En este capítulo, aprenderás todo sobre los factores. Verás la diferencia entre variables categóricas y ordinales, cómo las representa R y cómo inspeccionarlas para encontrar el número y los nombres de sus niveles. Por último, descubrirás cómo forcats, un paquete del tidyverse, puede mejorar tus gráficos permitiéndote reordenar variables por su frecuencia de forma rápida.

Introducción a las variables cualitativas

Reconocer variables factor

Variables cualitativas en teoría

Comprender tus variables cualitativas

Obtener el número de niveles

Examinar el número de niveles

Examinar los niveles

Mejorar los gráficos

Reordenar una variable por su frecuencia

Ordenar una variable según otra

Introducción a las variables factor

Seguirás profundizando en el paquete forcats, aprendiendo a cambiar el orden y los nombres de los niveles e incluso a agruparlos entre sí.

Reordenar factores

Cambiar el orden de los niveles de un factor

Trucos de fct_relevel()

Renombrar niveles de un factor

Distinguir entre funciones de forcats

Renombrar algunos niveles

Cuando tienes un error tipográfico

Agrupar niveles de un factor

Agrupar niveles manualmente

Agrupar variables por proporción

Conservar los niveles más comunes

Manipulación de variables factor

Una vez afianzado forcats, ampliarás al resto del tidyverse, aprendiendo y repasando funciones de dplyr, tidyr y stringr. Perfeccionarás gráficos con ggplot2 cambiando los ejes a escalas de porcentaje, editando el diseño del texto y más.

Examinar variables con un tema común

Agrupar y reestructurar columnas similares

Resumir datos

Crear un gráfico inicial

Trucos de ggplot2

Editar el texto del gráfico

Reordenar gráficos

Cambiar y crear variables con case_when()

case_when() con una sola variable

case_when() con varias columnas

Creación de variables factor

En este capítulo final, pondrás en práctica todo lo aprendido en un estudio de caso. Aprenderás más sobre trabajar con cadenas y resumir datos, y luego replicarás un gráfico de 538 con calidad de publicación.

Introducción al estudio de caso

Cambiar caracteres a factores

Ordenar datos

Preparación de datos y regex

Limpiar cadenas

Dicotomizar variables

Volver a crear la gráfica

Corregir etiquetas

Darle la vuelta a todo

Últimos retoques al gráfico

Resumen de fin de curso

Estudio de caso sobre etiqueta en vuelos

538 Flying Etiquette survey

Kaggle multiple choice responses

Como científico de datos, a menudo trabajarás con datos no numéricos, como cargos laborales, respuestas de encuestas o información demográfica. R tiene una forma especial de representarlos, llamada factores, y este curso te ayudará a dominarlos usando el paquete del tidyverse forcats. También trabajaremos con otros paquetes del tidyverse, como ggplot2, dplyr, stringr y tidyr, y usaremos conjuntos de datos reales, como el de vuelos de fivethirtyeight y la encuesta State of Data Science and ML de Kaggle. Al finalizar el curso, sabrás identificar y manipular variables factor, visualizar tus datos de forma rápida y eficiente, y comunicar tus resultados con eficacia. ¡Prepárate para categorizar!

Reshaping Data with tidyr

¡Prepárate para categorizar! Trabajarás con datos no numéricos usando Tidyverse.

Datos categóricos en el Tidyverse

Fundamentos de Tidyverse en R

Cuando tienes un error tipográfico

Datos categóricos en el Tidyverse

ejercicio interactivo práctico