ข้ามไปยังเนื้อหาหลัก

Courses

Intermediate Data Visualization with ggplot2

ระดับกลางระดับทักษะ

อัปเดตแล้ว 02/2567

Learn to use facets, coordinate systems and statistics in ggplot2 to create meaningful explanatory plots.

เริ่มเรียนหลักสูตรฟรี

RData Visualization

4 ชม.

14 videos

52 Exercises

4,350 เอ็กซ์พี

56,276

คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

Continue with Google Show more options

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

Training a Team?

Try for Business

คำอธิบายรายวิชา

This ggplot2 course builds on your knowledge from the introductory course to produce meaningful explanatory plots. Statistics will be calculated on the fly and you’ll see how Coordinates and Facets aid in communication. You’ll also explore details of data visualization best practices with ggplot2 to help make sure you have a sound understanding of what works and why. By the end of the course, you’ll have all the tools needed to make a custom plotting function to explore a large data set, combining statistics and excellent visuals.

ข้อกำหนดเบื้องต้น

Introduction to Data Visualization with ggplot2

1

Statistics

A picture paints a thousand words, which is why R ggplot2 is such a powerful tool for graphical data analysis. In this chapter, you’ll progress from simply plotting data to applying a variety of statistical methods. These include a variety of linear models, descriptive and inferential statistics (mean, standard deviation and confidence intervals) and custom functions.

Stats with geoms

50 เอ็กซ์พี

100 เอ็กซ์พี

Grouping variables

100 เอ็กซ์พี

Modifying stat_smooth

100 เอ็กซ์พี

Modifying stat_smooth (2)

100 เอ็กซ์พี

Stats: sum and quantile

50 เอ็กซ์พี

100 เอ็กซ์พี

Using stat_sum

100 เอ็กซ์พี

Stats outside geoms

50 เอ็กซ์พี

Preparations

100 เอ็กซ์พี

Using position objects

100 เอ็กซ์พี

Plotting variations

100 เอ็กซ์พี

เริ่มบท

2

Coordinates

The Coordinates layers offer specific and very useful tools for efficiently and accurately communicating data. Here we’ll look at the various ways of effectively using these layers, so you can clearly visualize lognormal datasets, variables with units, and periodic data.

Coordinates

50 เอ็กซ์พี

100 เอ็กซ์พี

Aspect ratio I: 1:1 ratios

100 เอ็กซ์พี

Aspect ratio II: setting ratios

100 เอ็กซ์พี

Expand and clip

100 เอ็กซ์พี

Coordinates vs. scales

50 เอ็กซ์พี

Log-transforming scales

100 เอ็กซ์พี

Adding stats to transformed scales

100 เอ็กซ์พี

Double and flipped axes

50 เอ็กซ์พี

Useful double axes

100 เอ็กซ์พี

Flipping axes I

100 เอ็กซ์พี

Flipping axes II

100 เอ็กซ์พี

Polar coordinates

50 เอ็กซ์พี

100 เอ็กซ์พี

Wind rose plots

100 เอ็กซ์พี

เริ่มบท

3

Facets

Facets let you split plots into multiple panes, each displaying subsets of the dataset. Here you'll learn how to wrap facets and arrange them in a grid, as well as providing custom labeling.

The facets layer

50 เอ็กซ์พี

Facet layer basics

100 เอ็กซ์พี

Many variables

100 เอ็กซ์พี

Formula notation

100 เอ็กซ์พี

Facet labels and order

50 เอ็กซ์พี

Labeling facets

100 เอ็กซ์พี

Setting order

100 เอ็กซ์พี

Facet plotting spaces

50 เอ็กซ์พี

Variable plotting spaces I: continuous variables

100 เอ็กซ์พี

Variable plotting spaces II: categorical variables

100 เอ็กซ์พี

Facet wrap & margins

50 เอ็กซ์พี

Wrapping for many levels

100 เอ็กซ์พี

Margin plots

100 เอ็กซ์พี

เริ่มบท

4

Best Practices

Now that you have the technical skills to make great visualizations, it’s important that you make them as meaningful as possible. In this chapter, you’ll review three plot types that are commonly discouraged in the data viz community: heat maps, pie charts, and dynamite plots. You’ll learn the pitfalls with these plots and how to avoid making these mistakes yourself.

Best practices: bar plots

50 เอ็กซ์พี

Bar plots: dynamite plots

100 เอ็กซ์พี

Bar plots: position dodging

100 เอ็กซ์พี

Bar plots: Using aggregated data

100 เอ็กซ์พี

Heatmaps use case scenario

50 เอ็กซ์พี

100 เอ็กซ์พี

Useful heat maps

50 เอ็กซ์พี

Heat map alternatives

100 เอ็กซ์พี

When good data makes bad plots

50 เอ็กซ์พี

Suppression of the origin

50 เอ็กซ์พี

Color blindness

50 เอ็กซ์พี

Typical problems

100 เอ็กซ์พี

เริ่มบท

Intermediate Data Visualization with ggplot2

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

สำหรับธุรกิจ

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ให้ทีมของคุณเข้าถึงแพลตฟอร์ม DataCamp แบบเต็มรูปแบบ รวมถึงฟีเจอร์ทั้งหมด

ในแทร็กต่อไปนี้

นักวิทยาศาสตร์ข้อมูลระดับผู้ช่วย ใน Rการรับรอง

การแสดงผลข้อมูล ใน R

instructors

Rick Scavetta

Rick Scavetta

Rick Scavetta is a co-founder of Scavetta Academy.

collaborators

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Intermediate Data Visualization with ggplot2 วันนี้เลย!

สร้างบัญชีฟรีของคุณ

Continue with Google Show more options

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา