distribuciones) y debatiremos los pros y los contras de las visualizaciones más habituales. Además, veremos algunas alternativas menos comunes para estos tipos de datos y cómo ajustar la configuración predeterminada de ggplot para transmitir tu mensaje de la forma más eficaz y eficiente.
Requisitos previos
Programa de formación
Contenido del curso
1
Proporciones de un total
En este capítulo nos centramos en visualizar proporciones de un total; verás que los gráficos de sectores no son tan malos, y hablaremos del gráfico de gofre y de las barras apiladas para comparar varias proporciones.
- Introducción a Grammar of Graphics50 XP
- Familiarízate con los datos de enfermedades100 XP
- Calentando motores con data-wrangling100 XP
- El gráfico circular y sus amigos50 XP
- La infame T-A-R-T-A100 XP
- Limpiar el gráfico de tarta100 XP
- ¿Qué tal un waffle?100 XP
- Cuándo usar barras50 XP
- Barras apiladas básicas100 XP
- Ordenar el apilado para mejorar la lectura100 XP
- Eje x categórico100 XP
2
Datos puntuales
Ahora cambiamos el foco a datos de observación única o puntuales y revisamos cuándo son apropiados los gráficos de barras y cuándo no, qué usar cuando no lo son y mejoras basadas en la percepción para tus gráficos.
3
Distribuciones individuales
Pasamos ahora a visualizar datos distribucionales, mostramos la fragilidad de los histogramas, comentamos cuándo conviene pasar a gráficos de densidad por kernel y cómo hacer que ambos funcionen lo mejor posible con tus datos.
4
Comparar distribuciones
Para terminar, analizamos la comparación de múltiples distribuciones entre sí. Veremos por qué los diagramas de caja tradicionales pueden ser muy problemáticos y cómo mejorarlos fácilmente, además de cuándo conviene usar alternativas más avanzadas como el gráfico beeswarm y los violin plots.
R
Buenas prácticas de visualización en R
Curso
completado
