Build your ultimate AI agent
Mô tả khóa học
Dữ liệu ngoài đời thực có thể khá đáng ngại — khi đối mặt với một bộ dữ liệu phức tạp và bừa bộn, bạn có thể tự hỏi: bắt đầu từ đâu đây? Gói tidyr cho phép bạn thuần hóa những “quái vật” đó thành các bộ dữ liệu gọn gàng, ngăn nắp. Những giá trị bị ẩn trong tên cột sẽ được đưa xuống thành hàng, tệp JSON sẽ trở thành data frame, và giá trị thiếu sẽ không còn “mất tích” nữa. Bạn sẽ thực hành các kỹ thuật này trên nhiều bộ dữ liệu rối rắm, và trên hành trình đó sẽ biết Liên Xô đã đưa bao nhiêu chú chó vào không gian và loài chim nào phổ biến nhất ở New Zealand. Với tidyr trong bộ công cụ tidyverse, bạn sẽ có thể biến hầu như mọi bộ dữ liệu sang định dạng tidy, giúp bạn tiết kiệm công sức cho các bước phân tích tiếp theo.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Dữ liệu tidy
Bạn sẽ được giới thiệu khái niệm dữ liệu tidy, trọng tâm của khóa học này. Trong hai bài đầu, bạn sẽ bắt tay ngay vào việc tách các cột ký tự lộn xộn thành các biến và quan sát gọn gàng, sẵn sàng cho phân tích. Ở bài cuối, bạn sẽ học cách ghi đè và loại bỏ các giá trị thiếu.
- Tidy data là gì?50 XP
- Cấu trúc dữ liệu tidy100 XP
- Nhiều biến trong một cột100 XP
- Các cột chứa nhiều giá trị50 XP
- Số điện thoại quốc tế100 XP
- Trích xuất quan sát từ giá trị100 XP
- Tách thành cột và hàng100 XP
- Giá trị thiếu50 XP
- Và giải Oscar cho đạo diễn xuất sắc nhất thuộc về ... <NA>100 XP
- Nội suy dữ liệu doanh số100 XP
- Số bom hạt nhân theo châu lục100 XP
2
Chuyển đổi giữa dạng rộng và dạng dài
Chương này tập trung vào việc xoay (pivot) dữ liệu giữa dạng rộng và dạng dài bằng các hàm pivot_longer() và pivot_wider(). Bạn sẽ cần các hàm này khi biến bị ẩn trong tên cột lộn xộn hoặc khi biến được lưu ở hàng thay vì cột. Trên đường học, bạn sẽ gặp chuyện về chó không gian, bom hạt nhân, và nhiệt độ các hành tinh.
3
Mở rộng dữ liệu
Dữ liệu của bạn thường có giá trị thiếu, và đôi khi cả quan sát cũng vắng mặt. Trong chương này, bạn sẽ học cách hoàn thiện bộ dữ liệu với những quan sát bị thiếu đó. Bạn sẽ bổ sung các quan sát có giá trị bằng không vào dữ liệu đếm, mở rộng chuỗi thời gian thành dải khoảng đầy đủ, và nhiều hơn nữa!
4
Làm phẳng dữ liệu lồng nhau
Trong chương cuối, bạn sẽ học cách chuyển các cấu trúc dữ liệu lồng nhau như tệp JSON và XML thành dữ liệu gọn gàng, hình chữ nhật. Kỹ năng này giúp bạn xử lý dữ liệu từ các web API. Bạn cũng sẽ học cách dùng cấu trúc dữ liệu lồng nhau để xây dựng pipeline mô hình hóa thanh thoát với đầu ra tidy.
R
Định hình lại dữ liệu với tidyr
Hoàn
thành khóa học
