Summary  
This chapter introduces ggplot2’s layered grammar-of-graphics API, showing how to initialize a plot with data and aesthetic mappings and then add geometry layers via geom_* functions to build custom visuals.  

General domain of usage  
Data visualization

`ggplot2` on osa tidyverse-kokoelmaa R-paketteja. Sitä käytetään tehokkaiden, kerroksellisten ja muokattavien datavisualisointien luomiseen.

Sen käyttämiseksi lataa kirjastot:
```
library(tidyverse)
library(ggplot2)
```

Ja poista tieteellinen notaatiomuoto käytöstä, jotta kuviot ovat helpommin luettavissa:
```
options(scipen = 999)
```

## ggplot2-kuvion perusrakenne
Jokainen ggplot2-visualisointi rakentuu kerroksittain:
```
ggplot(data, aes(x, y)) +
  geom_function()
```
- `data`: käytettävä tietoaineisto;
- `aes()`: esteettiset määrittelyt (määrittävät, miten muuttujat sijoitetaan akseleille tai muihin ominaisuuksiin);
- `geom_*()`: geometrinen kerros (määrittää, miten data esitetään, kuten pylväinä, pisteinä tai viivoina).

Mikä on aes()-funktion tarkoitus ggplot2:ssa?


Hanki käytännön kokemusta datan analysoinnista R:llä oppimalla aineistojen puhdistamista, muokkaamista ja visualisointia. Tutustu keskeisiin työnkulkuihin, kuten datan valintaan ja suodattamiseen, puuttuvien arvojen käsittelyyn sekä tulosten tiivistämiseen. Vahvista osaamistasi datan valmistelussa oivalluksia, raportointia ja syvällisempää tilastollista tarkastelua varten.

Tutustu R:n tietoanalyysin perusteisiin. Opiskele työkalujen asennus, aineistojen lataaminen ja tarkastelu, tietojen valinta ja suodatus, datan lajittelu ja muuntaminen, puuttuvien arvojen käsittely sekä tulosten tiivistäminen syvempien oivallusten saavuttamiseksi.

Opi luomaan vaikuttavia visualisointeja ggplot2:lla. Luo pylväsdiagrammeja, histogrammeja, tiheyskäyriä ja hajontakuvioita sekä mukauta ja viimeistele niitä tyylivalinnoilla ja facetoinnilla syvempien oivallusten löytämiseksi datasta.

Syvennä ymmärrystäsi tilastotieteestä data-analyysissä. Käytä kuvailevia mittareita, tunnista ja käsittele poikkeavia havaintoja sekä hyödynnä korrelaatiotekniikoita visuaalisten työkalujen, kuten lämpökarttojen ja hajontakuvioiden, avulla merkityksellisten yhteyksien löytämiseksi.

Johdanto Ggplot2-Kirjastoon

ggplot2-kuvion perusrakenne

Yhteenveto