After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
När du har börjat lära dig verktyg för databearbetning och visualisering som dplyr och ggplot2 får du här möjlighet att använda dem i praktiken på ett riktigt dataset. Du utforskar FN:s generalförsamlings omröstningshistorik – bland annat skillnader i röstning mellan länder, över tid och kring internationella frågor. Under kursens gång får du mer övning med paketen dplyr och ggplot2, lär dig om broom-paketet för att strukturera modellresultat och genomför den typ av explorativ analys från start till mål som är vanlig inom datavetenskap.
Förkunskapskrav
Kursplan
Kursöversikt
1
Datarengöring och sammanfattning med dplyr
Det bästa sättet att lära sig databearbetning är att tillämpa det på en konkret fallstudie. Här lär du dig att rensa och filtrera FN:s omröstningsdataset med dplyr-paketet och att sammanfatta det i mindre, tolkningsbara delar.
- FN:s omröstningsdataset50 XP
- Filtrera rader100 XP
- Lägga till en årskolumn100 XP
- Lägga till en landskolumn100 XP
- Gruppering och sammanfattning50 XP
- Sammanfatta hela datamängden100 XP
- Sammanfatta per år100 XP
- Sammanfattning per land100 XP
- Sortera och filtrera sammanfattad data50 XP
- Sortering efter andel "yes"-röster100 XP
- Filtrera summerad data100 XP
2
Datavisualisering med ggplot2
När du har rensat och sammanfattat data är nästa steg att visualisera dem för att förstå trender och dra insikter. Här använder du ggplot2-paketet för att utforska trender i FN:s omröstningar per land över tid.
3
Prydlig modellering med broom
Visualisering hjälper dig att förstå ett land i taget, men statistisk modellering låter dig kvantifiera trender över många länder och tolka dem tillsammans. Här lär du dig att använda paketen tidyr, purrr och broom för att anpassa linjära modeller till varje land och för att förstå och jämföra deras resultat.
4
Sammanslagning och städning av data
I det här kapitlet lär du dig att kombinera flera relaterade datamängder – till exempel att lägga till information om varje resolutions ämne i din röstningsanalys. Du lär dig också att omvandla ostrukturerad data till prydlig data och ser hur välstrukturerad data kan vägleda din utforskning av ämnen och länder över tid.
R
Fallstudie: Explorativ dataanalys i R
Kurs
slutförd
