Einführung in die Datenvisualisierung mit ggplot2
"Lerne, sinnvolle und schöne Datenvisualisierungen mit ggplot2 zu erstellen, indem du die Grammatik der Grafiken verstehst."
Kurs Kostenlos Starten4 Stunden14 Videos52 Übungen149.569 LernendeLeistungsnachweis
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Trainierst du 2 oder mehr?
Versuchen DataCamp for BusinessBeliebt bei Lernenden in Tausenden Unternehmen
Kursbeschreibung
Die Fähigkeit, aussagekräftige und schöne Datenvisualisierungen zu erstellen, ist ein wesentlicher Bestandteil deiner Fähigkeiten als Datenwissenschaftler/in. Dieser Kurs, das erste R Datenvisualisierungs-Tutorial der Reihe, führt dich in die Prinzipien guter Visualisierungen und die Grammatik der grafischen Plot-Konzepte ein, die im ggplot2-Paket implementiert sind. ggplot2 hat sich zum Standardwerkzeug für flexible und professionelle Plots in R entwickelt. Hier untersuchen wir die ersten drei wesentlichen Ebenen für die Erstellung eines Plots – Daten, Ästhetik und Geometrie. Am Ende des Kurses wirst du in der Lage sein, komplexe Explorationsplots zu erstellen.
Trainierst du 2 oder mehr?
Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.In den folgenden Tracks
Datenvisualisierung mit R
Gehe zu Track- 1
Einführung
KostenlosIn diesem Kapitel bringen wir dich in die richtige Stimmung, um aussagekräftige Visualisierungen mit R zu entwickeln. Du wirst verstehen, dass du bei Visualisierungen als Kommunikationsinstrument zuerst an dein Publikum denken musst. Du wirst auch in die Grundlagen von ggplot2 eingeführt – die 7 verschiedenen grammatikalischen Elemente (Layer) und ästhetische Zuordnungen.
Einführung50 xpErforschen und erklären50 xpZeichne deinen ersten Plot100 xpTypen von Datenspalten beeinflussen Plot-Typen100 xpDie Grammatik der Grafik50 xpDatenspalten auf Ästhetik abbilden100 xpVariablen verstehen50 xpggplot2-Schichten50 xpHinzufügen von Geometrien100 xpEin Geom oder jedes Geom ändern100 xpSpeichern von Plots als Variablen100 xp - 2
Ästhetik
Ästhetische Zuordnungen sind der Eckpfeiler der Grammatik des grafischen Plot-Konzepts. Hier passiert die Magie – die Umwandlung von kontinuierlichen und kategorialen Daten in visuelle Skalen, die in kürzester Zeit Zugang zu einer großen Menge an Informationen bieten. In diesem Kapitel erfährst du, wie du die besten ästhetischen Mappings für deine Daten auswählst.
Sichtbare Ästhetik50 xpAlles über Ästhetik: Farbe, Form und Größe100 xpAlles über Ästhetik: Farbe vs. Füllung100 xpAlles über Ästhetik: Ästhetik im Vergleich100 xpÄsthetik für kategoriale und kontinuierliche Variablen50 xpAttribute verwenden50 xpAlles über Attribute: Farbe, Form, Größe und Alpha100 xpAlles über Attribute: Konflikte mit der Ästhetik100 xpAufs Ganze gehen100 xpÄndern der Ästhetik50 xpÄsthetische Etiketten aktualisieren100 xpEinstellen einer Dummy-Ästhetik100 xpÄsthetische Best Practices50 xpGeeignete Zuordnungen50 xp - 3
Geometrien
Die Geometrie eines Plots bestimmt, welche visuellen Elemente verwendet werden. In diesem Kapitel machen wir dich mit den Geometrien vertraut, die in den drei häufigsten Diagrammtypen verwendet werden – Streudiagramme, Balkendiagramme und Liniendiagramme. Wir werden uns verschiedene Möglichkeiten ansehen, wie man diese Plots konstruieren kann.
Streudiagramm50 xpOverplotting 1: große Datensätze100 xpOverplotting 2: Ausgerichtete Werte100 xpOverplotting 3: Daten mit geringer Genauigkeit100 xpOverplotting 4: Ganzzahlige Daten100 xpHistogramme50 xpZeichnen von Histogrammen100 xpPositionen in Histogrammen100 xpBalkendiagramme50 xpPosition in Balken- und Säulendiagrammen100 xpÜberlappende Balkendiagramme100 xpBalkendiagramme: sequentielle Farbpalette100 xpLiniendiagramm50 xpGrundlegende Liniendiagramme100 xpMehrere Zeitreihen100 xp - 4
Themen
In diesem Kapitel werden wir untersuchen, wie das Verständnis der Struktur deiner Daten die Datenvisualisierung erleichtert. Außerdem ist es an der Zeit, unsere Plots schön zu machen. Dies ist der letzte Schritt im Datenerfassungsprozess. Mit dem Themen-Layer kannst du direkt in R Plots in Publikationsqualität erstellen. Im nächsten Kurs werden wir uns einige zusätzliche Layer ansehen, um mehr Variablen zu deinen Plots hinzuzufügen.
Themen von Grund auf50 xpVerschieben der Legende100 xpÄndern von Themenelementen100 xpWhitespace ändern100 xpThema Flexibilität50 xpEingebaute Themen100 xpggthemes erkunden100 xpThemen setzen100 xpPlots in Publikationsqualität100 xpEffektive Erklärungsplots50 xpGeoms für erklärende Diagramme verwenden100 xpAnnotate() für Verschönerungen verwenden100 xp
Trainierst du 2 oder mehr?
Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.In den folgenden Tracks
Datenvisualisierung mit R
Gehe zu TrackRick Scavetta
Mehr AnzeigenRick Scavetta is a co-founder of Scavetta Academy.
Was sagen andere Lernende?
Melden Sie sich an 15 Millionen Lernende und starten Sie Einführung in die Datenvisualisierung mit ggplot2 Heute!
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.