Name: R में Visualization की Best Practices
Rating: 4.862464183381089 (349 reviews)

कोर्स विवरण

यह कोर्स आपकी डेटा विज़ुअलाइज़ेशन स्किल्स को बेसिक्स से आगे ले जाकर उन्हें आपके डेटा साइंस टूलकिट का एक प्रभावी हिस्सा बनाने में मदद करेगा। इन लेसन में हम दो रोचक ओपन डेटासेट का उपयोग करेंगे ताकि अलग-अलग प्रकार के डेटा (proportions, point-data, single distributions, और multiple distributions) को कवर किया जा सके और सबसे आम visualizations के फायदे और सीमाएँ समझी जा सकें। इसके अलावा, हम इन डेटा प्रकारों के लिए कुछ कम प्रचलित वैकल्पिक visualizations भी देखेंगे और यह भी सीखेंगे कि डिफॉल्ट ggplot सेटिंग्स को कैसे ट्यून करें ताकि आप अपना संदेश सबसे कुशल और प्रभावी ढंग से पहुँचा सकें।

पूर्वापेक्षाएँ

Introduction to Data Visualization with ggplot2

पाठ्यक्रम

कोर्स रूपरेखा

कुल में हिस्सों के अनुपात

इस अध्याय में, हम कुल में हिस्सों के अनुपात को विज़ुअलाइज़ करने पर ध्यान देते हैं; हम देखते हैं कि pie charts वाकई इतने बुरे नहीं होते, साथ ही multiple proportions की तुलना के लिए waffle chart और stacked bars पर भी चर्चा करते हैं।

अध्याय शुरू करें

पॉइंट डेटा

अब हम अपना फोकस single-observation या point data पर शिफ्ट करते हैं और यह समझते हैं कि कब bar charts उपयुक्त हैं और कब नहीं, जब वे उपयुक्त न हों तो क्या इस्तेमाल करें, और perception-आधारित सामान्य सुधार कैसे करें।

अध्याय शुरू करें

एकल वितरण

अब हम distributional data को विज़ुअलाइज़ करने की ओर बढ़ते हैं, जहाँ हम histograms की नाज़ुकताओं को उजागर करते हैं, यह चर्चा करते हैं कि कब kernel density plots पर शिफ्ट करना बेहतर होता है, और दोनों तरह के plots को आपके डेटा के लिए सबसे अच्छे ढंग से काम कराने के उपाय सीखते हैं।

अध्याय शुरू करें

वितरणों की तुलना

अंत में, हम एक-दूसरे की तुलना में कई distributions को देखने का तरीका सीखते हैं। हम समझते हैं कि पारंपरिक box plots क्यों जोखिमभरे हो सकते हैं और उन्हें आसानी से कैसे बेहतर बनाया जा सकता है, साथ ही यह भी जाँचते हैं कि beeswarm plot और violin plots जैसे उन्नत विकल्प कब उपयोग करने चाहिए।