Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Data i verkligheten kan vara skrämmande – ställd inför ett komplicerat och rörigt dataset kan du lätt undra var du ens ska börja. Paketet tidyr låter dig tämja sådana datamängder till snygga och välstrukturerade dataset. Värden som gömmer sig i kolumnnamn hamnar på rätt plats i rader, JSON-filer omvandlas till dataramar och saknade värden försvinner aldrig mer. Du får öva teknikerna på en mängd röriga datamängder och lär dig längs vägen hur många hundar Sovjetunionen skickade ut i rymden och vilken fågel som är mest populär i Nya Zeeland. Med tidyr i din tidyverse-verktygslåda kan du omforma nästan vilket dataset som helst till ett välstrukturerat format – något som lönar sig i resten av din analys.
Förkunskapskrav
Kursplan
Kursöversikt
1
Välstrukturerad data
Här introduceras begreppet välstrukturerad data, som är centralt i kursen. I de två första lektionerna går du direkt till handling och separerar röriga textkolumner till välstrukturerade variabler och observationer redo för analys. I den sista lektionen lär du dig att skriva över och ta bort saknade värden.
- Vad är tidy data?50 XP
- Strukturen hos tidy data100 XP
- Flera variabler per kolumn100 XP
- Kolumner med flera värden50 XP
- Internationella telefonnummer100 XP
- Extrahera observationer från värden100 XP
- Separera till kolumner och rader100 XP
- Saknade värden50 XP
- Och Oscar för bästa regissör går till ... <NA>100 XP
- Imputera säljdata100 XP
- Kärnbomber per kontinent100 XP
2
Från brett till långt format och tillbaka
Det här kapitlet handlar om att pivotera data från brett till långt format och tillbaka med hjälp av funktionerna pivot_longer() och pivot_wider(). Du behöver dessa funktioner när variabler är dolda i röriga kolumnnamn eller när variabler lagras i rader i stället för kolumner. Längs vägen får du lära dig om rymdhundar, kärnvapen och planettemperaturer.
3
Utöka data
Värden kan ofta saknas i dina data, och ibland saknas hela observationer också. I det här kapitlet lär du dig att komplettera ditt dataset med dessa saknade observationer. Du lägger till observationer med nollvärden i räknade data, utökar tidsserier till en fullständig sekvens av intervall och mycket mer!
4
Rektangulär data
I det sista kapitlet lär du dig att omvandla nästlade datastrukturer, som JSON- och XML-filer, till välstrukturerad, rektangulär data. Den här färdigheten gör att du kan bearbeta data från webb-API:er. Du lär dig också hur nästlade datastrukturer kan användas för att skriva eleganta modelleringspipelines som producerar välstrukturerade utdata.
R
Omforma data med tidyr
Kurs
slutförd
