# Wizualizacja proporcji | ](../../../sketchnotes/11-Visualizing-Proportions.png)| |:---:| |Wizualizacja proporcji - _Sketchnote autorstwa [@nitya](https://twitter.com/nitya)_ | W tej lekcji użyjesz innego zestawu danych związanych z naturą, aby zwizualizować proporcje, na przykład ile różnych rodzajów grzybów występuje w danym zestawie danych o pieczarkach. Zbadajmy te fascynujące grzyby, korzystając z zestawu danych pochodzącego od Audubon, zawierającego szczegóły dotyczące 23 gatunków grzybów blaszkowych z rodzin Agaricus i Lepiota. Będziesz eksperymentować z apetycznymi wizualizacjami, takimi jak: - Wykresy kołowe 🥧 - Wykresy pierścieniowe 🍩 - Wykresy gofrowe 🧇 > 💡 Bardzo interesujący projekt [Charticulator](https://charticulator.com) od Microsoft Research oferuje darmowy interfejs typu "przeciągnij i upuść" do wizualizacji danych. W jednym z ich tutoriali również używają tego zestawu danych o grzybach! Możesz więc eksplorować dane i jednocześnie uczyć się biblioteki: [Tutorial Charticulator](https://charticulator.com/tutorials/tutorial4.html). ## [Quiz przed lekcją](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/20) ## Poznaj swoje grzyby 🍄 Grzyby są bardzo interesujące. Zaimportujmy zestaw danych, aby je zbadać: ```r mushrooms = read.csv('../../data/mushrooms.csv') head(mushrooms) ``` Tabela zostaje wyświetlona z ciekawymi danymi do analizy: | klasa | kształt kapelusza | powierzchnia kapelusza | kolor kapelusza | siniaki | zapach | przyczepność blaszek | odstępy między blaszkami | rozmiar blaszek | kolor blaszek | kształt trzonu | korzeń trzonu | powierzchnia trzonu nad pierścieniem | powierzchnia trzonu pod pierścieniem | kolor trzonu nad pierścieniem | kolor trzonu pod pierścieniem | typ osłony | kolor osłony | liczba pierścieni | typ pierścienia | kolor zarodników | populacja | siedlisko | | --------- | ----------------- | ---------------------- | --------------- | ------- | --------- | -------------------- | ----------------------- | --------------- | ------------- | -------------- | ------------- | ------------------------------- | ------------------------------- | ---------------------------- | ---------------------------- | ---------- | ----------- | ---------------- | --------------- | ---------------- | ---------- | -------- | | Trujące | Wypukły | Gładki | Brązowy | Siniaki | Ostry | Wolne | Bliskie | Wąskie | Czarny | Powiększający | Równy | Gładki | Gładki | Biały | Biały | Częściowa | Biały | Jeden | Wiszący | Czarny | Rozproszona | Miejska | | Jadalne | Wypukły | Gładki | Żółty | Siniaki | Migdałowy | Wolne | Bliskie | Szerokie | Czarny | Powiększający | Maczugowaty | Gładki | Gładki | Biały | Biały | Częściowa | Biały | Jeden | Wiszący | Brązowy | Liczna | Trawy | | Jadalne | Dzwonkowaty | Gładki | Biały | Siniaki | Anyżowy | Wolne | Bliskie | Szerokie | Brązowy | Powiększający | Maczugowaty | Gładki | Gładki | Biały | Biały | Częściowa | Biały | Jeden | Wiszący | Brązowy | Liczna | Łąki | | Trujące | Wypukły | Łuskowaty | Biały | Siniaki | Ostry | Wolne | Bliskie | Wąskie | Brązowy | Powiększający | Równy | Gładki | Gładki | Biały | Biały | Częściowa | Biały | Jeden | Wiszący | Czarny | Rozproszona | Miejska | | Jadalne | Wypukły | Gładki | Zielony | Bez siniaków | Brak | Wolne | Zatłoczone | Szerokie | Czarny | Zwężający | Równy | Gładki | Gładki | Biały | Biały | Częściowa | Biały | Jeden | Zanikający | Brązowy | Obfita | Trawy | | Jadalne | Wypukły | Łuskowaty | Żółty | Siniaki | Migdałowy | Wolne | Bliskie | Szerokie | Brązowy | Powiększający | Maczugowaty | Gładki | Gładki | Biały | Biały | Częściowa | Biały | Jeden | Wiszący | Czarny | Liczna | Trawy | Od razu zauważasz, że wszystkie dane są tekstowe. Musisz je przekonwertować, aby móc użyć ich w wykresie. Większość danych jest w rzeczywistości reprezentowana jako obiekt: ```r names(mushrooms) ``` Wynik to: ```output [1] "class" "cap.shape" [3] "cap.surface" "cap.color" [5] "bruises" "odor" [7] "gill.attachment" "gill.spacing" [9] "gill.size" "gill.color" [11] "stalk.shape" "stalk.root" [13] "stalk.surface.above.ring" "stalk.surface.below.ring" [15] "stalk.color.above.ring" "stalk.color.below.ring" [17] "veil.type" "veil.color" [19] "ring.number" "ring.type" [21] "spore.print.color" "population" [23] "habitat" ``` Weź te dane i przekonwertuj