Desde que empecé a aprender R, mi principal motivación ha sido conseguir visualizaciones increíbles como las que hacen Cédric Scherer, Georgios Karamanis, y Thomas Lin Pedersen entre muchos otros. Lo que me fascina de ellos es que para lograr ese objetivo hay que lidiar con el código, el manejo de los datos y la selección gráfica adecuada, al mismo tiempo que se revisa el diseño estético. Finalmente, todo este proceso dará sus frutos convirtiendo los datos planos en una gran pieza de visualización

Desde que me di cuenta de todas las posibilidades sobre la codificación en R -en su mayoría- pero también en otro lenguaje, que quería crear un blog para compartir algunas de las cosas que he aprendido. Sin embargo, me gusta también la idea de un blog como una plataforma para compartir el conocimiento entrante como un proceso de aprendizaje-enseñanza.

Desde que empecé a aprender R, mi principal motivación ha sido conseguir visualizaciones increíbles como las que hacen Cédric Scherer, Georgios Karamanis, y Thomas Lin Pedersen entre muchos otros. Lo que me fascina de ellos es que para lograr ese objetivo hay que lidiar con el código, el manejo de los datos y la selección gráfica adecuada, al mismo tiempo que se revisa el diseño estético. Finalmente, todo este proceso dará sus frutos convirtiendo los datos planos en una gran pieza de visualización

Desde que me di cuenta de todas las posibilidades sobre la codificación en R -en su mayoría- pero también en otro lenguaje, que quería crear un blog para compartir algunas de las cosas que he aprendido. Sin embargo, me gusta también la idea de un blog como una plataforma para compartir el conocimiento entrante como un proceso de aprendizaje-enseñanza.

Muchas veces la razón por la que la gente se acerca al lenguaje R es porque han visto que es una gran herramienta para lograr mejores visualizaciones. Sin embargo, dado que R sigue siendo un lenguaje de programación, puede ser frustrante que para hacerlo tengas que lidiar con unas cuantas líneas de código para cargar, y preprocesar tus datos antes de empezar a crear la más simple visualización. Así que el objetivo principal de este post es proporcionar una manera más fácil de hacer frente a los pasos de la carga de sus datos a la visualización. Así que seguirás una guía para principiantes paso a paso para manejar tus datos hasta la visualización.

He visto con frecuencia que la gente está interesada en aprender R por las visualizaciones que se pueden generar con paquetes como {ggplot2}. Sin embargo, R es un lenguaje de programación, por lo que su potencia no se limita sólo a eso, sino que también es una potente herramienta para el análisis estadístico. Por lo tanto, el objetivo principal de este post es proporcionar herramientas para generar análisis estadísticos descriptivos, y visualizaciones asociadas. Esto nos permitirá explorar mejor nuestros datos en busca de patrones. Para ello, aquí seguirás una guía paso a paso para realizar análisis estadísticos descriptivos y generar visualizaciones de tus datos que te ayuden a entenderlos mejor.

Muchas veces la razón por la que la gente se acerca al lenguaje R es porque han visto que es una gran herramienta para lograr mejores visualizaciones. Sin embargo, dado que R sigue siendo un lenguaje de programación, puede ser frustrante que para hacerlo tengas que lidiar con unas cuantas líneas de código para cargar, y preprocesar tus datos antes de empezar a crear la más simple visualización. Así que el objetivo principal de este post es proporcionar una manera más fácil de hacer frente a los pasos de la carga de sus datos a la visualización. Así que seguirás una guía para principiantes paso a paso para manejar tus datos hasta la visualización.

Desde que empecé a aprender R, mi principal motivación ha sido conseguir visualizaciones increíbles como las que hacen Cédric Scherer, Georgios Karamanis, y Thomas Lin Pedersen entre muchos otros. Lo que me fascina de ellos es que para lograr ese objetivo hay que lidiar con el código, el manejo de los datos y la selección gráfica adecuada, al mismo tiempo que se revisa el diseño estético. Finalmente, todo este proceso dará sus frutos convirtiendo los datos planos en una gran pieza de visualización

He visto con frecuencia que la gente está interesada en aprender R por las visualizaciones que se pueden generar con paquetes como {ggplot2}. Sin embargo, R es un lenguaje de programación, por lo que su potencia no se limita sólo a eso, sino que también es una potente herramienta para el análisis estadístico. Por lo tanto, el objetivo principal de este post es proporcionar herramientas para generar análisis estadísticos descriptivos, y visualizaciones asociadas. Esto nos permitirá explorar mejor nuestros datos en busca de patrones. Para ello, aquí seguirás una guía paso a paso para realizar análisis estadísticos descriptivos y generar visualizaciones de tus datos que te ayuden a entenderlos mejor.

