After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Come data scientist, ti capiterà spesso di lavorare con dati non numerici, come qualifiche professionali, risposte a sondaggi o informazioni demografiche. R ha un modo specifico per rappresentarli, chiamato fattori, e questo corso ti aiuterà a padroneggiarne l’uso con il pacchetto del tidyverse forcats. Lavoreremo anche con altri pacchetti del tidyverse, tra cui ggplot2, dplyr, stringr e tidyr, e useremo insiemi di dati reali, come il dataset sui voli di fivethirtyeight e il sondaggio State of Data Science and ML di Kaggle. Al termine del corso, saprai identificare e manipolare variabili fattoriali, visualizzare rapidamente ed efficacemente i tuoi dati e comunicare i risultati in modo chiaro. Pronto a categorizzare?
Prerequisiti
Curriculum
Programma del corso
1
Introduzione alle variabili fattoriali
In questo capitolo scoprirai tutto sui fattori. Vedrai la differenza tra variabili categoriali e ordinali, come R le rappresenta e come ispezionarle per trovare numero e nomi dei livelli. Infine, scoprirai come forcats, un pacchetto del tidyverse, può migliorare i tuoi grafici permettendoti di riordinare rapidamente le variabili in base alla loro frequenza.
- Introduzione alle variabili qualitative50 XP
- Riconoscere le variabili fattore100 XP
- Variabili qualitative in teoria50 XP
- Capire le tue variabili qualitative50 XP
- Ottenere il numero di livelli100 XP
- Esaminare il numero di livelli100 XP
- Esaminare i livelli100 XP
- Creare grafici migliori50 XP
- Riordinare una variabile in base alla sua frequenza100 XP
- Ordinare una variabile in base a un'altra100 XP
2
Manipolare le variabili fattoriali
Continuerai ad approfondire il pacchetto forcats, imparando a cambiare l’ordine e i nomi dei livelli e persino a fonderli tra loro.
3
Creare variabili fattoriali
Dopo aver acquisito una buona padronanza di forcats, allargherai lo sguardo al resto del tidyverse, imparando e ripassando funzioni di dplyr, tidyr e stringr. Rifinirai i grafici con ggplot2 cambiando gli assi in scale percentuali, modificando l’impaginazione del testo e altro ancora.
4
Caso di studio sull’etichetta in volo
In questo capitolo finale metterai in pratica tutto ciò che hai imparato in un caso di studio. Approfondirai il lavoro con le stringhe e la sintesi dei dati, quindi replicherai un grafico 538 di qualità da pubblicazione.
R
Dati categoriali nel Tidyverse
Corso
completato
