Läs R4DS kapitel 7.
Lös övningskapitel Exploring Categorical Data och Exploring Numerical Data på DataCamp.
c("Vitt vin", "Rött vin", "Rosévin", "Mousserande vin")
med årgångar 2010-2017. Prova och jämför nedanstående stapeldiagram
ggplot
med aes(x = Argang)
, geom_bar()
ochggplot
med aes(x = Argang)
och geom_bar()
facet_wrap(~ Varugrupp)
(lägg eventuellt till argumentet scale = "free_y"
till facet_wrap
)ggplot
med aes(x = Argang, fill = Varugrupp)
och
geom_bar()
geom_bar(position = "dodge")
geom_bar(position = "fill")
Återskapa nedanstående plot (för Röda viner från det ordinarie sortimentet)
Gör en box_plot
av PrisPerLiter
på log-skala, med x = Varugrupp
. Prova coord_flip
för att göra det hela mer läsbart.
Följande kod gör om medaljdata till så kallat “långt” format (mer om detta nästa tillfälle!) som är enklare att arbeta med i ggplot
:
medal_long <- read_csv("data/Winter_medals2018-01-16.csv") %>%
select(-Total) %>%
gather(Denomination, Number, c("Gold", "Silver", "Bronze"))
Kolumnen Denomination
innehåller nu medaljvalör och Number
antal av denna valör, använd group_by
och summarise
för att summera det totala antalet medaljer per valör och land. Illustrera andelen olika medajvalörer för länderna, t.ex. genom att använda geom_bar
med stat = "identity
och position = "fill"
.