본문으로 바로가기

강의

사례 연구: R로 하는 탐색적 데이터 분석

기초기술 수준

업데이트됨 2024. 9.

데이터 조작 및 시각화 기술을 활용하여 유엔 총회의 역사적 투표 기록을 탐구하십시오.

무료로 강의 시작

RExploratory Data Analysis

4시간

15 동영상

58 연습 문제

4,800 XP

56,672

성취 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

dplyr와 ggplot2처럼 데이터 조작과 시각화를 위한 도구를 배우기 시작하셨다면, 이 강의에서는 실제 데이터셋에 적용해 볼 기회를 제공합니다. 유엔 총회의 과거 표결 데이터를 탐색하면서 국가 간, 시간의 흐름에 따른, 그리고 국제 이슈별 표결 차이를 분석해 볼 거예요. 이 과정에서 dplyr과 ggplot2 패키지를 더 많이 연습하고, 모델 결과를 정리하는 broom 패키지를 배우며, 데이터 사이언스에서 흔한 시작부터 끝까지의 탐색적 분석 과정을 직접 경험합니다.

선수 조건

Introduction to Data Visualization with ggplot2

1

Data cleaning and summarizing with dplyr

The best way to learn data wrangling skills is to apply them to a specific case study. Here you'll learn how to clean and filter the United Nations voting dataset using the dplyr package, and how to summarize it into smaller, interpretable units.

The United Nations Voting Dataset

Filtering rows

Adding a year column

Adding a country column

Grouping and summarizing

Summarizing the full dataset

Summarizing by year

Summarizing by country

Sorting and filtering summarized data

Sorting by percentage of "yes" votes

Filtering summarized output

2

Data visualization with ggplot2

Once you've cleaned and summarized data, you'll want to visualize them to understand trends and extract insights. Here you'll use the ggplot2 package to explore trends in United Nations voting within each country over time.

Visualization with ggplot2

Choosing an aesthetic

Plotting a line over time

Other ggplot2 layers

Visualizing by country

Summarizing by year and country

Plotting just the UK over time

Plotting multiple countries

Faceting by country

Faceting the time series

Faceting with free y-axis

Choose your own countries

3

Tidy modeling with broom

While visualization helps you understand one country at a time, statistical modeling lets you quantify trends across many countries and interpret them together. Here you'll learn to use the tidyr, purrr, and broom packages to fit linear models to each country, and understand and compare their outputs.

Linear regression

Linear regression on the United States

Finding the slope of a linear regression

Finding the p-value of a linear regression

Tidying models with broom

Tidying a linear regression model

Combining models for multiple countries

Nesting for multiple models

Nesting a data frame

List columns

Fitting multiple models

Performing linear regression on each nested dataset

Tidy each linear regression model

Unnesting a data frame

Working with many tidy models

Filtering model terms

Filtering for significant countries

Sorting by slope

4

Joining and tidying

In this chapter, you'll learn to combine multiple related datasets, such as incorporating information about each resolution's topic into your vote analysis. You'll also learn how to turn untidy data into tidy data, and see how tidy data can guide your exploration of topics and countries over time.

Joining datasets

Joining datasets with inner_join

Filtering the joined dataset

Visualizing colonialism votes

Tidy data observations

Using gather to tidy a dataset

Recoding the topics

Summarize by country, year, and topic

Visualizing trends in topics for one country

Tidy modeling by topic and country

Nesting by topic and country

Interpreting tidy models

Steepest trends by topic

Checking models visually

사례 연구: R로 하는 탐색적 데이터 분석

강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

19백만 명 이상의 학습자와 함께 사례 연구: R로 하는 탐색적 데이터 분석을(를) 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.