Ana içeriğe atla

Kurs

R'de Görselleştirme En İyi Uygulamaları

TemelBeceri Seviyesi

Güncel 01.2026

Yaygın grafikler, alternatif görselleştirme türleri ve algı odaklı stil geliştirmelerine genel bir bakışla verilerinizi etkili bir şekilde aktarmayı öğrenin.

Kursa Ücretsiz Başlayın

RData Visualization

1 sa

13 video

49 Egzersiz

4,200 XP

20,498

Başarı Belgesi

Binlerce şirketten öğrencinin sevgisini kazandı

Bir Ekibi Eğitiyor musunuz?

İşletmeler için deneyin

Kurs Açıklaması

Bu kurs, veri görselleştirme becerilerini temellerin ötesine taşıyıp veri bilimi araç setinin güçlü bir parçasına dönüştürmene yardımcı olacak. Dersler boyunca iki ilginç açık veri kümesini kullanarak farklı veri türlerini (oranlar, nokta verisi, tekil dağılımlar ve birden çok dağılım) ele alacak ve en yaygın görselleştirmelerin artılarını ve eksilerini tartışacağız. Ayrıca, bu veri türleri için daha az yaygın alternatif görselleştirmeleri ve iletmek istediğin mesajı en verimli ve etkili şekilde aktarmak için varsayılan ggplot ayarlarını nasıl ince ayar yapabileceğini de kapsayacağız.

Önkoşullar

Introduction to Data Visualization with ggplot2

1

Bütünün oranları

Bu bölümde, bütünün oranlarını görselleştirmeye odaklanıyoruz; pasta grafiklerin aslında o kadar da kötü olmadığını görüyoruz, ayrıca birden çok oranı karşılaştırmak için waffle grafiğini ve yığılmış çubukları tartışıyoruz.

Grafik Dilbilgisine Giriş

Hastalık verileriyle tanışma

Veri düzenlemeye ısınma

Pasta grafiği ve arkadaşları

Meşhur P-A-S-T-A

Pasta grafiğini toparlama

Bir waffle’a ne dersin?

Çubukları ne zaman kullanmalı

Temel yığılmış çubuklar

Okunabilirlik için yığının sıralanması

Kategorik x ekseni

Bölümü Başlat

2

Nokta verisi

Şimdi odağımızı tek gözlemli ya da nokta verisine çeviriyor, çubuk grafiklerin ne zaman uygun olup olmadığını, uygun değilse ne kullanman gerektiğini ve grafiklerin için algıya dayalı genel iyileştirmeleri gözden geçiriyoruz.

Çubuklar ve noktalar: nokta verisi

Çubuk grafiği uygun mu?

geom_col ile çalışmak

geom_bar ile düzenleme

Nokta grafikler

Sıralı nokta grafiği

Görsel dayanaklar ekleme

Yapıyı göstermek için bölümlendirme.

Grafiklerini ayarlama

Haydi eksenleri çevirelim

Çubukları sadeleştirme

Nokta grafiğine dönüştürme

Bölümü Başlat

3

Tekil dağılımlar

Şimdi dağılımsal verileri görselleştirmeye geçiyoruz; histogramların kırılganlığını ortaya koyuyor, ne zaman çekirdek yoğunluk grafiklerine geçmenin daha iyi olduğunu tartışıyor ve her iki grafiği de verin için en iyi şekilde nasıl çalıştırabileceğini gösteriyoruz.

Dağılımların önemi

Veriyle yön bulma

Tüm verilere bakmak

Y eksenini yoğunluğa çevirme

Histogramların incelikleri

Kutu sayılarını ayarlamak

Daha fazla çubuk

Bağlama göre aralık genişliği

Çekirdek yoğunluk kestiricisi

Histogramdan KDE'ye

Halıyı sermek

Çok verili KDE

Bölümü Başlat

4

Dağılımları karşılaştırma

Son olarak birden çok dağılımı birbirleriyle karşılaştırmaya bakıyoruz. Geleneksel kutu grafiklerinin neden çok tehlikeli olabileceğini ve bunları nasıl kolayca iyileştirebileceğini görüyor, ayrıca arı sürüsü (beeswarm) grafiği ve keman grafikleri gibi daha gelişmiş alternatifleri ne zaman kullanman gerektiğini inceliyoruz.

Dağılımları karşılaştırmaya giriş

Basit bir kutu grafiği

Biraz jitter eklemek

Tüm renkleri göstermek için faceting

Beeswarm ve violin grafikleri

İlk beeswarm’ının

Keman grafiğiyle oynamak

Boxplot’lu violin grafikleri

Birçok dağılımı karşılaştırma

Mekânsal olarak ilişkili dağılımları karşılaştırma

Basit bir ridgeline grafiği

Ridgeline grafiğini sadeleştir

Yağmur gibi (veri noktaları) yağdırmak

Bölümü Başlat

R'de Görselleştirme En İyi Uygulamaları

Kurs
Tamamlandı

Başarı Belgesi Kazanın

Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyin
Sosyal medyada ve performans incelemenizde paylaşınŞimdi kaydolun

Bugün 19 milyondan fazla öğrenciye katılın ve R'de Görselleştirme En İyi Uygulamaları eğitimine başlayın!

DataCamp for Mobile ile veri becerilerinizi geliştirin

Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.