Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Une fois que vous avez commencé à apprendre des outils de manipulation et de visualisation de données comme dplyr et ggplot2, ce cours vous permet de les mettre en pratique sur un véritable jeu de données. Vous explorerez les votes historiques de l’Assemblée générale des Nations unies, notamment en analysant les différences de vote entre pays, au fil du temps et selon les enjeux internationaux. Vous en profiterez pour vous exercer davantage aux packages dplyr et ggplot2, découvrir le package broom pour organiser les résultats de modèles, et vivre une analyse exploratoire de bout en bout telle qu’on la rencontre souvent en data science.
Prérequis
Programme de formation
Plan du cours
1
Nettoyer et résumer les données avec dplyr
La meilleure façon d’apprendre la préparation de données est de l’appliquer à une étude de cas concrète. Ici, vous apprendrez à nettoyer et filtrer le jeu de données des votes de l’ONU avec le package dplyr, puis à le résumer en unités plus petites et interprétables.
- Le jeu de données des votes de l’ONU50 XP
- Filtrer des lignes100 XP
- Ajouter une colonne d’année100 XP
- Ajouter une colonne pour le pays100 XP
- Regrouper et synthétiser50 XP
- Résumer l’ensemble du jeu de données100 XP
- Résumer par année100 XP
- Résumer par pays100 XP
- Trier et filtrer des données résumées50 XP
- Trier selon le pourcentage de votes « yes »100 XP
- Filtrer un résultat synthétisé100 XP
2
Visualiser les données avec ggplot2
Une fois vos données nettoyées et résumées, vous voudrez les visualiser pour comprendre les tendances et en tirer des enseignements. Ici, vous utiliserez le package ggplot2 pour explorer les tendances des votes de l’ONU au sein de chaque pays au fil du temps.
3
Modélisation « tidy » avec broom
La visualisation permet d’étudier un pays à la fois, tandis que la modélisation statistique vous aide à quantifier les tendances sur de nombreux pays et à les interpréter conjointement. Ici, vous apprendrez à utiliser les packages tidyr, purrr et broom pour ajuster des modèles linéaires pour chaque pays, puis à comprendre et comparer leurs résultats.
4
Joindre et mettre en ordre
Dans ce chapitre, vous apprendrez à combiner plusieurs jeux de données liés, par exemple en intégrant des informations sur le thème de chaque résolution à votre analyse des votes. Vous verrez aussi comment transformer des données non « tidy » en données « tidy », et comment ces données bien structurées peuvent guider votre exploration des thématiques et des pays au fil du temps.
R
Étude de cas : analyse exploratoire de données en R
Cours
terminé
