Wprowadzenie do gramatyki grafiki

Najlepsze praktyki wizualizacji danych w R

Nick Strayer

Instructor

O czym jest ten kurs?

Czego się nauczysz

Jak tworzyć lepsze wizualizacje, głęboko analizując posiadane dane.

Jak się tego nauczysz

Przegląd różnych typów danych
Standardowe wizualizacje
Alternatywne podejścia

Struktura kursu

Rozdział 1: Proporcje całości

Rozdział 2: Dane punktowe

Rozdział 3: Pojedyncze rozkłady

Rozdział 4: Rozkłady wielokrotne (warunkowe)

Uwaga!

Zagadnienia omawiane tutaj nie są tak jednoznaczne jak inne tematy programistyczne
Każda reguła ma wyjątki
Nacisk na samodzielne myślenie pomaga radzić sobie z takimi przypadkami

Używane narzędzia

R
The 'Tidyverse'
Ggplot2

Używane dane

Pochodzi ze Światowej Organizacji Zdrowia (WHO)

who_disease

# A tibble: 43,262 x 6
   region countryCode country             disease  year  cases
   <chr>  <chr>       <chr>               <chr>   <int>  <dbl>
 1 EMR    AFG         Afghanistan         measles  2016 638   
 2 EUR    ALB         Albania             measles  2016  17.0 
 3 AFR    DZA         Algeria             measles  2016  41.0 
 4 EUR    AND         Andorra             measles  2016   0   
 5 AFR    AGO         Angola              measles  2016  53.0 
 6 AMR    ATG         Antigua and Barbuda measles  2016   0   
 7 AMR    ARG         Argentina           measles  2016   0   
 8 EUR    ARM         Armenia             measles  2016   2.00
# ... with 43,254 more rows

Dane WHO o chorobach

# Filter to AMR region 
amr_region <- who_disease %>% 
  filter(region == 'AMR')

# Map x to year and y to cases, color by disease
ggplot(amr_region, aes(x = year, y = cases, color = disease)) + 
  geom_point(alpha = 0.5)

Czas na ćwiczenia!

Najlepsze praktyki wizualizacji danych w R