700+ courses, half price
Descrizione del corso
Questo corso ti aiuterà a portare le tue competenze di visualizzazione dei dati oltre le basi, trasformandole in uno strumento potente del tuo toolkit di data science. Lezioni dopo lezione useremo due interessanti open dataset per coprire diversi tipi di dati (proporzioni, dati puntuali, distribuzioni singole e multiple) e discuteremo pro e contro delle visualizzazioni più comuni. Inoltre, vedremo alcune alternative meno diffuse per questi tipi di dati e come modificare le impostazioni predefinite di ggplot per comunicare il tuo messaggio in modo più efficiente ed efficace.
Prerequisiti
Programma
Struttura del corso
1
Proporzioni di un intero
In questo capitolo ci concentriamo sulla visualizzazione delle proporzioni di un intero: vedremo che i grafici a torta non sono poi così male, e parleremo anche del waffle chart e delle barre impilate per confrontare più proporzioni.
- Introduzione alla Grammar of Graphics50 XP
- Prendere confidenza con i dati sulle malattie100 XP
- Riscaldamento con il data-wrangling100 XP
- Il grafico a torta e i suoi amici50 XP
- La famigerata P-I-E100 XP
- Pulire il grafico a torta100 XP
- Che ne dici di un waffle?100 XP
- Quando usare i grafici a barre50 XP
- Barre impilate di base100 XP
- Ordinare lo stack per leggibilità100 XP
- Asse x categorico100 XP
2
Dati puntuali
Spostiamo ora l’attenzione sui dati a singola osservazione, o dati puntuali, e analizziamo quando i grafici a barre sono appropriati e quando no, cosa usare in alternativa e come migliorare i grafici basandoci sulla percezione visiva.
3
Distribuzioni singole
Passiamo ora alla visualizzazione dei dati distribuzionali: metteremo in luce la fragilità degli istogrammi, discuteremo quando conviene passare ai grafici di densità kernel e come far funzionare al meglio entrambi per i tuoi dati.
4
Confronto tra distribuzioni
Per concludere, esaminiamo il confronto tra più distribuzioni. Vedremo perché i box plot tradizionali possono essere molto fuorvianti e come migliorarli facilmente, oltre a capire quando conviene usare alternative più avanzate come il beeswarm plot e i violin plot.
R
Buone pratiche di visualizzazione in R
Corso
completato
