Daten verschachteln

In diesem Kurs arbeitest du mit einer Sammlung wirtschaftlicher und sozialer Indikatoren für 77 Länder über einen Zeitraum von 52 Jahren. Diese Daten liegen im Data Frame gapminder vor.

In dieser Übung wandelst du deine gapminder-Daten in einen verschachtelten Data Frame um – mit dem ersten Werkzeug, das du für die Grundlagen des tidy Machine Learnings brauchst: nest().

Hinweis: Dies ist eine detailliertere Version als der Datensatz aus dem Paket gapminder. Diese Version ist im Paket dslabs verfügbar.

Diese Übung ist Teil des Kurses

<Kurs>Machine Learning im Tidyverse</Kurs>

Kurs ansehen

Übungsanweisungen

Sieh dir die ersten sechs Zeilen von gapminder an.
Verwende nun group_by() und nest(), um deine Data Frames nach country zu verschachteln, und speichere das Ergebnis als gap_nested.
Untersuche die ersten sechs Zeilen des neu erstellten Data Frames gap_nested und beachte die neue komplexe Spalte data mit Tibbles.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Explore gapminder
head(___)

# Prepare the nested data frame gap_nested
library(tidyverse)
gap_nested <- gapminder %>% 
  group_by(___) %>% 
  ___()

# Explore gap_nested
head(___)

Code bearbeiten und ausführen