Как ограничить длину слайда в слайде, чтобы предотвратить прокрутку - PullRequest
Новая
       33

Как ограничить длину слайда в слайде, чтобы предотвратить прокрутку

0 голосов
/ 03 октября 2018

Я делаю слайд-презентацию с помощью RMarkdown.Проблема в том, что некоторые слайды оказываются слишком длинными, и мне приходится прокручивать слайд вниз, чтобы увидеть весь его контент.Я бы предпочел, чтобы все содержимое слайда соответствовало размеру экрана, чтобы я мог просматривать все сразу.Любые идеи о том, как это сделать?

Слайд 4,5 и 6 являются примерами того, что я хочу предотвратить.Вот код: 

    ---
title: ""
author: ""
date: "12 de octubre de 2018"
output: slidy_presentation
---

## Visualización de datos

 

- Interescción entre estadística y diseño.
- Realizar gráficos atractivos y significativos.
- Por un lado se capta la atención del lector; por el otro, facilita el entendimiento del mensaje.


```{r, echo=FALSE, warning=FALSE, message=FALSE, fig.align='center'}
  library(dplyr)
  library(ggplot2)

   knitr::include_graphics('./dataviz.jpg')
```

## Tipos de visualización de datos

- Exploratorio vs Explicativo

```{r, echo=FALSE, fig.align='center'}
   knitr::include_graphics('./data-scientist-reader.png')
```

"El buen diseño consiste en pensar en la audiencia. También en que a veces la audiencia es uno mismo."

## Análisis Exploratorio vs Explicativo

Por ejemplo, tenemos esta tabla de datos que contiene los pesos promedio del cuerpo y cerebro de 62 animales:

```{r, echo=F}
head(MASS::mammals,n=15)
dplyr::glimpse(MASS::mammals)

```

## Análisis Exploratorio vs Explicativo

- Lo más intuitivo es comenzar con un gráfico de dispersión.

```{r, fig.align='center',warning=F,out.width='50%',out.height='50%'}
   ggplot(MASS::mammals,aes(x=body, y=brain))+geom_jitter(alpha=.5)
```

- Podemos Observar que existe un sesgo positivo en los datos (Debido a dos especies de elefantes)

## Análisis Exploratorio

- Ahora podríamos ajustar un modelo lineal a los datos para observar cómo se relacionan

```{r, fig.align='center',warning=F,out.width='50%',out.height='50%'}
   ggplot(MASS::mammals,aes(x=body, y=brain))+geom_jitter(alpha=.5)+stat_smooth(method="lm",col="red",se=F, size= 1)
```

- Pero dada la naturaleza de los datos rápidamente observamos que esto no parece ser adecuado. 
- De esta exploración podemos concluir que el resultado de ajustar un modelo líneal a los datos sería pobre.

## Análisis Exploratorio  

- Una transformación logarítmica de ambas variables permite un mejor ajuste.

```{r, fig.align='center',warning=F,out.width='50%',out.height='50%', tidy = FALSE}
   ggplot(MASS::mammals,aes(x=body, y=brain))+
      geom_point(alpha=.6)+coord_fixed()+
      scale_x_log10()+scale_y_log10()+
      stat_smooth(method="lm",col="red",se=F, size=1)
```

- Notemos como un gráfico muy simple, preeliminar, nos informó sobre la estructura de nuestros datos y nos permitió llegar a una mejor representación.
...