Résumer par État et par région

Vous pouvez regrouper selon plusieurs colonnes plutôt qu'une seule. Ici, vous allez vous exercer à agréger par État et par région, et constater à quel point c'est pratique pour enchaîner plusieurs agrégations.

counties_selected <- counties %>%
  select(region, state, county, population)

Cette activité fait partie du cours

Manipulation de données avec dplyr

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

counties_selected %>%
  # Group and summarize to find the total population
  ___

Modifier et exécuter le code

Cette activité fait partie du cours

Manipulation de données avec dplyr

SkillTag.level.beginnerSkillTag.label

4.8+

Commencer le cours gratuitement

Apprenez des verbes pour transformer vos données, notamment select, filter, arrange et mutate. Vous utiliserez ces fonctions pour modifier le jeu de données counties afin d'examiner des observations particulières et répondre à des questions sur les données.

Exercise 1: Explorer des données avec dplyr Exercise 2: Comprendre vos données Exercise 3: Sélection de colonnes Exercise 4: Les verbes filter et arrange Exercise 5: Trier des observations Exercise 6: Filtrer selon des conditions Exercise 7: Filtrer et trier Exercise 8: Le verbe mutate()Exercise 9: Calcul du nombre d'employés du secteur public Exercise 10: Calculer le pourcentage de femmes dans un comté Exercise 11: Mutate, filter et arrange

Maintenant que vous savez transformer vos données, vous voudrez apprendre à les agréger pour les rendre plus faciles à interpréter. Vous découvrirez plusieurs fonctions permettant de résumer un grand nombre d'observations, notamment count, group_by, summarize, ungroup et slice_min/slice_max.

Exercise 1: Le verbe count Exercise 2: Compter par région Exercise 3: Compter les citoyennes et citoyens par État Exercise 4: Modifier et compter Exercise 5: Les verbes group_by, summarize et ungroup Exercise 6: Faire un résumé Exercise 7: Résumer par État Exercise 8: Résumer par État et par région

Exercice en cours

Exercise 9: Les verbes slice_min et slice_max Exercise 10: Sélectionner un comté dans chaque région Exercise 11: Trouver l'État au plus faible revenu dans chaque région Exercise 12: Utiliser summarize, slice_max et count ensemble

Apprenez des méthodes avancées pour sélectionner et transformer des colonnes. Découvrez aussi les « select helpers », des fonctions qui précisent des critères pour les colonnes à choisir, ainsi que le verbe rename.

Exercise 1: Sélectionner Exercise 2: Sélection de colonnes Exercise 3: Aides de sélection Exercise 4: Le verbe rename Exercise 5: Renommer une colonne après un dénombrement Exercise 6: Renommer une colonne dans un select Exercise 7: Le verbe relocate Exercise 8: Utiliser relocate Exercise 9: Choisir parmi les quatre verbes

Travaillez avec un nouveau jeu de données qui répertorie les prénoms des bébés nés aux États-Unis chaque année. Apprenez à utiliser des mutate groupés et des fonctions de fenêtre pour poser et répondre à des questions plus complexes sur vos données. Et combinez dplyr et ggplot2 pour créer des graphiques intéressants afin d'explorer davantage vos données.

Exercise 1: Les données babynames Exercise 2: Filtrer et trier pour une année Exercise 3: Trouver les prénoms les plus populaires chaque année Exercise 4: Visualiser les prénoms avec ggplot2 Exercise 5: Mutations groupées Exercise 6: Trouver l'année où chaque prénom est le plus courant Exercise 7: Ajouter le total et le maximum pour chaque prénom Exercise 8: Visualiser la variation normalisée de popularité Exercise 9: Fonctions de fenêtrage Exercise 10: Utiliser des ratios pour décrire la fréquence d'un prénom Exercise 11: Plus fortes hausses pour un prénom Exercise 12: Félicitations !