Visualisation des noms avec ggplot2

Le paquet dplyr est très utile pour explorer les données, mais il est particulièrement efficace lorsqu'il est associé à d'autres paquets tidyverse, tels que ggplot2.

Cet exercice fait partie du cours

Manipulation de données avec dplyr

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

selected_names <- babynames %>%
  # Filter for the names Steven, Thomas, and Matthew 
  ___

Modifier et exécuter le code

Cet exercice fait partie du cours

Manipulation de données avec dplyr

DébutantNiveau de compétence

4.8+

Commencer le cours gratuitement

Apprenez les verbes que vous pouvez utiliser pour transformer vos données, notamment select, filter, arrange et mutate. Vous utiliserez ces fonctions pour modifier l'ensemble de données des comtés afin de visualiser des observations particulières et de répondre à des questions sur les données.

Exercise 1: Exploration des données avec dplyr Exercise 2: Comprendre vos données Exercise 3: Sélectionner des colonnes Exercise 4: Les verbes filter et arrange Exercise 5: Organisation des observations Exercise 6: Filtrage selon les conditions Exercise 7: Filtrer et organiser Exercise 8: Le verbe mutate()Exercise 9: Calcul du nombre d'employés du gouvernement Exercise 10: Calculer le pourcentage de femmes dans un comté Exercise 11: Mutate, filter et arrange

Maintenant que vous savez comment transformer vos données, vous souhaiterez certainement en savoir plus sur la manière de les agréger afin de les rendre plus faciles à interpréter. Vous découvrirez plusieurs fonctions qui vous permettront d'effectuer de nombreuses observations dans vos données et de les résumer, notamment count, group_by, summarize, ungroup et slice_min/slice_max.

Exercise 1: Le verbe count Exercise 2: Comptage par région Exercise 3: Comptage des citoyens par État Exercise 4: Mutation et comptage Exercise 5: Les verbes group_by, summarize et ungroup Exercise 6: Résumés Exercise 7: Résumé par État Exercise 8: Résumé par État et région Exercise 9: Les verbes slice_min et slice_max Exercise 10: Sélectionner un comté dans chaque région Exercise 11: Identification de l'État ayant le revenu le plus faible dans chaque région Exercise 12: Utilisation conjointe de summarize, slice_max et count

Découvrez des méthodes avancées pour sélectionner et transformer des colonnes. Veuillez également vous familiariser avec les aides de sélection, qui sont des fonctions permettant de définir les critères des colonnes que vous souhaitez sélectionner, ainsi qu'avec le verbe renommer.

Exercise 1: Sélectionner Exercise 2: Sélectionner des colonnes Exercise 3: Aides à la sélection Exercise 4: Le verbe rename Exercise 5: Renommer une colonne après le comptage Exercise 6: Renommer une colonne dans le cadre d'une sélection Exercise 7: Le verbe relocate Exercise 8: Utilisation de relocate Exercise 9: Choisir parmi les quatre verbes

Travaillez avec un nouvel ensemble de données représentant les prénoms des bébés nés chaque année aux États-Unis. Découvrez comment utiliser les mutations groupées et les fonctions de fenêtre pour poser et répondre à des questions plus complexes concernant vos données. Veuillez utiliser une combinaison de dplyr et ggplot2 pour créer des graphiques pertinents afin d'approfondir l'analyse de vos données.

Exercise 1: Les données relatives aux prénoms de bébés Exercise 2: Filtrage et classement pour une année Exercise 3: Identifier les prénoms les plus populaires chaque année Exercise 4: Visualisation des noms avec ggplot2

Exercice en cours

Exercise 5: Mutations groupées Exercise 6: Identifier l'année où chaque nom est le plus courant Exercise 7: Ajouter le total et le maximum pour chaque nom Exercise 8: Visualisation de l'évolution normalisée de la popularité Exercise 9: Fonctions de fenêtrage Exercise 10: Utilisation de ratios pour décrire la fréquence d'un nom Exercise 11: Les plus grandes évolutions dans un nom Exercise 12: Félicitations !