Статистика: sum і quantile

Середній рівень візуалізації даних у ggplot2

Rick Scavetta

Founder, Scavetta Academy

Згадаємо з курсу 1

	Причина надмірного накладання	Рішення
1.	Великі набори даних	Прозорість (alpha), порожні кола, розмір точки
2.	Вирівняні значення на одній осі	Як вище, плюс зміна позиції
3.	Низька точність даних	Позиція: jitter
4.	Цілі дані	Позиція: jitter

Лічіть точки, щоб подолати накладання

	Причина надмірного накладання	Рішення	Тут...
1.	Великі набори даних	Прозорість (alpha), порожні кола, розмір точки
2.	Вирівняні значення на одній осі	Як вище, плюс зміна позиції
3.	Низька точність даних	Позиція: jitter	`geom_count()`
4.	Цілі дані	Позиція: jitter	`geom_count()`

Дані низької точності (і цілі)

p <- ggplot(iris, aes(Sepal.Length, 
                      Sepal.Width))

p + geom_point()

Jitter може створити хибне враження

p + geom_jitter(alpha = 0.5,
                width = 0.1,
                height = 0.1)

geom_count()

p + 
  geom_count()

Зв'язок geom/stat

geom_	stat_
`geom_count()`	`stat_sum()`

stat_sum()

p + 
  stat_sum()

Накладання все ще може заважати!

ggplot(iris, aes(Sepal.Length,
                 Sepal.Width, 
                 color = Species)) + 
  geom_count(alpha = 0.4)

geom_quantile()

ggplot(iris, aes(Sepal.Length,
                 Sepal.Width, 
                 color = Species)) + 
  geom_count(alpha = 0.4)

Як працювати з гетероскедастичністю

library(AER)
data(Journals)

p <- ggplot(Journals, 
            aes(log(price/citations), 
                log(subs))) +
  geom_point(alpha = 0.5) +
  labs(...)

p

Використання geom_quantile

p +
  geom_quantile(quantiles = 
                c(0.05, 0.50, 0.95))

Зв'язок geom/stat

geom_	stat_
`geom_count()`	`stat_sum()`
`geom_quantile()`	`stat_quantile()`

Готові до вправ!

Середній рівень візуалізації даних у ggplot2