Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Este curso de ggplot2 aprofunda o que você viu no curso introdutório para produzir gráficos explicativos significativos. As estatísticas serão calculadas em tempo real, e você verá como as camadas de Coordinates e Facets ajudam na comunicação. Você também vai explorar boas práticas de visualização de dados com ggplot2 para garantir um entendimento sólido do que funciona e por quê. Ao final do curso, você terá todas as ferramentas para criar uma função de plotagem personalizada para explorar um conjunto de dados grande, combinando estatísticas e ótimos visuais.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Estatísticas
Uma imagem vale mais que mil palavras, e é por isso que o ggplot2 em R é uma ferramenta tão poderosa para análise gráfica de dados. Neste capítulo, você vai evoluir de simplesmente plotar dados para aplicar vários métodos estatísticos. Isso inclui diferentes modelos lineares, estatísticas descritivas e inferenciais (média, desvio padrão e intervalos de confiança) e funções personalizadas.
- Estatísticas com geoms50 XP
- Suavização100 XP
- Variáveis de agrupamento100 XP
- Modifying stat_smooth100 XP
- Modifying stat_smooth (2)100 XP
- Estatísticas: soma e quantil50 XP
- Quantis100 XP
- Usando stat_sum100 XP
- Estatísticas fora dos geoms50 XP
- Preparações100 XP
- Usando objetos de posição100 XP
- Variações de plotagem100 XP
2
Coordenadas
As camadas de Coordinates oferecem ferramentas específicas e muito úteis para comunicar dados com eficiência e precisão. Aqui, vamos ver várias formas de usar essas camadas de modo eficaz, para que você possa visualizar claramente conjuntos de dados lognormais, variáveis com unidades e dados periódicos.
3
Facetas
Facetas permitem dividir gráficos em vários painéis, cada um exibindo subconjuntos do conjunto de dados. Aqui você vai aprender a organizar facetas em wrap e em uma grade, além de criar rótulos personalizados.
4
Boas práticas
Agora que você tem as habilidades técnicas para criar ótimas visualizações, é importante torná-las o mais significativas possível. Neste capítulo, você vai revisar três tipos de gráfico que costumam ser desencorajados na comunidade de visualização de dados: mapas de calor, gráficos de pizza e dynamite plots. Você vai aprender as armadilhas desses gráficos e como evitar cometer esses erros.
R
Visualização de Dados Intermediária com ggplot2
Curso
concluído
