Ga naar hoofdinhoud

Cursus

Casestudy: Exploratory Data Analysis in R

BasisVaardigheidsniveau

Bijgewerkt 09-2024

Gebruik je vaardigheden in het bewerken en visualiseren van gegevens om de stemgeschiedenis van de Algemene Vergadering van de Verenigde Naties te bekijken.

Start Cursus Kosteloos

RExploratory Data Analysis4 u15 videos58 Opdrachten4,800 XP56,570Prestatieverklaring

Maak je gratis account aan

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Wil je 2 of meer mensen trainen?

Probeer DataCamp for Business

Cursusbeschrijving

Als je eenmaal tools voor datamanipulatie en -visualisatie zoals dplyr en ggplot2 kent, krijg je in deze cursus de kans om ze toe te passen op een echte gegevensset. Je onderzoekt het historische stemgedrag van de Algemene Vergadering van de Verenigde Naties, waaronder verschillen in stemgedrag tussen landen, door de tijd heen en per internationaal thema. Onderweg oefen je met de pakketten dplyr en ggplot2, leer je het broom-pakket gebruiken om modeluitvoer op te schonen, en ervaar je een start-tot-eind verkennende analyse zoals die vaak voorkomt in data science.

Vereisten

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

Hoofdstuk Beginnen

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

Hoofdstuk Beginnen

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

Hoofdstuk Beginnen

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

Hoofdstuk Beginnen

Casestudy: Exploratory Data Analysis in R

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf Je Nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Casestudy: Exploratory Data Analysis in R!

Maak je gratis account aan

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.