Przejdź do głównej treści

Strona główna R

Kurs

Studium przypadku: eksploracyjna analiza danych w R

PodstawowyPoziom umiejętności

Zaktualizowano 09.2024

Wykorzystaj umiejętności manipulacji danymi i wizualizacji, aby analizować historyczne głosowania Zgromadzenia Ogólnego ONZ.

Zacznij kurs za darmo

RExploratory Data Analysis

4 godz.

15 filmów

58 Ćwiczeń

4,800 XP

56,667

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Kiedy już poznasz narzędzia do manipulacji danymi i wizualizacji, takie jak dplyr i ggplot2, ten kurs daje ci szansę, by zastosować je w praktyce na prawdziwym zbiorze danych. Przeanalizujesz historyczne głosowania Zgromadzenia Ogólnego ONZ – zbadasz różnice w głosowaniach między krajami, na przestrzeni czasu oraz w odniesieniu do różnych kwestii międzynarodowych. Przy okazji pogłębisz znajomość pakietów dplyr i ggplot2, poznasz pakiet broom do porządkowania wyników modeli i doświadczysz kompletnej analizy eksploracyjnej – od początku do końca – typowej dla pracy w data science.

Wymagania wstępne

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

Zacznij rozdział

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

Zacznij rozdział

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

Zacznij rozdział

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

Zacznij rozdział

Studium przypadku: eksploracyjna analiza danych w R

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Studium przypadku: eksploracyjna analiza danych w R już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.