Skapa en datumtabell i LuckyTemplates
Ta reda på varför det är viktigt att ha en dedikerad datumtabell i LuckyTemplates och lär dig det snabbaste och mest effektiva sättet att göra det.
Skapa bivariata visualiseringar i R med hjälp av Ggplot2
Att skapa visualiseringar i R med ggplot2 kan vara ett kraftfullt sätt att utforska och förstå dina data. En vanlig typ av visualisering är den bivariata plotten, som låter dig undersöka sambandet mellan två variabler.
I den här handledningen kommer du att lära dig hur du producerar bivariata visualiseringar i R med hjälp av ggplot2. Den här bloggen kommer specifikt att fokusera på det som skulle vara svårt att utföra i LuckyTemplates men lätt att göra i R.
Innehållsförteckning
Översikt
Tre huvudämnen kommer att diskuteras i denna handledning. Du kommer att lära dig hur man visualiserar fördelningarna av en variabel per grupp, och hur man visualiserar korrelationer och parvisa samband.
Ett parvis förhållande hänvisar till förhållandet mellan varje par av variabler i en given datamängd.
För den här handledningen måste du ladda ner paketet ggplot2 . När du är klar öppnar du ett tomt skript och tar in två bibliotek: tidyverse och GGally .
GGally är ett tillägg till ggplot2. Den är byggd för att minska komplexiteten i att kombinera geometriska objekt med transformerade data.
De olika bivariata visualiseringarna i R
En bivariat visualisering visar sambandet mellan två variabler.
Låt oss som ett exempel skapa en visualisering som visar förhållandet mellan staden och motorvägen. Du måste använda funktionen ggplot ( ) och sedan tilldela lämplig data.
Funktionen geom_point ( ) används sedan för att generera .
Visualiseringar i R som visar korrelation
Funktionen ggcorr () används för att visualisera korrelationen mellan variabler. Detta kommer att generera en värmekarta med de lägsta till högsta korrelationsvärdena som visas. Du kan förbättra visualiseringen ytterligare genom att lägga till ett argument som visar etiketterna.
Visualiseringar i R som visar ett parvis förhållande
För den parvisa plotten måste du använda funktionen ggpairs ( ) .
Eftersom dataramen i det här exemplet innehåller en stor datamängd måste den först filtreras för att bara visa numeriska värden, annars kommer resultatet att visa ett fel.
För att filtrera data, använd röroperatorn och funktionen select_if ( ) .
På fliken Plots kan du se den parvisa visualisering som genereras av koden. Du kan också se grafen och korrelationsvärdet mellan varje variabel.
En annan sak du kan göra med parvisa plotter är att lägga till extra element för att förstärka visualiseringen. Du kan lägga till en annan variabel och ändra färgen på data.
I det här fallet läggs drivkolumnen till i koden och den estetiska mappningsfunktionen används för att ändra dess färg.
När du kör koden ser du att diagrammet visar spridningsdiagram och korrelationsvärdena per enhet. Diagonalen visar också för varje enhet.
Slutsats
Om du vill skapa robusta och statistiskt stödda visualiseringar som histogram, spridningsdiagram och boxplots, rekommenderas det att använda ggplot2 med GGally.
Programmeringsspråket R tillsammans med olika visualiseringspaket som ggplot2 tillåter användare att bygga visualiseringar som visar sambandet och korrelationen mellan variabler.
GGally utökar ggplot2 genom att utöka flera funktioner som minskar komplexiteten. Om du försöker skapa bivariata och multivariata visualiseringar i LuckyTemplates kommer de att visa sig vara en utmaning. Men inom programmeringsspråket R behöver du bara skriva en enda rad kod för att komma fram till den statistiska plot du behöver.
Med vänliga hälsningar,
George Mount
LuckyTemplates mobilrapporteringstips och tekniker
Denna korta handledning belyser LuckyTemplates mobilrapporteringsfunktion. Jag ska visa dig hur du kan utveckla rapporter effektivt för mobila enheter.
Professional Service Analytics-rapporter i LuckyTemplates
I denna LuckyTemplates Showcase går vi igenom rapporter som visar professionell serviceanalys från ett företag som har flera kontrakt och kundengagemang.
Microsoft Power Platform-uppdateringar | Microsoft Ignite 2021
Gå igenom de viktigaste uppdateringarna för Power Apps och Power Automate och deras fördelar och konsekvenser för Microsoft Power Platform.
Vanliga SQL-funktioner: En översikt
Upptäck några vanliga SQL-funktioner som vi kan använda som sträng, datum och några avancerade funktioner för att bearbeta eller manipulera data.
LuckyTemplates Skapa mall: Guide och tips
I den här handledningen kommer du att lära dig hur du skapar din perfekta LuckyTemplates-mall som är konfigurerad efter dina behov och preferenser.
Fältparametrar och små multiplar i LuckyTemplates
I den här bloggen kommer vi att visa hur man lager fältparametrar med små multiplar för att skapa otroligt användbara insikter och bilder.
LuckyTemplates Rank och anpassad gruppering
I den här bloggen kommer du att lära dig hur du använder LuckyTemplates ranknings- och anpassade grupperingsfunktioner för att segmentera en exempeldata och rangordna den enligt kriterier.
Visar kumulativ total endast upp till ett visst datum i LuckyTemplates
I den här handledningen kommer jag att täcka en specifik teknik kring hur man visar Kumulativ total endast upp till ett specifikt datum i dina bilder i LuckyTemplates.
Punktdiagram: Avancerade anpassade bilder för LuckyTemplates
Lär dig hur du skapar och anpassar punktdiagram i LuckyTemplates, som huvudsakligen används för att mäta prestanda mot mål eller tidigare år.