آموزش ggplot2 را در R برای تجسم داده یاد بگیرید

Learn ggplot2 in R for Data Visualization

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تجسم داده برای تجزیه و تحلیل داده ها و علم داده ضروری است، بنابراین از ابتدا در ggplot متخصص شوید! از ggplot2 از پایه به بالا استفاده کنید. دیگر با ggplot سردرگمی نیست! ایجاد نمودارهای آماده انتشار در چند ثانیه یاد بگیرید چگونه داده ها را به درستی وارد ggplot کنید ظاهر طرح خود را با استفاده از سیستم تم سفارشی کنید. نمودارهای سفارشی خود را ایجاد کنید: به عنوان مثال. نمودارهای آب نبات چوبی، نمودارهای دمبل اصول اولیه R را که برای شروع ترسیم نیاز دارید بیاموزید یاد بگیرید چگونه تغییر آماری را روی داده های خود قبل از ترسیم انجام دهید درک گرامر گرافیک، تئوری پشت ggplot2 بیاموزید که چرا ggplot2 بهترین گزینه فعلی برای یادگیری تجسم داده است. ساختار یک نمودار در ggplot و اجزای آن یاد بگیرید چگونه از هندسه های مختلف ggplot استفاده کنید یاد بگیرید چگونه از تنظیمات موقعیت مختلف در ggplot استفاده کنید یاد بگیرید چگونه از مقیاس ها به درستی استفاده کنید: رنگ، موقعیت، تاریخ و موارد دیگر آموزش استفاده از مقیاس ها در کتابچه راهنمای کاربر و حالت هویت سیستم های مختصات مختلف و نحوه اعمال آن ها را بیاموزید یاد بگیرید چگونه مضرب های کوچک را در ggplot با استفاده از سیستم faceting رسم کنید یاد بگیرید چگونه نمودارهای اصلی را ترسیم کنید، مانند نمودارهای پراکنده، نمودارهای خطی، یا نمودارهای میله ای نحوه نمایش توزیع ها را بیاموزید: به عنوان مثال. هیستوگرام، نمودار چگالی، نمودار جعبه، نمودار ویولن نحوه ترسیم نقشه ها را بیاموزید: از نقشه های پس زمینه تا نقشه های مشروح شده یاد بگیرید چگونه نمودارهای وجهی برجسته بسازید یاد بگیرید چگونه هر طرحی را حرفه ای جلوه دهید (به کسی نگویید، اما همچنین یاد خواهید گرفت نحوه ترسیم نمودار دایره ای) پیش نیازها: بدون تجربه قبلی با ggplot2 نیازی به تجربه قبلی با R نیست، یک دوره کرش در R در ابتدا ارائه می شود دانش اولیه استفاده از هر زبان برنامه نویسی

در این دوره، من به شما آموزش می‌دهم که چگونه از بسته ggplot2 R برای ترسیم نمودارهای شگفت‌انگیز استفاده کنید که می‌توانند آنچه را که داده‌های شما برای گفتن دارند به بهترین شکل و حرفه‌ای‌ترین روش به اشتراک بگذارند.

اسم من کلارا است و من یک محقق سیستم های پیچیده و استاد تجسم داده در دانشگاه هستم.

در حال حاضر ggplot2 بهترین و قدرتمندترین ابزار برای ساخت گرافیک حرفه ای است. اول، به این دلیل که این یک بسته موجود در R است که یکی از پرکاربردترین زبان های برنامه نویسی برای علوم داده و زمینه های مرتبط است. بنابراین، بسیار راحت است که بتوانید در همان محیطی که در آن همه محاسبات خود را انجام می دهید، گرافیک تولید کنید. دوم، زیرا انعطاف پذیرترین ابزار برای ساخت نمودار است. بنابراین، حتی اگر از R برای تجزیه و تحلیل خود استفاده نمی کنید، ارزش آن را دارد که از ggplot2 برای ترسیم نمودارهای خود استفاده کنید، زیرا هیچ ابزار دیگری وجود ندارد که به شما نتایجی بدهد که بتوانید با استفاده از ggplot2 به دست آورید.

