Emboîter vos données
Dans ce cours, vous allez travailler avec un ensemble d’indicateurs économiques et sociaux pour 77 pays sur une période de 52 ans. Ces données sont disponibles dans le data frame gapminder.
Dans cet exercice, vous allez transformer vos données gapminder en un data frame imbriqué en utilisant le premier outil nécessaire pour poser les bases de compétences en Machine Learning « tidy » : nest().
Remarque : il s’agit d’une version plus détaillée que le jeu de données disponible dans le package gapminder. Cette version est fournie par le package dslabs.
Cet exercice fait partie du cours
<cours>Machine Learning dans le tidyverse</cours>Instructions de l’exercice
- Examinez les six premières lignes de
gapminder. - Utilisez ensuite
group_by()etnest()pour imbriquer vos data frames parcountry, et enregistrez le résultat dansgap_nested. - Explorez les six premières lignes du nouveau data frame
gap_nestedet notez la nouvelle colonne complexe data qui contient 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(___)