#tidyverse — Public Fediverse posts

Does urban greenery yield microclimatic cooling? Spatial analysis of Calgary (Summer 2025) shows a non-linear NDVI vs LST response.

🛠 Stack: Google Earth Engine (Landsat 8/9, Sentinel-2) + R (terra, tidyverse).

📊 Key Findings:
🔹 Cooling Deficit (NDVI < 0.34): LST stays trapped at 35–36°C. Heat stress overrides evapotranspiration; saplings & isolated lawns fail to cool.
🔹 Tipping Point (NDVI > 0.34): Cooling begins above 0.34. Dense canopy (NDVI > 0.70) suppresses LST below 28–30°C (6–8°C delta).

💡 Takeaway: Urban forestry can't just count saplings. Without threshold canopy density, isolated greenery is decoration, not climate infrastructure.

🔗 Link to the research:
https://www.datastory.org.ua/calgarys-summer-heat-a-2025-satellite-perspective/

#RemoteSensing #GIS #RStats #rspatial #terra #tidyverse #GoogleEarthEngine #UrbanForestry #Calgary #YYC #OpenData #GreennessOfCalgary #FOSSGIS #Landsat #Sentinel2

#Día6 | Comparaciones – RSF-Data Day | #30DayChartChallenge. Cambio en score de libertad de prensa 2024–2025 en paises de América. Creada usando R con #tidyverse, #ggtext, #scales, #rnaturalearth, #rnaturalearthdata y #patchwork.

After dithered images my next obsession is 'workflow managers' 🎈Yesterday night I binged some videos from #riffomonas about #reproducible research (CC248 to CC256). He used #snakemake , which looked very nice! Now I also looked up #nextflow It looks fierce!
I am going to learn one of them, and snakemake currently feels more approachable... But what do you think? Any advice? I want to use it in my #bioinformatics #pipeline s; I mainly write in R
#rstats #tidyverse
https://riffomonas.org

At first glance, bar charts might seem like a simple visualization type. But with a little creativity, they can be enhanced in countless ways to reveal deeper insights and make your data shine.

The attached visual highlights a variety of bar chart styles to inspire your work.

Take a look here for more details: https://statisticsglobe.com/online-course-data-visualization-ggplot2-r

#datastructure #data #tidyverse #rstats #package #datasciencetraining

Что в чёрной коробочке? Выясняем самостоятельно, не привлекая внимания коллег

Всем привет, меня зовут Миша, и я разрабатываю платформу Яндекс Еды. Первые компоненты были написаны почти 10 лет назад (когда Еда ещё была стартапом Foodfox), и у нас накопилось много кода, который просто хорошо работает, а иногда даже «работает — не трогай». Но в процессе развития и устоявшиеся части системы нужно трогать, про что мои коллеги уже писали — как мы повышали версию PHP , пилили монолит и снимали нагрузку с БД . Наконец настал черёд рассказать про процессинг заказов доставки еды из кафе и ресторанов (а также продуктов из магазинов и многого другого). За годы эволюционного развития он значительно разросся, что стало заметно затруднять дальнейшее развитие — например, изменения, связанные с выходом на новые рынки, — а также влиять на надёжность. Поэтому мы решили вынести процессинг заказа в отдельный специализированный сервис. Чтобы определить, что выносить, а что оставлять, нужно было составить исчерпывающий и актуальный список процессов, которые происходят с заказом. И здесь мы столкнулись с вызовом: это знание распределено по многим людям и документам, поскольку на протяжении долгого времени в процессинг заказов вносили изменения многие команды. И перед нами встал вопрос — как собрать нужную информацию о системе с заметной долей легаси быстро, да так, чтобы информация была актуальна?

https://habr.com/ru/companies/yandex/articles/921122/

#process_mining #анализ_данных #tidyverse #триз #рефакторинг #duckdb #архитектура_по #яндекс_еда #монолит