kolumnę 'klasa' na kategorię: ```r library(dplyr) grouped=mushrooms %>% group_by(class) %>% summarise(count=n()) ``` Teraz, jeśli wydrukujesz dane o grzybach, zobaczysz, że zostały pogrupowane w kategorie według klasy trujące/jadalne: ```r View(grouped) ``` | klasa | liczba | | --------- | --------- | | Jadalne | 4208 | | Trujące | 3916 | Jeśli zastosujesz kolejność przedstawioną w tej tabeli do tworzenia etykiet kategorii klasy, możesz zbudować wykres kołowy. ## Koło! ```r pie(grouped$count,grouped$class, main="Edible?") ``` Voila, wykres kołowy pokazujący proporcje tych danych według dwóch klas grzybów. Bardzo ważne jest, aby kolejność etykiet była poprawna, szczególnie tutaj, więc upewnij się, że weryfikujesz kolejność, w jakiej budowana jest tablica etykiet!  ## Pierścienie! Nieco bardziej interesującym wizualnie wykresem kołowym jest wykres pierścieniowy, czyli wykres kołowy z dziurą w środku. Przyjrzyjmy się naszym danym za pomocą tej metody. Spójrz na różne siedliska, w których rosną grzyby: ```r library(dplyr) habitat=mushrooms %>% group_by(habitat) %>% summarise(count=n()) View(habitat) ``` Wynik to: | siedlisko | liczba | | --------- | --------- | | Trawy | 2148 | | Liście | 832 | | Łąki | 292 | | Ścieżki | 1144 | | Miejskie | 368 | | Odpady | 192 | | Drewno | 3148 | Tutaj grupujesz swoje dane według siedliska. Jest ich 7, więc użyj ich jako etykiet dla wykresu pierścieniowego: ```r library(ggplot2) library(webr) PieDonut(habitat, aes(habitat, count=count)) ```  Ten kod używa dwóch bibliotek - ggplot2 i webr. Korzystając z funkcji PieDonut z biblioteki webr, możemy łatwo stworzyć wykres pierścieniowy! Wykresy pierścieniowe w R można również tworzyć, używając tylko biblioteki ggplot2. Możesz dowiedzieć się więcej na ten temat [tutaj](https://www.r-graph-gallery.com/128-ring-or-donut-plot.html) i spróbować samodzielnie. Teraz, gdy wiesz, jak grupować dane i wyświetlać je jako koło lub pierścień, możesz eksplorować inne typy wykresów. Spróbuj wykresu gofrowego, który jest po prostu innym sposobem eksplorowania ilości. ## Gofry! Wykres typu 'gofrowy' to inny sposób wizualizacji ilości jako 2D tablicy kwadratów. Spróbuj zwizualizować różne ilości kolorów kapeluszy grzybów w tym zestawie danych. Aby to zrobić, musisz zainstalować pomocniczą bibliotekę [waffle](https://cran.r-project.org/web/packages/waffle/waffle.pdf) i użyć jej do wygenerowania wizualizacji: ```r install.packages("waffle", repos = "https://cinc.rud.is") ``` Wybierz segment swoich danych do grupowania: ```r library(dplyr) cap_color=mushrooms %>% group_by(cap.color) %>% summarise(count=n()) View(cap_color) ``` Stwórz wykres gofrowy, tworząc etykiety, a następnie grupując swoje dane: ```r library(waffle) names(cap_color$count) = paste0(cap_color$cap.color) waffle((cap_color$count/10), rows = 7, title = "Waffle Chart")+scale_fill_manual(values=c("brown", "#F0DC82", "#D2691E", "green", "pink", "purple", "red", "grey", "yellow","white")) ``` Korzystając z wykresu gofrowego, możesz wyraźnie zobaczyć proporcje kolorów kapeluszy w tym zestawie danych o grzybach. Co ciekawe, jest wiele grzybów z zielonymi kapeluszami!  W tej lekcji nauczyłeś się trzech sposobów wizualizacji proporcji. Najpierw musisz pogrupować swoje dane w kategorie, a następnie zdecydować, który sposób ich wyświetlania jest najlepszy - koło, pierścień czy gofr. Wszystkie są apetyczne i dają użytkownikowi natychmiastowy wgląd w zestaw danych. ## 🚀 Wyzwanie Spróbuj odtworzyć te apetyczne wykresy w [Charticulator](https://charticulator.com). ## [Quiz po lekcji](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/21) ## Przegląd i samodzielna nauka Czasami nie jest oczywiste, kiedy użyć wykresu kołowego, pierścieniowego czy gofrowego. Oto kilka artykułów do przeczytania na ten temat: https://www.beautiful.ai/blog/battle-of-the-charts-pie-chart-vs-donut-chart https://medium.com/@hypsypops/pie-chart-vs-donut-chart-showdown-in-the-ring-5d24fd86a9ce https://www.mit.edu/~mbarker/formula1/f1help/11-ch-c6.htm https://medium.datadriveninvestor.com/data-visualization-done-the-right-way-with-tableau-waffle-chart-fdf2a19be402 Poszukaj więcej informacji na temat tej trudnej decyzji. ## Zadanie [Spróbuj w Excelu](assignment.md) **Zastrzeżenie**: Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.