Muchas veces la razón por la que la gente se acerca al lenguaje R es porque han visto que es una gran herramienta para lograr mejores visualizaciones. Sin embargo, dado que R sigue siendo un lenguaje de programación, puede ser frustrante que para hacerlo tengas que lidiar con unas cuantas líneas de código para cargar, y preprocesar tus datos antes de empezar a crear la más simple visualización. Así que el objetivo principal de este post es proporcionar una manera más fácil de hacer frente a los pasos de la carga de sus datos a la visualización. Así que seguirás una guía para principiantes paso a paso para manejar tus datos hasta la visualización.

He visto con frecuencia que la gente está interesada en aprender R por las visualizaciones que se pueden generar con paquetes como {ggplot2}. Sin embargo, R es un lenguaje de programación, por lo que su potencia no se limita sólo a eso, sino que también es una potente herramienta para el análisis estadístico. Por lo tanto, el objetivo principal de este post es proporcionar herramientas para generar análisis estadísticos descriptivos, y visualizaciones asociadas. Esto nos permitirá explorar mejor nuestros datos en busca de patrones. Para ello, aquí seguirás una guía paso a paso para realizar análisis estadísticos descriptivos y generar visualizaciones de tus datos que te ayuden a entenderlos mejor.

Desde que me di cuenta de todas las posibilidades sobre la codificación en R -en su mayoría- pero también en otro lenguaje, que quería crear un blog para compartir algunas de las cosas que he aprendido. Sin embargo, me gusta también la idea de un blog como una plataforma para compartir el conocimiento entrante como un proceso de aprendizaje-enseñanza.

Desde que empecé a aprender R, mi principal motivación ha sido conseguir visualizaciones increíbles como las que hacen Cédric Scherer, Georgios Karamanis, y Thomas Lin Pedersen entre muchos otros. Lo que me fascina de ellos es que para lograr ese objetivo hay que lidiar con el código, el manejo de los datos y la selección gráfica adecuada, al mismo tiempo que se revisa el diseño estético. Finalmente, todo este proceso dará sus frutos convirtiendo los datos planos en una gran pieza de visualización

Desde que me di cuenta de todas las posibilidades sobre la codificación en R -en su mayoría- pero también en otro lenguaje, que quería crear un blog para compartir algunas de las cosas que he aprendido. Sin embargo, me gusta también la idea de un blog como una plataforma para compartir el conocimiento entrante como un proceso de aprendizaje-enseñanza.

He visto con frecuencia que la gente está interesada en aprender R por las visualizaciones que se pueden generar con paquetes como {ggplot2}. Sin embargo, R es un lenguaje de programación, por lo que su potencia no se limita sólo a eso, sino que también es una potente herramienta para el análisis estadístico. Por lo tanto, el objetivo principal de este post es proporcionar herramientas para generar análisis estadísticos descriptivos, y visualizaciones asociadas. Esto nos permitirá explorar mejor nuestros datos en busca de patrones. Para ello, aquí seguirás una guía paso a paso para realizar análisis estadísticos descriptivos y generar visualizaciones de tus datos que te ayuden a entenderlos mejor.

He visto con frecuencia que la gente está interesada en aprender R por las visualizaciones que se pueden generar con paquetes como {ggplot2}. Sin embargo, R es un lenguaje de programación, por lo que su potencia no se limita sólo a eso, sino que también es una potente herramienta para el análisis estadístico. Por lo tanto, el objetivo principal de este post es proporcionar herramientas para generar análisis estadísticos descriptivos, y visualizaciones asociadas. Esto nos permitirá explorar mejor nuestros datos en busca de patrones. Para ello, aquí seguirás una guía paso a paso para realizar análisis estadísticos descriptivos y generar visualizaciones de tus datos que te ayuden a entenderlos mejor.

Desde que me di cuenta de todas las posibilidades sobre la codificación en R -en su mayoría- pero también en otro lenguaje, que quería crear un blog para compartir algunas de las cosas que he aprendido. Sin embargo, me gusta también la idea de un blog como una plataforma para compartir el conocimiento entrante como un proceso de aprendizaje-enseñanza.

Desde que empecé a aprender R, mi principal motivación ha sido conseguir visualizaciones increíbles como las que hacen Cédric Scherer, Georgios Karamanis, y Thomas Lin Pedersen entre muchos otros. Lo que me fascina de ellos es que para lograr ese objetivo hay que lidiar con el código, el manejo de los datos y la selección gráfica adecuada, al mismo tiempo que se revisa el diseño estético. Finalmente, todo este proceso dará sus frutos convirtiendo los datos planos en una gran pieza de visualización