Что в чёрной коробочке? Выясняем самостоятельно, не привлекая внимания коллег

Всем привет, меня зовут Миша, и я разрабатываю платформу Яндекс Еды. Первые компоненты были написаны почти 10 лет назад (когда Еда ещё была стартапом Foodfox), и у нас накопилось много кода, который просто хорошо работает, а иногда даже «работает — не трогай». Но в процессе развития и устоявшиеся части системы нужно трогать, про что мои коллеги уже писали — как мы повышали версию PHP , пилили монолит и снимали нагрузку с БД . Наконец настал черёд рассказать про процессинг заказов доставки еды из кафе и ресторанов (а также продуктов из магазинов и многого другого). За годы эволюционного развития он значительно разросся, что стало заметно затруднять дальнейшее развитие — например, изменения, связанные с выходом на новые рынки, — а также влиять на надёжность. Поэтому мы решили вынести процессинг заказа в отдельный специализированный сервис. Чтобы определить, что выносить, а что оставлять, нужно было составить исчерпывающий и актуальный список процессов, которые происходят с заказом. И здесь мы столкнулись с вызовом: это знание распределено по многим людям и документам, поскольку на протяжении долгого времени в процессинг заказов вносили изменения многие команды. И перед нами встал вопрос — как собрать нужную информацию о системе с заметной долей легаси быстро, да так, чтобы информация была актуальна?

https://habr.com/ru/companies/yandex/articles/921122/

#process_mining #анализ_данных #tidyverse #триз #рефакторинг #duckdb #архитектура_по #яндекс_еда #монолит

Что в чёрной коробочке? Выясняем самостоятельно, не привлекая внимания коллег

Всем привет, меня зовут Миша, и я разрабатываю платформу Яндекс Еды. Первые компоненты были написаны почти 10 лет назад (когда Еда ещё была стартапом Foodfox), и у нас накопилось много кода, который просто хорошо работает, а иногда даже «работает — не трогай». Но в процессе развития и устоявшиеся части системы нужно трогать, про что мои коллеги уже писали — как мы повышали версию PHP , пилили монолит и снимали нагрузку с БД . Наконец настал черёд рассказать про процессинг заказов доставки еды из кафе и ресторанов (а также продуктов из магазинов и многого другого). За годы эволюционного развития он значительно разросся, что стало заметно затруднять дальнейшее развитие — например, изменения, связанные с выходом на новые рынки, — а также влиять на надёжность. Поэтому мы решили вынести процессинг заказа в отдельный специализированный сервис. Чтобы определить, что выносить, а что оставлять, нужно было составить исчерпывающий и актуальный список процессов, которые происходят с заказом. И здесь мы столкнулись с вызовом: это знание распределено по многим людям и документам, поскольку на протяжении долгого времени в процессинг заказов вносили изменения многие команды. И перед нами встал вопрос — как собрать нужную информацию о системе с заметной долей легаси быстро, да так, чтобы информация была актуальна?

https://habr.com/ru/companies/yandex/articles/921122/

#process_mining #анализ_данных #tidyverse #триз #рефакторинг #duckdb #архитектура_по #яндекс_еда #монолит

Creating publication-ready plots in R is easier than ever with ggpubr. This extension for ggplot2 simplifies the process of generating clean and professional graphics, especially for exploratory data analysis and reporting.

Course link: https://statisticsglobe.com/online-course-data-visualization-ggplot2-r

#dataanalytics #rstats #dataanalytic #datavisualization #package #datasciencetraining #visualanalytics #datastructure #tidyverse #ggplot2

Hey, I've created a tutorial on how to calculate multiple summary statistics using the R programming language. The tutorial shows examples for Base R & the dplyr package: https://statisticsglobe.com/calculate-multiple-summary-statistics-r

#datasciencetraining #statisticians #Package #tidyverse

@rstats

@jorge posted a quite interesting #webinar #shortcourse on how to handle data efficiently with #rstats

• data management plans
• version control
• R for reproducible data manipulation
• working on clusters
• data publication

#shateEGU20 #FAIRprinciples #tidyverse #dplyr #broom #tidyr #purrr #readr #ggplot2 #markdown #git #spatialdata