Vamos conversar sobre passos inicias de um conglomerado de códigos responsáveis para orientar e coordenar projetos, tais projetos necessitam de aprendizagem continua para que o aluno possa desenvolver e elaborar projetos auto sustentáveis.
Introdução
O gráfico simples trouxe mais informações à mente do analista de dados do que qualquer outro recurso.
—John Tukey
Este capítulo ensinará como visualizar seus dados usando o ggplot2. O R possui vários sistemas para criar gráficos, mas o ggplot2 é um dos mais elegantes e versáteis. O ggplot2 implementa a gramática dos gráficos (grammar of graphics), um sistema coerente para descrever e construir gráficos. Com o ggplot2, você pode fazer mais em menos tempo, aprendendo um único sistema e aplicando-o em vários contextos.
Se você quiser aprender mais sobre os fundamentos teóricos do ggplot2 antes de começar, recomendo a leitura de “A Layered Grammar of Graphics”.
Pré-requisitos
Este capítulo foca no ggplot2, um dos membros principais do tidyverse. Para acessar os conjuntos de dados, páginas de ajuda e funções que usaremos neste capítulo, carregue o tidyverse executando este código:
library(tidyverse)
#> Loading tidyverse: ggplot2
#> Loading tidyverse: tibble
#> Loading tidyverse: tidyr
#> Loading tidyverse: readr
#> Loading tidyverse: purrr
#> Loading tidyverse: dplyr
#> Conflicts with tidy packages --------------------------------
#> filter(): dplyr, stats
#> lag(): dplyr, stats
Aquela única linha de código carrega o tidyverse principal, ou seja, os pacotes que você usará em quase todas as análises de dados. Ela também informa quais funções do tidyverse entram em conflito com funções do R base (ou de outros pacotes que você possa ter carregado).
Se você executar esse código e receber a mensagem de erro “there is no package called ‘tidyverse’” (“não existe o pacote chamado ‘tidyverse'”), será necessário instalá-lo primeiro e, em seguida, executar library() novamente:
install.packages("tidyverse")
library(tidyverse)
Esta aula está no livro exatamente como está:
O nome do livro usado como referencia é o R for Data Science, ele tem uma cultura simples de abordagem para estudantes e entusiastas de dados nele é comumente ser abordado maneiras de explorados dados de maneira claras e objetivas. Aprenda a aprender e execute essas tarefas claras impostas aqui para que possa lidar com todas as bases necessárias deste curso de formação em R, a linguagem R ela é bastante objetiva seu trabalho principal é lidar com bases de dados para que você possa explorar corretamente seu tempo de estudo de maneira clara e objetiva, aprendendo o básico necessário para ser explorado para que futuramente você deseja fazer um trabalho especifico como orientação a dados aplicado ao futebol como é a formação do campo analítico.
A primeira orientação é dada pela organização correta dos seus objetivos, sejam eles alocados em sistemas inteligentes, como saber onde os bancos de dados estão, que tipo de formato eles estão, como eles podem ser trabalhados, essa abordagem ela é comum encontrado em diversos canais a principio uma cultura bem clara de dados precisa ser explorada com bastante clareza, em diversos momentos você precisa entender que a linguagem R ela é auto suficiente e tudo que você precisa está dentro dela, cabe sua leitura aprofundar conhecimento para que possa não se limita as questões básicas do ensino publico no Brasil.
Criando meu primeiro Gráfico
Library(ggplot2) # biblioteca para visualização gráfica.Vamos trabalhar com uma visualização simples para que você possa orientar de forma correta seus códigos, essa abordagem vai revelar um gráfico simples de dispersão, veja que já existe dentro da biblioteca do ggplot2 um pacote de dados chamado mpg que é uma orientação de dados coordenados por diversas variáveis, esses dados são interessantes para você explorar seus conhecimentos e iniciar observações vamos escrever nosso primeiro gráfico.
ggplot(data = mpg ) + # data é o banco de dados chamado de mpg
geom_point(mapping = aes(x = dspl, y = hwy) # os eixos x e y são as variáveis em analise.
Para orientação em cores, podemos tentar usar uma classe que vai dividir em paleta de cores já pré programadas dentro da linguagem R , ou seja, quando usamos a função color = class e atribuímos a variável class, podemos notar que o que é informado para nós é a orientação de cada variável dentro do banco de dados.
Para que você possa notar dentro do banco de dados o que está acontecendo de fato use a função names(data$mpg) ou names(mpg) ou glimpse(mpg) para que você possa verificar toda a estrutura do banco.
ggplot(data = mpg)+
geom_point(mapping = aes(x = displ, y = hwy , color = class))
Gostou deste conteúdo, deixa seu like e compartilha com seus colegas, tem interesse em usar a linguagem R aplicada ao futebol, torne-se aluno dentro do campo analítico.
Hoje a Escola de dados do campo analítico possui formações voltadas para analistas de desempenho, fisiologista e técnicos. Desenvolver Habilidades com ferramentas estatísticas através de linguagem R , Estatística Básica e distribuições de grandes centros de dados para estudos e experimentação está abordagem é fundamental para formar alunos que visão entender como está sua população amostral fator decisivo para aplicar na saúde do esporte, Scouting e Mercado e dentro de uma comissão técnica tendo uma interpretação exemplar.
Objetivo
No Campo Analítico, oferecemos formação em análise de dados aplicada ao futebol, com foco em scouting, desempenho e estatísticas avançadas. Transformamos dados em decisões estratégicas para clubes, atletas e analistas, utilizando tecnologias modernas, visualizações táticas e modelagens estatísticas.
Nosso trabalho conecta ciência de dados e futebol, apoiando desde o mapeamento de talentos até a análise pós-jogo. Atuamos também na formação de profissionais, com cursos, workshops e conteúdos educativos que aproximam a estatística do campo.