Emboîter vos données
Dans ce cours, vous travaillerez avec un ensemble d'indicateurs économiques et sociaux pour 77 pays sur une période de 52 ans. Ces données sont stockées dans la trame de données gapminder.
Dans cet exercice, vous transformerez vos données gapminder en une trame de données imbriquée à l'aide du premier outil nécessaire pour bâtir les bases des compétences en Machine Learning « tidy » : nest().
Remarque : Il s'agit d'une version plus détaillée que l'ensemble de données offert dans le paquet gapminder. Cette version est disponible dans le paquet dslabs.
Cette activité fait partie du cours
Machine Learning dans le tidyverse
Instructions de l’exercice
- Jetez un coup d'œil aux six premières lignes de
gapminder. - Utilisez ensuite
group_by()etnest()pour imbriquer vos trames de données parcountry, et enregistrez le résultat dansgap_nested. - Explorez les six premières lignes de la nouvelle trame de données
gap_nestedet remarquez la nouvelle colonne complexe data contenant des tibbles.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Explore gapminder
head(___)
# Prepare the nested data frame gap_nested
library(tidyverse)
gap_nested <- gapminder %>%
group_by(___) %>%
___()
# Explore gap_nested
head(___)