در حال حاضر، آژانس های برتر برای تجسم داده ها از ggplot2 برای ارائه داده های خود استفاده می کنند. اما هنوز هم، ggplot2 ابزاری است که همه نمی دانند چگونه از آن استفاده کنند، زیرا منحنی یادگیری طولانی آن است. به همین دلیل، برخی از افراد به ابزارهای دیگری مانند مایکروسافت اکسل، ابزاری که واقعاً برای اهداف تجسم داده ساخته نشده است، روی می‌آورند. بنابراین، چرا اکنون از فرصت شگفت انگیز یادگیری ggplot2 و متمایز شدن از دیگر افراد استفاده نمی کنید؟

وقتی چند سال پیش شروع به یادگیری ggplot2 کردم، مقداری از توابع و پارامترها غرق شدم و همچنین، در آن زمان هرگز از R استفاده نکرده بودم. اما من می دانستم که هیچ ابزار قابل مقایسه دیگری وجود ندارد. بنابراین، تصمیم گرفتم آن را از پایه یاد بگیرم، که مدتی طول کشید! البته می‌توانید برخی از آموزش‌ها را تماشا کنید و یاد بگیرید که چگونه انواع خاصی از طرح‌ها را انجام دهید، اما به زودی متوجه شدم که این برای استفاده از ggplot به صورت مستقل و مطمئن کافی نیست. این دوره ای که امروز به شما ارائه می کنم دوره ای است که آرزو داشتم در زمان یادگیری ggplot2 وجود داشته باشد. این باعث می‌شد ساعت‌ها و ساعت‌ها از خواندن کتاب‌ها، راهنماها، اسناد و مدارک و آزمون و خطای بی‌پایان صرفه‌جویی کنم.

در این دوره، من روشی را دنبال کرده‌ام که در طول سال‌ها ثابت کرده است که با دانشجویانم در دانشگاه کار می‌کند، که این است: برای تسلط واقعی بر ggplot2 باید هسته آن را یاد بگیرید: گرامر گرافیک. اما، یادگیری این به تنهایی ممکن است کمی سخت باشد، بنابراین من یک سری درس ایجاد کرده ام که ابتدا بخش خاصی از گرامر را پوشش می دهد، و سپس به یادگیری نحوه ترسیم طرح های خاص می پردازیم. هر دوی این نوع درس ها کاملاً عملی هستند، بنابراین یک ثانیه حوصله شما سر نخواهد رفت! با استفاده از این روش، با دانش‌آموزانی که قبلاً هرگز از R استفاده نکرده‌اند، R مبتدیان و کاربران پیشرفته R به موفقیت بزرگی دست یافته‌ام.

من واقعاً شما را تشویق می‌کنم که تصمیم بگیرید شروع به یادگیری ggplot2 کنید، این مهارتی خواهد بود که برای سال‌های آینده از آن استفاده خواهید کرد و تفاوت زیادی در حرفه شما ایجاد خواهد کرد. قول میدم پشیمون نشی در واقع، این چیزی است که دانش آموزان من می گویند: "این بهترین دوره ای است که من در R انجام داده ام (M.G)"، "این یک دوره عالی است، ممکن است بهترین دوره ای باشد که در مدت طولانی دیده ام (A.M)"، "[من فکر می کردم] که یادگیری ggplot2 برای من غیرممکن است، اما این دوره چیز دیگری را به من نشان داد (M.N)". توصیه های آنها را بپذیرید و به ما بپیوندید!

*این دوره نسخه ggplot2 3.3 (آخرین نسخه) را پوشش می دهد.


سرفصل ها و درس ها

به دوره خوش آمدید! Welcome to the course!

  • ساختار و روش دوره Course structure and methodology

دوره تصادف در R Crash course on R

  • فصل 1 مقدمه Chapter 1 Introduction

  • R چیست؟ What is R?

