Waterfall chart ou graphique en cascade

CONTEXTE Les données du #Tidytuesday de cette semaine proviennent de Hotel booking demand datasets. OBJECTIFS Visualiser l’évolution dans le temps (semaine par année) du prix moyen des chambres. IMPORTER tuesdata <- tidytuesdayR::tt_load('2020-02-11') hotels <- tuesdata$hotels EXPLORER glimpse(hotels) ## Observations: 119,390 ## Variables: 32 ## $ hotel <chr> "Resort Hotel", "Resort Hotel", "… ## $ is_canceled <dbl> 0, 0, … Lire la suite de Waterfall chart ou graphique en cascade

Publicités

Facet_wrap et aires sous la courbe

Cette semaine, le #Tidytuesday nous fourni des données sur l’audience de la NFL. CONTEXTE Les données de cette semaine proviennent de Pro Football Reference team standings. OBJECTIFS Visualiser l’évolution dans le temps de la différence (en pourcentage) de l’audience à la maison vs l’audience à l’extérieur pour chacune des équipes. IMPORTER tuesdata <- tidytuesdayR::tt_load("2020-02-04") attendance <- tuesdata$attendance EXPLORER … Lire la suite de Facet_wrap et aires sous la courbe

Visualiser des indices

Cette semaine, le #Tidytuesday nous fournit une base de données de Spotify. CONTEXTE Les données de cette semaine proviennent de spotifyr et un article sur le sujet peut être trouvé ici OBJECTIFS Visualiser les indicateurs d’énergie et de dansabilité de tempo et de bonheur pour chaque genre sur un même axe. IMPORTER spotify_songs <- readr::read_csv('https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2020/2020-01-21/spotify_songs.csv') FALSE Parsed with column specification: … Lire la suite de Visualiser des indices

Pourcentage par catégorie

Cette semaine, le #Tidytuesday nous fourni une base de données de 500 mots de passe les plus populaires issus de différents sites comme Facebook, Hotmail et Yahoo entre autres. Les mots de passe ont été rendus disponibles via Wikipedia. CONTEXTE Les données de cette semaine proviennent de Knowledge is Beautiful et un article sur le sujet peut être trouvé ici. … Lire la suite de Pourcentage par catégorie

Visualiser le prix moyen

Cette semaine, le #Tidytuesday traite des contraventions de stationnement données à Philadelphie. J'ai choisi de visualiser l'évolution des prix moyen des contraventions par type d'autorité. CONTEXTE Les données de cette semaine proviennent de Open Data Philly. OBJECTIFS Visualiser l’évolution du prix moyen des contraventions pour les différentes autorités au cours de l’année 2017. IMPORTER tickets <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2019/2019-12-03/tickets.csv") FALSE … Lire la suite de Visualiser le prix moyen

Combiner des histogrammes

Cette semaine, le #Tidytuesday traite des remboursements des prêts étudiants aux États-Unis. J’ai choisi de visualiser le tout avec des pourcentages pour représenter l’évolution du remboursement de cette dette. CONTEXTE Les données de cette semaine proviennent de Department of Education des États-Unis et nous sont partagées par Dignity and Debt. OBJECTIFS Calculer le montant total de la dette et le … Lire la suite de Combiner des histogrammes

ADV28 – Jouer avec les couleurs

Les couleurs représentent l’élément esthétique le plus important et le plus polyvalent en visualisation de données. On doit donc éviter à tout prix de mettre de la couleur juste pour mettre de la couleur et utiliser cet élément esthétique comme un outil de travail qui sert à diriger l’attention de notre lecteur. J’ai utilisé les … Lire la suite de ADV28 – Jouer avec les couleurs

‘Treemap’ ou dessiner une carte proportionnelle…

Cette semaine, le #Tidytuesday nous fait découvrir les votes pour le choix de l’oiseau de l’année de la Nouvelle-Zélande. Pour visualiser les résultats des votes, j’ai choisi de faire une carte porportionnelle et de m’amuser un peu avec les couleurs. CONTEXTE Les données de cette semaine proviennent de Dragonfly Data Science et nous ont été partagées par Nathan Moore. OBJECTIFS … Lire la suite de ‘Treemap’ ou dessiner une carte proportionnelle…