Di bab ini, Anda akan mempelajari semua hal tentang faktor. Anda akan menemukan perbedaan antara variabel kategorikal dan ordinal, bagaimana R merepresentasikannya, dan cara menginspeksinya untuk mengetahui jumlah serta nama level. Terakhir, Anda akan melihat bagaimana forcats, sebuah paket dalam tidyverse, dapat memperbaiki plot dengan memungkinkan Anda mengurutkan ulang variabel berdasarkan frekuensinya dengan cepat.

Pengantar variabel kualitatif

Mengenali variabel faktor

Variabel kualitatif dalam teori

Memahami variabel kualitatif Anda

Mendapatkan jumlah level

Menelaah jumlah level

Menguji level

Membuat plot yang lebih baik

Mengurutkan variabel berdasarkan frekuensi

Mengurutkan satu variabel berdasarkan variabel lain

Pendahuluan ke Variabel Faktor

Anda akan melanjutkan pendalaman paket forcats, mempelajari cara mengubah urutan dan nama level, bahkan menggabungkannya satu sama lain.

Mengurutkan ulang faktor

Mengubah urutan level faktor

Trik fct_relevel()

Mengganti nama level faktor

Membedakan fungsi-fungsi forcats

Mengganti nama beberapa level

Ketika Anda salah ketik

Menggabungkan level faktor

Menggabungkan level secara manual

Mengelompokkan variabel berdasarkan proporsi

Mempertahankan level yang paling umum

Memanipulasi Variabel Faktor

Setelah memahami forcats dengan baik, Anda akan meluaskan pembelajaran ke bagian tidyverse lainnya, mempelajari dan meninjau fungsi-fungsi dari dplyr, tidyr, dan stringr. Anda akan menyempurnakan grafik dengan ggplot2 dengan mengubah sumbu menjadi skala persentase, menyunting tata letak teks, dan lainnya.

Menganalisis variabel bertema umum

Mengelompokkan dan mengubah bentuk kolom yang serupa

Meringkas data

Membuat plot awal

Trik ggplot2

Menyunting teks plot

Mengurutkan grafik

Mengubah dan membuat variabel dengan case_when()

case_when() dengan satu variabel

case_when() dari beberapa kolom

Membuat Variabel Faktor

Di bab terakhir ini, Anda akan menerapkan semua yang telah dipelajari dalam sebuah studi kasus. Anda akan mempelajari lebih lanjut cara bekerja dengan string dan meringkas data, lalu mereplikasi plot 538 berkualitas publikasi.

Pengantar studi kasus

Mengubah karakter menjadi faktor

Merapikan data

Persiapan data dan regex

Membersihkan string

Dikotomisasi variabel

Membuat ulang plot

Memperbaiki label

Membalik tampilan

Menyelesaikan bagan

Ringkasan akhir kursus

Studi Kasus Etika dalam Penerbangan

538 Flying Etiquette survey

Kaggle multiple choice responses

Sebagai data scientist, Anda sering bekerja dengan data non-numerik, seperti jabatan pekerjaan, respons survei, atau informasi demografis. R memiliki cara khusus untuk merepresentasikannya, yaitu faktor (factors), dan kursus ini akan membantu Anda menguasai cara bekerja dengannya menggunakan paket tidyverse, forcats. Kita juga akan menggunakan paket tidyverse lainnya, termasuk ggplot2, dplyr, stringr, dan tidyr serta himpunan data dunia nyata, seperti himpunan data penerbangan fivethirtyeight dan Survei State of Data Science and ML dari Kaggle. Setelah mengikuti kursus ini, Anda akan dapat mengidentifikasi dan memanipulasi variabel faktor, memvisualisasikan data dengan cepat dan efisien, serta mengomunikasikan hasil secara efektif. Siap untuk mengategorikan!

Reshaping Data with tidyr

Bersiaplah untuk mengkategorikan! Dalam kursus ini, Anda akan bekerja dengan data non-numerik menggunakan Tidyverse.

Data Kategorikal di Tidyverse

Dasar-Dasar Tidyverse di R

Membedakan fungsi-fungsi forcats

Data Kategorikal di Tidyverse

Latihan interaktif langsung