  • نصب R و RStudio Installing R and RStudio

  • به روز رسانی: RStudio تبدیل به Posit می شود Update: RStudio becomes Posit

  • اولین قدم ها در R First steps in R

  • بذار یه لحظه اینو قطع کنم... Let me interrupt this for a moment...

  • مبانی R: انواع اتمی و بردارها Basics of R: Atomic types and Vectors

  • مبانی R: لیست ها Basics of R: Lists

  • مبانی R: ماتریس Basics of R: Matrices

  • مبانی R: آرایه ها Basics of R: Arrays

  • مبانی R: Dataframes Basics of R: Dataframes

  • مبانی R: خلاصه ای از انواع داده ها Basics of R: Summary of the Data Types

  • مبانی R: عوامل Basics of R: Factors

  • ابزارهای کاربردی در R: ترتیب یک دیتافریم را بر اساس سطوح فاکتور Utilities in R: Reorder a dataframe by factor levels

  • ابزارهای کاربردی در R: خواندن مجموعه داده از یک فایل Utilities in R: Read a dataset from a file

  • ابزارهای کاربردی در R: تبدیل داده ها با dplyr Utilities in R: Transforming data with dplyr

  • ابزارهای کاربردی در R: مدیریت مقادیر از دست رفته Utilities in R: Handling missing values

  • ابزارهای کاربردی در R: تولید دنباله ها Utilities in R: Generation of sequences

  • ابزارهای کاربردی در R: رسیدگی به تاریخ ها Utilities in R: Handling dates

  • ابزارهای کاربردی در R: ادغام دو دیتافریم Utilities in R: Merging two dataframes

گرامر گرافیک The Grammar of Graphics

  • فصل دوم: مقدمه Chapter 2: Introduction

  • چرا ggplot2؟ Why ggplot2?

  • چگونه یک طرح ساده ترسیم کنیم؟ How to draw a simple plot?

  • اجزای گرامر گرافیک The components of the Grammar of Graphics

هندسه ها و نمودارهای خطی Geometries and line plots

  • فصل سوم: مقدمه Chapter 3: Introduction

  • هندسه ها Geometries

  • در حال ذخیره نقشه شما Saving your plot

  • خانواده طرح خط The line plot family

  • رسم نمودارهای خطی با چند خط Drawing line plots with multiple lines

  • تمرین طرح خط Line plot Exercise

  • تمرین طرح خط: راه حل Line plot Exercise: Solution

مجموعه داده ها، نقشه برداری ها و نمودارهای پراکندگی. Datasets, mappings and scatter plots.

  • فصل چهارم: مقدمه Chapter 4: Introduction

  • مجموعه داده ها و نقشه برداری ها Datasets and mappings

  • فراتر از زیبایی شناسی Overriding aesthetics

  • تنظیم در مقابل نقشه برداری Setting vs. mapping

  • فرمت های داده و عملکرد ذوب Data formats and the melt function

  • نمودارهای پراکنده (1 از 2) Scatter plots (1 of 2)

  • نمودارهای پراکنده (2 از 2): رنگ ها و برچسب ها Scatter plots (2 of 2): Colors and labels

  • نمودارهای پراکنده: تمرین کنید Scatter plots: Exercise

  • نمودارهای پراکنده: راه حل تمرین Scatter plots: Exercise Solution

تحولات آماری و توزیع های رسم Statistical transformations and Plotting Distributions

  • فصل پنجم: مقدمه Chapter 5: Introduction

  • تحولات آماری (آمار) Statistical transformations (stats)

  • آمارهای جالب Interesting stats

  • زیبایی شناسی محاسبه شده Computed aesthetics

  • توزیع ها چیست و چگونه آنها را رسم کنیم؟ What are distributions and how to plot them?

