Pakken er den mest omfattende måde at bygge grafer og plots på. Firmaer, som New York Times og The Economist, bruger i høj grad ggplot2 til at skabe deres visualiseringer. Med store virksomheder, der bruger dette værktøj, er det vigtigt at have en vidensbase om, hvordan man bruger ggplot2 til at skabe visualiseringer såsom jitter-plottet.
I denne tutorial lærer du, hvordan du opretter et jitter-plot ved hjælp af ggplot2 i . Når du forstår grammatikken i grafik i ggplot2, vil du være i stand til at sammensætte enhver graf eller plot.
Et jitterplot er en type, der bruges til at vise fordelingen af et sæt numeriske datapunkter. "Jitter" i plottets navn refererer til den tilfældige variation, der føjes til placeringen af hvert symbol langs x- og y-akserne.
Denne variation hjælper med at forhindre symboler i at overlappe og gør det lettere at se fordelingen af datapunkter i tilfælde, hvor der er høj tæthed af punkter i visse områder af plottet.
Hvis du har et tæt befolket plot, kan et jitterplot gøre din visualisering lettere at forstå. Du kan også bruge den til at plotte fordelinger efter kategori, som er et alternativ til et boxplot eller en .
Indholdsfortegnelse
Oprettelse af et jitterplot i R
Til denne demonstration bruges tidyverse- datasættet.
Først skal du oprette et punktplot ved hjælp af funktionen ggplot ( ) . I dette tilfælde er x-aksen året, mens y-aksen er mpg-datasættet.
Når du kører koden, kan du se, at plottet viser punkter, der danner en ret linje i forhold til y-aksen.
Brug funktionen geom_jitter ( ) til at tilføje endnu et lag til grafen. Når du kører koden, vil du se, at punkterne i plottet flyttede sig. Pointene vil fortsætte med at skifte hver gang du kører koden.
For at forhindre punkterne i konstant at flytte sig, skal du bruge funktionen set.seed ( ) . Indtast et tilfældigt tal inden for parentesen. I dette tilfælde er det 1234. Når du har kørt koden, vil du se, at plottet forbliver det samme, selvom du gentagne gange klikker på Kør.
Oprettelse af et jitterplot med kategoriske variabler
Du kan også bruge funktionen geom_jitter ( ) til kategoriske variable.
Brug det samme argument, lad os ændre x-aksen til mpg og y-aksen til oprindelse. Når du kører den nye kodelinje, kan du se, at i stedet for at vise dataene i lige linjer, er de tilfældigt fordelt i plottet.
Dette hjælper dig med at visualisere de individuelle observationer for hver kategori, og hvordan de varierer. I dette tilfælde kan du se den typiske kilometertal for en oprindelse versus en anden.
Du kan tilføje farve til plottet ved at tilføje endnu et argument i funktionen aes ( ) . Du kan også indstille størrelsen af punkterne til en bestemt dataværdi i dit datasæt.
I dette eksempel gjorde jitter-plottet det lettere at identificere oprindelsen med flest biler og dem, der har bedre kilometertal.
På grund af størrelsen angivet i koden, ser plottet overmættet ud. Du kan ændre størrelsen eller farven på datapunkterne afhængigt af dine præferencer eller forretningskrav.
Konklusion
Et jitterplot er en af måderne til at bringe en ny form for indsigt i dine visualiseringer. Det hjælper brugerne til bedre at forstå, hvad der sker med data. Dette plot er et godt alternativ til det typiske histogram eller boksplot til at plotte distributioner.
Evnen til effektivt at forstå den underliggende struktur af et datasæt gør jitterplot til et værdifuldt værktøj inden for forskellige områder såsom statistik, dataanalyse og maskinlæring. Samlet set giver jitterplot en klar og letforståelig repræsentation af fordelingen af numeriske datapunkter, hvilket gør det til et kraftfuldt værktøj til datavisualisering og -analyse.
Alt det bedste,
George Mount
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Find ud af, hvorfor det er vigtigt at have en dedikeret datotabel i LuckyTemplates, og lær den hurtigste og mest effektive måde at gøre det på.
Denne korte vejledning fremhæver LuckyTemplates mobilrapporteringsfunktion. Jeg vil vise dig, hvordan du kan udvikle rapporter effektivt til mobilenheder.
I denne LuckyTemplates Showcase gennemgår vi rapporter, der viser professionel serviceanalyse fra et firma, der har flere kontrakter og kundeengagementer.
Gå gennem de vigtigste opdateringer til Power Apps og Power Automate og deres fordele og implikationer for Microsoft Power Platform.
Opdag nogle almindelige SQL-funktioner, som vi kan bruge, såsom streng, dato og nogle avancerede funktioner til at behandle eller manipulere data.
I denne tutorial lærer du, hvordan du opretter din perfekte LuckyTemplates-skabelon, der er konfigureret til dine behov og præferencer.
I denne blog vil vi demonstrere, hvordan man lagdelte feltparametre med små multipler for at skabe utrolig nyttig indsigt og visuals.
I denne blog vil du lære, hvordan du bruger LuckyTemplates rangerings- og brugerdefinerede grupperingsfunktioner til at segmentere et eksempeldata og rangordne det efter kriterier.
I denne tutorial vil jeg dække en specifik teknik omkring, hvordan du kun viser Kumulativ Total op til en bestemt dato i dine visuals i LuckyTemplates.
