Anidar tus datos
En este curso, trabajarás con un conjunto de indicadores económicos y sociales de 77 países a lo largo de 52 años. Estos datos están almacenados en el data frame gapminder.
En este ejercicio, transformarás tus datos de gapminder en un data frame anidado usando la primera herramienta necesaria para sentar las bases de habilidades de Machine Learning en el entorno tidy: nest().
Nota: Esta es una versión más granular que el conjunto de datos disponible en el paquete gapminder. Esta versión está disponible en el paquete dslabs.
Este ejercicio forma parte del curso
Machine Learning en el tidyverse
Instrucciones del ejercicio
- Echa un vistazo a las primeras seis filas de
gapminder. - Ahora utiliza
group_by()ynest()para anidar tus data frames porcountry, y guarda el resultado comogap_nested. - Explora las primeras seis filas del nuevo data frame
gap_nested; fíjate en la nueva columna compleja data que contiene tibbles.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Explore gapminder
head(___)
# Prepare the nested data frame gap_nested
library(tidyverse)
gap_nested <- gapminder %>%
group_by(___) %>%
___()
# Explore gap_nested
head(___)