Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Ce cours sur ggplot2 s’appuie sur ce que vous avez appris en introduction pour produire des graphiques explicatifs pertinents. Les statistiques seront calculées à la volée et vous verrez comment les coordonnées et les facettes facilitent la communication. Vous explorerez aussi les bonnes pratiques de visualisation de données avec ggplot2 afin de comprendre ce qui fonctionne et pourquoi. À la fin du cours, vous aurez tout le nécessaire pour créer une fonction de tracé personnalisée pour explorer un grand jeu de données, en combinant statistiques et visuels de qualité.
Prérequis
Programme de formation
Plan du cours
1
Statistiques
Une image vaut mille mots ; c’est pourquoi ggplot2 dans R est un outil si puissant pour l’analyse graphique des données. Dans ce chapitre, vous passerez de simples tracés à l’application de diverses méthodes statistiques. Cela inclut plusieurs modèles linéaires, des statistiques descriptives et inférentielles (moyenne, écart type et intervalles de confiance) ainsi que des fonctions personnalisées.
- Statistiques avec des geoms50 XP
- Lissage100 XP
- Variables de regroupement100 XP
- Modifier stat_smooth100 XP
- Modifier stat_smooth (2)100 XP
- Stats : somme et quantile50 XP
- Quantiles100 XP
- Utiliser stat_sum100 XP
- Statistiques en dehors des geoms50 XP
- Préparatifs100 XP
- Utiliser les objets de position100 XP
- Visualiser les variations100 XP
2
Coordonnées
Les calques de coordonnées offrent des outils spécifiques et très utiles pour communiquer des données efficacement et avec précision. Nous verrons ici différentes façons d’utiliser ces calques, afin que vous puissiez visualiser clairement des jeux de données lognormaux, des variables avec unités et des données périodiques.
3
Facettes
Les facettes permettent de diviser un graphique en plusieurs panneaux, chacun affichant un sous-ensemble du jeu de données. Vous apprendrez à enrouler les facettes et à les organiser en grille, ainsi qu’à fournir un étiquetage personnalisé.
4
Bonnes pratiques
Maintenant que vous avez les compétences techniques pour créer d’excellentes visualisations, il est important de les rendre aussi parlantes que possible. Dans ce chapitre, vous passerez en revue trois types de graphiques souvent déconseillés dans la communauté de la dataviz : cartes thermiques, diagrammes en secteurs et « dynamite plots ». Vous verrez leurs écueils et comment éviter ces erreurs vous‑même.
R
Visualisation de données intermédiaire avec ggplot2
Cours
terminé
