ComenzarEmpieza gratis

Inicio
Cursos
Estudio de caso: Análisis exploratorio de datos en R

El conjunto de datos de votaciones de las Naciones Unidas

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Este ejercicio forma parte del curso

Estudio de caso: Análisis exploratorio de datos en R

PrincipianteNivel de habilidad

5.0+

Comienza el curso gratis

La mejor forma de aprender técnicas de preparación de datos es aplicarlas a un estudio de caso concreto. Aquí aprenderás a limpiar y filtrar el conjunto de datos de votaciones de las Naciones Unidas con el paquete dplyr, y a resumirlo en unidades más pequeñas e interpretables.

Exercise 1: El conjunto de datos de votaciones de las Naciones Unidas

Ejercicio actual

Exercise 2: Filtrar filas Exercise 3: Añadir una columna de año Exercise 4: Añadir una columna de país Exercise 5: Agrupar y resumir Exercise 6: Resumir el conjunto de datos completo Exercise 7: Resumir por año Exercise 8: Resumir por país Exercise 9: Ordenar y filtrar datos resumidos Exercise 10: Ordenar por porcentaje de votos "yes"Exercise 11: Filtrar un resumen de resultados

Una vez que hayas limpiado y resumido los datos, querrás visualizarlos para entender tendencias y extraer conclusiones. Aquí usarás el paquete ggplot2 para explorar las tendencias de las votaciones de las Naciones Unidas en cada país a lo largo del tiempo.

Exercise 1: Visualización con ggplot2 Exercise 2: Elegir una estética Exercise 3: Trazar una línea a lo largo del tiempo Exercise 4: Otras capas de ggplot2 Exercise 5: Visualización por país Exercise 6: Resumir por año y país Exercise 7: Representar solo Reino Unido a lo largo del tiempo Exercise 8: Representar varios países Exercise 9: Facetado por país Exercise 10: Dividir la serie temporal en facetas Exercise 11: Facetado con eje y libre Exercise 12: Elige tus propios países

Mientras que la visualización te ayuda a entender un país cada vez, el modelado estadístico te permite cuantificar tendencias entre muchos países e interpretarlas en conjunto. Aquí aprenderás a usar los paquetes tidyr, purrr y broom para ajustar modelos lineales a cada país, y a entender y comparar sus resultados.

Exercise 1: Regresión lineal Exercise 2: Regresión lineal en Estados Unidos Exercise 3: Encontrar la pendiente de una regresión lineal Exercise 4: Encontrar el p-valor de una regresión lineal Exercise 5: Ordenar modelos con broom Exercise 6: Ordenar un modelo de regresión lineal Exercise 7: Combinar modelos para varios países Exercise 8: Anidar para varios modelos Exercise 9: Anidar un data frame Exercise 10: Columnas de tipo lista Exercise 11: Desanidar Exercise 12: Ajustar varios modelos Exercise 13: Regresión lineal en cada conjunto de datos anidado Exercise 14: Ordena cada modelo de regresión lineal Exercise 15: Desanidar un data frame Exercise 16: Trabajar con muchos modelos ordenados Exercise 17: Filtrar términos del modelo Exercise 18: Filtrar países significativos Exercise 19: Ordenar por pendiente

En este capítulo aprenderás a combinar varios conjuntos de datos relacionados, como incorporar información sobre el tema de cada resolución en tu análisis de votos. También aprenderás a convertir datos desordenados en datos ordenados y verás cómo los datos ordenados pueden guiar tu exploración de temas y países a lo largo del tiempo.

Exercise 1: Combinación de conjuntos de datos Exercise 2: Unir conjuntos de datos con inner_join Exercise 3: Filtrar el conjunto de datos unido Exercise 4: Visualizar votos sobre colonialismo Exercise 5: Datos ordenados Exercise 6: Observaciones en datos ordenados (tidy)Exercise 7: Usar gather para ordenar un conjunto de datos Exercise 8: Recodificar los temas Exercise 9: Resumir por país, año y tema Exercise 10: Visualizar tendencias por temas para un país Exercise 11: Modelado ordenado por tema y país Exercise 12: Anidar por tema y país Exercise 13: Interpretar modelos ordenados Exercise 14: Tendencias más pronunciadas por tema Exercise 15: Comprobando modelos de forma visual Exercise 16: Conclusión