After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Questo corso su ggplot2 amplia le conoscenze acquisite nel corso introduttivo per creare grafici esplicativi davvero efficaci. Le statistiche verranno calcolate al volo e vedrai come Coordinate e Facet aiutano nella comunicazione. Esplorerai anche le buone pratiche di visualizzazione dei dati con ggplot2 per assicurarti una solida comprensione di cosa funziona e perché. Al termine del corso, avrai tutti gli strumenti per creare una funzione di plotting personalizzata per esplorare un grande insieme di dati, combinando statistiche e ottima resa visiva.
Prerequisiti
Curriculum
Programma del corso
1
Statistiche
Un’immagine vale più di mille parole: ecco perché ggplot2 in R è uno strumento così potente per l’analisi grafica dei dati. In questo capitolo passerai dal semplice plotting dei dati all’applicazione di vari metodi statistici, tra cui diversi modelli lineari, statistiche descrittive e inferenziali (media, deviazione standard e intervalli di confidenza) e funzioni personalizzate.
- Statistiche con i geoms50 XP
- Smussamento100 XP
- Variabili di raggruppamento100 XP
- Modificare stat_smooth100 XP
- Modifying stat_smooth (2)100 XP
- Statistiche: somma e quantile50 XP
- Quantili100 XP
- Uso di stat_sum100 XP
- Statistiche al di fuori dei geoms50 XP
- Preparativi100 XP
- Uso degli oggetti di posizione100 XP
- Variazioni di grafico100 XP
2
Coordinate
I livelli di Coordinate offrono strumenti specifici e molto utili per comunicare i dati in modo efficiente e accurato. Qui vedremo i vari modi per usare al meglio questi livelli, così potrai visualizzare chiaramente insiemi di dati lognormali, variabili con unità di misura e dati periodici.
3
Facet
I Facet ti permettono di suddividere i grafici in più pannelli, ognuno con subset dell’insieme di dati. Qui imparerai a avvolgere i facet e disporli in una griglia, oltre a fornire etichette personalizzate.
4
Buone pratiche
Ora che hai le competenze tecniche per creare ottime visualizzazioni, è importante renderle il più significative possibile. In questo capitolo passerai in rassegna tre tipi di grafico spesso sconsigliati nella community della data viz: heat map, grafici a torta e dynamite plot. Imparerai le insidie di questi grafici e come evitare di commettere tu stesso questi errori.
R
Visualizzazione dei dati intermedia con ggplot2
Corso
completato
