ComenzarEmpieza gratis

Inicio
Cursos
Reestructurar datos con tidyr

Columnas con múltiples valores

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

Reestructurar datos con tidyr

IntermedioNivel de habilidad

4.8+

Comienza el curso gratis

Conocerás el concepto de datos ordenados, que es clave en este curso. En las dos primeras lecciones, te pondrás manos a la obra separando columnas de texto desordenadas en variables y observaciones listas para analizar. En la última lección, aprenderás a sobrescribir y eliminar valores ausentes.

Exercise 1: ¿Qué es el tidy data?Exercise 2: Estructura de datos ordenados Exercise 3: Varias variables por columna Exercise 4: Columnas con múltiples valores

Ejercicio actual

Exercise 5: Números de teléfono internacionales Exercise 6: Extraer observaciones a partir de valores Exercise 7: Separar en columnas y filas Exercise 8: Valores ausentes Exercise 9: Y el Oscar a la mejor dirección es para... <NA>Exercise 10: Imputar datos de ventas Exercise 11: Bombas nucleares por continente

Este capítulo trata de pivotar datos de un formato ancho a uno largo y volver de nuevo usando las funciones pivot_longer() y pivot_wider(). Necesitarás estas funciones cuando las variables estén ocultas en nombres de columnas desordenados o cuando las variables estén guardadas en filas en lugar de columnas. Por el camino, aprenderás sobre perros espaciales, bombas nucleares y temperaturas planetarias.

Exercise 1: De datos en formato ancho a formato largo Exercise 2: Bombas nucleares por país Exercise 3: Obesidad de la OMS por país Exercise 4: Bond... James Bond Exercise 5: Derivar variables a partir de encabezados de columna Exercise 6: El ave del año en Nueva Zelanda Exercise 7: Precios de acciones de big tech Exercise 8: Derivar variables a partir de encabezados de columna complejos Exercise 9: Perros espaciales soviéticos, la perspectiva canina Exercise 10: Obesidad vs. esperanza de vida (OMS)Exercise 11: Expandir recuentos a observaciones Exercise 12: De datos en formato largo a ancho Exercise 13: Perros espaciales soviéticos, la perspectiva del vuelo Exercise 14: Temperatura de los planetas y distancia al Sol Exercise 15: Trasponer datos de planetas

A menudo pueden faltar valores en tus datos, y a veces también faltan observaciones completas. En este capítulo, aprenderás a completar tu conjunto de datos con esas observaciones ausentes. Añadirás observaciones con valores cero a datos contados, ampliarás series temporales a una secuencia completa de intervalos y mucho más.

Exercise 1: Crear combinaciones únicas de vectores Exercise 2: Letras del código genético Exercise 3: ¿Cuándo sustituyeron los humanos a los perros en el espacio?Exercise 4: Encontrar observaciones faltantes Exercise 5: Completar los datos con todas las combinaciones de valores Exercise 6: Completando el Sistema Solar Exercise 7: Medallas olímpicas con valor cero Exercise 8: Crear una secuencia con full_seq()Exercise 9: El año más caliente de la Guerra Fría Exercise 10: Completados avanzados Exercise 11: Medallas olímpicas por continente Exercise 12: Seguimiento de un brote vírico Exercise 13: Contando ocupantes de la oficina

En el capítulo final, aprenderás a convertir estructuras de datos anidadas, como archivos JSON y XML, en datos ordenados y rectangulares. Esta habilidad te permitirá procesar datos de APIs web. También verás cómo las estructuras anidadas pueden usarse para crear flujos de modelado elegantes que produzcan Resultados ordenados.

Exercise 1: Introducción a los datos no rectangulares Exercise 2: Archivos rectangulares vs. no rectangulares Exercise 3: Rectangulando películas de Star Wars Exercise 4: De valores anidados a observaciones Exercise 5: Desanidar en ancho o en largo Exercise 6: Rectangulando los planetas de Star Wars Exercise 7: Las lunas más grandes del sistema solar Exercise 8: Seleccionar variables anidadas Exercise 9: Elevando las películas de Star Wars Exercise 10: Elevando valoraciones de películas Exercise 11: Anidar datos para modelado Exercise 12: Resultados de modelos ordenados con broom Exercise 13: Anidar tibbles Exercise 14: Modelado con data frames anidados Exercise 15: ¡Enhorabuena!