A csomag a legátfogóbb módja a grafikonok és telkek felépítésének. Az olyan cégek, mint a New York Times és a The Economist, nagymértékben használják a ggplot2-t vizualizációik elkészítéséhez. Mivel a nagyvállalatok használják ezt az eszközt, fontos, hogy rendelkezzenek tudásbázissal a ggplot2 használatával vizualizációk, például a jitter plot létrehozására.
Ebből az oktatóanyagból megtudhatja, hogyan hozhat létre jitter diagramot a ggplot2 használatával a . Miután megértette a ggplot2 grafikáinak nyelvtanát, bármilyen grafikont vagy diagramot összefűzhet.
A jitterplot a numerikus adatpontok halmazának eloszlásának megjelenítésére szolgáló típus. A diagram nevében szereplő „jitter” arra a véletlenszerű variációra utal, amely hozzáadódik az egyes szimbólumok helyzetéhez az x és y tengely mentén.
Ez a variáció segít megelőzni a szimbólumok átfedését, és megkönnyíti az adatpontok eloszlásának megtekintését, ha a diagram bizonyos területein nagy a pontsűrűség.
Ha sűrűn lakott területtel rendelkezik, a jitterplot megkönnyítheti a vizualizáció megértését. Használhatja az eloszlások kategóriánkénti ábrázolására is, ami alternatíva a dobozos ábrázolás vagy a .
Tartalomjegyzék
Jitter Plot létrehozása R-ben
Ehhez a demonstrációhoz a tidyverse adatkészletet használjuk.
Először hozzon létre egy szóródási diagramot a ggplot ( ) függvény segítségével. Ebben az esetben az x tengely az év, míg az y tengely az mpg adatkészlet.
A kód futtatásakor láthatja, hogy a diagram az y tengelyhez képest egyenes vonalat képező pontokat mutat.
Használja a geom_jitter ( ) függvényt egy újabb réteg hozzáadásához a grafikonhoz. A kód futtatásakor látni fogja, hogy a diagram pontjai elmozdultak. A pontok továbbra is eltolódnak a kód minden futtatásakor.
A pontok állandó eltolódásának megakadályozásához használja a set.seed ( ) funkciót. A zárójelbe írjon be bármilyen véletlen számot. Ebben az esetben ez 1234. A kód futtatása után látni fogja, hogy a diagram ugyanaz marad, még akkor is, ha többször rákattint a Futtatás gombra.
Jitter diagram készítése kategorikus változókkal
A geom_jitter ( ) függvényt is használhatja kategorikus változókhoz.
Ugyanezt az argumentumot használva változtassa meg az x-tengelyt mpg-re, az y-tengelyt pedig origóra. Amikor futtatja az új kódsort, láthatja, hogy ahelyett, hogy egyenes vonalakban jelenítené meg az adatokat, véletlenszerűen vannak elosztva a diagramon.
Ez segít megjeleníteni az egyes kategóriák egyedi megfigyeléseit és azok változását. Ebben az esetben láthatja az egyik eredet tipikus futásteljesítményét a másikkal szemben.
Színt adhat a diagramhoz, ha hozzáad egy másik argumentumot az aes ( ) függvényben. A pontok méretét egy adott adatértékre is beállíthatja az adatkészletben.
Ebben a példában a jitter diagram megkönnyítette a legtöbb autó eredetének azonosítását és a jobb futásteljesítményűek azonosítását.
A kódban beállított méret miatt a cselekmény túltelítettnek tűnik. Az adatpontok méretét vagy színét preferenciáitól vagy üzleti igényeitől függően módosíthatja.
Következtetés
A jitter cselekmény az egyik módja annak, hogy a betekintés új formáját hozza a vizualizációkba. Segít a felhasználóknak abban, hogy jobban megértsék, mi történik az adatokkal. Ez a diagram nagyszerű alternatívája a tipikus hisztogramnak vagy dobozdiagramnak az eloszlások ábrázolásához.
Az adatkészlet mögöttes szerkezetének hatékony megértésének képessége a jitter diagramokat értékes eszközzé teszi különféle területeken, például a statisztikákban, az adatelemzésben és a gépi tanulásban. Összességében a jitter diagramok világos és könnyen érthető ábrázolást adnak a numerikus adatpontok eloszlásának, így hatékony eszközzé teszik az adatok megjelenítéséhez és elemzéséhez.
Minden jót,
George Mount
Ismerje meg, hogyan töltheti le és telepítheti a DAX Studio és a Tabular Editor 3 alkalmazást, és hogyan konfigurálhatja őket a LuckyTemplates és az Excel programban való használatra.
Ez a blog tartalmazza a Shape Map vizualizációt a LuckyTemplates térbeli elemzéséhez. Megmutatom, hogyan használhatja hatékonyan ezt a vizualizációt annak funkcióival és elemeivel.
Ebben az oktatóanyagban egy egyedülálló ötletet mutatok be a pénzügyi jelentésekkel kapcsolatban, amely az eredmények hozzárendelését jelenti a LuckyTemplates-en belüli táblázatsablonok előre meghatározásához.
Hozzon létre DAX-mértékeket a LuckyTemplates alkalmazásban meglévő mértékek vagy képletek használatával. Ezt nevezem mértékelágazási technikának.
Ebben a blogban fedezze fel a LuckyTemplates adatkészletet, a leghatékonyabb függvényhívást, amely M- és DAX-függvények ezreit juttatja a keze ügyébe.
A mai oktatóanyagban megosztok néhány adatmodellezési technikát a DAX-mérések jobb rendszerezéséhez a hatékonyabb munkafolyamat érdekében.
A LuckyTemplates egy nagyszerű eszköz a pénzügyi jelentésekhez. Itt található egy oktatóanyag, amely bemutatja, hogyan hozhat létre személyre szabott táblázatokat a LuckyTemplates pénzügyi irányítópultjához.
Ez az oktatóanyag megvitatja a Power Query nyelvi folyamatot, és azt, hogyan segíthet zökkenőmentes és hatékony adatjelentések létrehozásában.
Az egyik kedvenc technikámról fogok beszélni a LuckyTemplates egyéni ikonok körül, amely dinamikusan használja az egyéni ikonokat a LuckyTemplates vizualizációkban.
Ebben a blogban megmutatom, hogyan hozhat létre LuckyTemplates táblázatokat olyan képlet segítségével, amely egyesíti az UNION és a ROW függvényt.
