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
Les données à l’état brut peuvent faire peur : face à un jeu de données compliqué et désordonné, vous pouvez vous demander par où commencer. Le package tidyr vous permet de dompter ces « bestioles » pour obtenir des jeux de données propres et bien structurés. Des valeurs inaccessibles stockées dans des noms de colonnes seront déplacées en lignes, les fichiers JSON deviendront des data frames, et les valeurs manquantes ne se perdront plus jamais. Vous appliquerez ces techniques sur un large éventail de jeux de données chaotiques, en découvrant au passage combien de chiens l’Union soviétique a envoyés dans l’espace et quel oiseau est le plus populaire en Nouvelle‑Zélande. Avec le package tidyr dans votre boîte à outils tidyverse, vous pourrez transformer presque n’importe quel jeu de données en format « tidy », ce qui vous fera gagner du temps pour la suite de votre analyse.
Prérequis
Programme de formation
Plan du cours
1
Données « tidy »
Vous allez découvrir la notion de données « tidy », au cœur de ce cours. Dans les deux premières leçons, vous passerez directement à l’action en séparant des colonnes de caractères brouillonnes en variables et observations prêtes pour l’analyse. Dans la dernière leçon, vous apprendrez à écraser et à supprimer des valeurs manquantes.
- Qu’est-ce que des données bien rangées ?50 XP
- Structure des données ordonnées100 XP
- Plusieurs variables par colonne100 XP
- Colonnes avec plusieurs valeurs50 XP
- Numéros de téléphone internationaux100 XP
- Extraire des observations à partir de valeurs100 XP
- Séparer en colonnes et en lignes100 XP
- Valeurs manquantes50 XP
- Et l’Oscar du meilleur réalisateur est attribué à… <NA>100 XP
- Imputer des données de ventes100 XP
- Bombes nucléaires par continent100 XP
2
Du large au long, et retour
Ce chapitre porte sur le pivotement des données d’un format large à un format long, puis l’inverse, avec les fonctions pivot_longer() et pivot_wider(). Vous en aurez besoin lorsque des variables se cachent dans des noms de colonnes désordonnés ou lorsque des variables sont stockées en lignes plutôt qu’en colonnes. Au passage, vous parlerez de chiens de l’espace, de bombes nucléaires et de températures planétaires.
3
Étendre les données
Des valeurs peuvent souvent manquer dans vos données, et parfois des observations entières sont absentes aussi. Dans ce chapitre, vous apprendrez à compléter votre jeu de données avec ces observations manquantes. Vous ajouterez des observations avec une valeur nulle à des données comptées, étendrez des séries temporelles à une séquence complète d’intervalles, et bien plus encore !
4
Rectangulariser les données
Dans le dernier chapitre, vous apprendrez à transformer des structures de données imbriquées comme des fichiers JSON et XML en données « tidy » et rectangulaires. Cette compétence vous permettra de traiter des données issues d’API Web. Vous verrez aussi comment ces structures imbriquées servent à écrire des pipelines de modélisation élégants qui produisent des résultats « tidy ».
R
Reshaper des données avec tidyr
Cours
terminé
