ข้ามไปยังเนื้อหาหลัก

Courses

Case Study: Exploratory Data Analysis in R

พื้นฐานระดับทักษะ

อัปเดตแล้ว 09/2567

Use data manipulation and visualization skills to explore the historical voting of the United Nations General Assembly.

เริ่มเรียนหลักสูตรฟรี

RExploratory Data Analysis4 ชม.15 videos58 Exercises4,800 เอ็กซ์พี56,563คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

Once you've started learning tools for data manipulation and visualization like dplyr and ggplot2, this course gives you a chance to use them in action on a real dataset. You'll explore the historical voting of the United Nations General Assembly, including analyzing differences in voting between countries, across time, and among international issues. In the process you'll gain more practice with the dplyr and ggplot2 packages, learn about the broom package for tidying model output, and experience the kind of start-to-finish exploratory analysis common in data science.

ข้อกำหนดเบื้องต้น

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

50 เอ็กซ์พี

Filtering rows

100 เอ็กซ์พี

Adding a year column

100 เอ็กซ์พี

Adding a country column

100 เอ็กซ์พี

Grouping and summarizing

50 เอ็กซ์พี

Summarizing the full dataset

100 เอ็กซ์พี

Summarizing by year

100 เอ็กซ์พี

Summarizing by country

100 เอ็กซ์พี

Sorting and filtering summarized data

50 เอ็กซ์พี

Sorting by percentage of "yes" votes

100 เอ็กซ์พี

Filtering summarized output

100 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

Choosing an aesthetic

50 เอ็กซ์พี

Plotting a line over time

100 เอ็กซ์พี

Other ggplot2 layers

100 เอ็กซ์พี

Visualizing by country

50 เอ็กซ์พี

Summarizing by year and country

100 เอ็กซ์พี

Plotting just the UK over time

100 เอ็กซ์พี

Plotting multiple countries

100 เอ็กซ์พี

Faceting by country

50 เอ็กซ์พี

Faceting the time series

100 เอ็กซ์พี

Faceting with free y-axis

100 เอ็กซ์พี

Choose your own countries

100 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

Linear regression on the United States

100 เอ็กซ์พี

Finding the slope of a linear regression

50 เอ็กซ์พี

Finding the p-value of a linear regression

50 เอ็กซ์พี

Tidying models with broom

50 เอ็กซ์พี

Tidying a linear regression model

100 เอ็กซ์พี

Combining models for multiple countries

100 เอ็กซ์พี

Nesting for multiple models

50 เอ็กซ์พี

Nesting a data frame

100 เอ็กซ์พี

List columns

100 เอ็กซ์พี

100 เอ็กซ์พี

Fitting multiple models

50 เอ็กซ์พี

Performing linear regression on each nested dataset

100 เอ็กซ์พี

Tidy each linear regression model

100 เอ็กซ์พี

Unnesting a data frame

100 เอ็กซ์พี

Working with many tidy models

50 เอ็กซ์พี

Filtering model terms

100 เอ็กซ์พี

Filtering for significant countries

100 เอ็กซ์พี

Sorting by slope

100 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

Joining datasets with inner_join

100 เอ็กซ์พี

Filtering the joined dataset

100 เอ็กซ์พี

Visualizing colonialism votes

100 เอ็กซ์พี

50 เอ็กซ์พี

Tidy data observations

50 เอ็กซ์พี

Using gather to tidy a dataset

100 เอ็กซ์พี

Recoding the topics

100 เอ็กซ์พี

Summarize by country, year, and topic

100 เอ็กซ์พี

Visualizing trends in topics for one country

100 เอ็กซ์พี

Tidy modeling by topic and country

50 เอ็กซ์พี

Nesting by topic and country

100 เอ็กซ์พี

Interpreting tidy models

100 เอ็กซ์พี

Steepest trends by topic

50 เอ็กซ์พี

Checking models visually

100 เอ็กซ์พี

50 เอ็กซ์พี

เริ่มบท

Case Study: Exploratory Data Analysis in R

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

สำหรับธุรกิจ

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ให้ทีมของคุณเข้าถึงแพลตฟอร์ม DataCamp แบบเต็มรูปแบบ รวมถึงฟีเจอร์ทั้งหมด

ในแทร็กต่อไปนี้

Data Manipulation in R

instructors

David Robinson

Principal Data Scientist at Heap

collaborators

Nick Carchedi

Tom Jeon

Courses resources

United Nations voting datasetdatasets

Topic information for each country (Descriptions)datasets

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Case Study: Exploratory Data Analysis in R วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา