Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Sobald du Werkzeuge zur Datenmanipulation und -visualisierung wie dplyr und ggplot2 kennengelernt hast, kannst du sie in diesem Kurs an einem echten Datensatz anwenden. Du untersuchst das historische Abstimmungsverhalten der Generalversammlung der Vereinten Nationen – einschließlich Analysen von Unterschieden zwischen Ländern, im zeitlichen Verlauf und nach internationalen Themen. Dabei vertiefst du deine Praxis mit den Paketen dplyr und ggplot2, lernst das Paket broom kennen, um Modellergebnisse aufzubereiten, und erlebst eine vollständige explorative Analyse von Anfang bis Ende, wie sie in der Data Science üblich ist.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Datenbereinigung und -zusammenfassung mit dplyr
Am besten lernst du Datenaufbereitung, indem du sie auf eine konkrete Fallstudie anwendest. Hier lernst du, den UN-Abstimmungsdatensatz mit dem Paket dplyr zu bereinigen und zu filtern und ihn in kleinere, gut interpretierbare Einheiten zusammenzufassen.
- Der UN-Abstimmungsdatensatz50 XP
- Zeilen filtern100 XP
- Eine Jahr-Spalte hinzufügen100 XP
- Eine Länder-Spalte hinzufügen100 XP
- Gruppieren und Zusammenfassen50 XP
- Den gesamten Datensatz zusammenfassen100 XP
- Nach Jahr zusammenfassen100 XP
- Nach Land zusammenfassen100 XP
- Zusammengefasste Daten sortieren und filtern50 XP
- Nach Anteil der "yes"-Stimmen sortieren100 XP
- Zusammengefasste Ausgabe filtern100 XP
2
Datenvisualisierung mit ggplot2
Wenn Daten bereinigt und zusammengefasst sind, willst du sie visualisieren, um Trends zu verstehen und Erkenntnisse zu gewinnen. Hier nutzt du das Paket ggplot2, um Trends im Abstimmungsverhalten der Vereinten Nationen innerhalb jedes Landes über die Zeit zu erkunden.
3
Aufgeräumtes Modellieren mit broom
Visualisierungen helfen dir, ein Land nach dem anderen zu verstehen, während statistische Modelle es ermöglichen, Trends über viele Länder hinweg zu quantifizieren und gemeinsam zu interpretieren. Hier lernst du, die Pakete tidyr, purrr und broom zu verwenden, um für jedes Land lineare Modelle zu schätzen, ihre Ausgaben zu verstehen und zu vergleichen.
4
Joinen und Aufräumen
In diesem Kapitel lernst du, mehrere verwandte Datensätze zu kombinieren – zum Beispiel, Informationen über das Thema jeder Resolution in deine Abstimmungsanalyse einzubinden. Außerdem erfährst du, wie du unaufgeräumte Daten in tidy data verwandelst und wie tidy data deine Erkundung von Themen und Ländern im Zeitverlauf unterstützen kann.
R
Fallstudie: Explorative Datenanalyse in R
Kurs
abgeschlossen
