Y é para scale_y | R-bloggers

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


[Esteartigofoipublicadopelaprimeiravezem[Thisarticlewasfirstpublishedon Profundamente Trivial, e gentilmente contribuiu para os R-blogueiros]. (Você pode relatar um problema sobre o conteúdo desta página aqui)


Deseja compartilhar seu conteúdo com R-blogueiros? clique aqui se você tiver um blog ou aqui se não tiver.

Ontem, eu falei sobre scale_x. Hoje, continuarei nesse tópico, focando no eixo y.

A chave para usar qualquer uma das funções de scale_ é saber com que tipo de dados você está trabalhando (por exemplo, data, contínua, discreta). Ontem, eu falei sobre scale_x_date e scale_x_discrete. Geralmente, colocamos esses tipos de dados no eixo x, enquanto o eixo y é frequentemente usado para contagens. Ao exibir contagens, queremos pensar nas principais quebras que fazem sentido, bem como em qualquer formatação adicional para facilitar a leitura.

Se eu voltar às minhas páginas ao longo do tempo, você perceberá que as principais quebras estão nas dezenas de milhares. Geralmente, estamos acostumados a ver esses valores com uma vírgula separando os milhares das centenas. Eu poderia adicioná-los à minha trama assim (com uma pequena ajuda do pacote de balanças).

## -- Attaching packages ------------------------------------------- tidyverse 1.3.0 --
##  ggplot2 3.2.1      purrr   0.3.3
## tibble 2.1.3 dplyr 0.8.3
## tidyr 1.0.0 stringr 1.4.0
## readr 1.3.1 forcats 0.4.0
## -- Conflicts ---------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
reads2019  read_csv("~/Downloads/Blogging A to Z/SaraReads2019_allchanges.csv",
col_names = TRUE)
## Parsed with column specification:
## cols(
## Title = col_character(),
## Pages = col_double(),
## date_started = col_character(),
## date_read = col_character(),
## Book.ID = col_double(),
## Author = col_character(),
## AdditionalAuthors = col_character(),
## AverageRating = col_double(),
## OriginalPublicationYear = col_double(),
## read_time = col_double(),
## MyRating = col_double(),
## Gender = col_double(),
## Fiction = col_double(),
## Childrens = col_double(),
## Fantasy = col_double(),
## SciFi = col_double(),
## Mystery = col_double(),
## SelfHelp = col_double()
## )
## 
## Attaching package: 'scales'
## The following object is masked from 'package:purrr':
##
## discard
## The following object is masked from 'package:readr':
##
## col_factor
reads2019 %>%
ggplot(aes(date_read, PagesRead)) +
geom_point() +
scale_x_date(date_labels = "%B",
date_breaks = "1 month") +
scale_y_continuous(labels = comma) +
labs(title = "Cumulative Pages Read Over 2019") +
theme(plot.title = element_text(hjust = 0.5))

Eu também poderia adicionar mais pausas importantes.

reads2019 %>%
ggplot(aes(date_read, PagesRead)) +
geom_point() +
scale_x_date(date_labels = "%B",
date_breaks = "1 month") +
scale_y_continuous(labels = comma,
breaks = seq(, 30000, 5000)) +
labs(title = "Cumulative Pages Read Over 2019") +
theme(plot.title = element_text(hjust = 0.5))

O pacote de escalas oferece outras maneiras de formatar dados, além dos três mostrados nesta série (transformação de log, porcentagem e agora continua com vírgula). Também permite formatar dados com moeda, bytes, classificações e notação científica.

Última mensagem amanhã!



Se você chegou até aqui, por que não inscreva-se para atualizações do site? Escolha o seu sabor: o email, Twitter, RSS ou facebook …



cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br
Leia Também  Comunidade de desenvolvedores de software de bioinformática (CDSB): a história de um hotspot de diversidade e alcance no México que espera capacitar desenvolvedores locais de R