  • هیستوگرام ها و چند ضلعی های فرکانس Histograms and frequency polygons

  • نمودارهای تراکم Density plots

  • هیستوگرام و آمار: ورزش Histogram and stats: Exercise

  • هیستوگرام و آمار: راه حل تمرین Histogram and stats: Exercise Solution

  • نمودارهای جعبه Boxplots

  • نقشه های ویولن Violin plots

  • طرح‌های جعبه‌ای و ویولن: تمرین‌ها Boxplots and Violin plots: Exercises

  • طرح های جعبه و ویولن: راه حل تمرین Boxplots and Violin plots: Exercise Solution

نمودارهای تنظیم موقعیت، مقیاس ها و نوارها Position Adjustment, Scales, and Bar plots

  • فصل ششم: مقدمه Chapter 6: Introduction

  • تنظیم موقعیت: هویت، لرزش و تکان دادن Position Adjustment: identity, jitter & nudge

  • تنظیم موقعیت: پشته، پر کردن و جاخالی دادن Position Adjustment: stack, fill & dodge

  • مقیاس ها: تعریف و کاربرد Scales: Definition & Usage

  • مقیاس ها: طبقه بندی Scales: Classification

  • ترازو: ترازوهای موقعیت Scales: Position scales

  • ترازو: ترازو خرما Scales: Date scales

  • ترازو: مقیاس رنگ Scales: Color scales

  • ترازو: ترازوهای دستی و هویتی Scales: Manual & Identity scales

  • میانبرهای مقیاس: آزمایشگاه و لیم Shortcuts to scales: labs & lims

  • قطعه های بار Bar plots

  • چگونه طرح های بار را خوب جلوه دهیم؟ How to make bar plots look good?

  • طرح های نوار تمرین Bar plots Exercise

  • طرح های نواری راه حل تمرین Bar plots Exercise Solution

سیستم های مختصات، سیستم تم و نقشه ها Coordinate systems, the Theme System, and Maps

  • فصل هفتم: مقدمه Chapter 7: Introduction

  • سیستم های مختصات: دکارتی و تلنگر Coordinate Systems: Cartesian & Flip

  • سیستم های مختصات: ثابت و نقشه سریع Coordinate Systems: Fixed & Quickmap

  • سیستم های مختصات: قطبی Coordinate Systems: Polar

  • سیستم تم The Theme System

  • اصلاح اجزای منفرد سیستم تم Modifying Individual Components of the Theme System

  • [جدید] آهنگ جایزه: برگه چیت سیستم تم ggplot [NEW] Bonus Track: ggplot's theme system cheatsheet

  • ایجاد تم سفارشی خود Creating your own Custom Theme

  • نقشه ها: نقشه های پس زمینه Maps: Background maps

  • نقشه ها: نقشه های Choropleth Maps: Choropleth maps

  • نقشه ها: نقشه های حاشیه نویسی و حباب دار Maps: Annotated & Bubble maps

  • نقشه ها: ترسیم داده های GIS Maps: Plotting GIS Data

جنبه ها و طرح های سفارشی Facets and Custom Plots

  • فصل هشتم: مقدمه Chapter 8: Introduction

  • وجوه Facets

  • facet_grid در مقابل facet_wrap facet_grid vs facet_wrap

  • مثال رو به رو: تمرین دنباله دار Faceting example: follow-along exercise

  • تمرین نقشه ها و جنبه ها Maps & facets Exercise

  • راه حل تمرین نقشه ها و جنبه ها Maps & facets Exercise Solution

  • طرح های سفارشی: طرح آب نبات چوبی Custom plots: the Lollipop plot

  • طرح های سفارشی: طرح دمبل Custom plots: the Dumbbell plot

  • طرح های سفارشی: طرح "آتش". Custom plots: the "Fire" plot

بعدش چی؟ What next?

  • تبریک می گویم! بعدش چی؟ Congratulations! What next?

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش ggplot2 را در R برای تجسم داده یاد بگیرید
جزییات دوره
10.5 hours
90
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,256
4.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Clara Granell, PhD Clara Granell, PhD

محقق سیستم های پیچیده و کارشناس تجسم داده ها