Di bab ini, Anda akan meninjau kembali pipeline dplyr dan meningkatkan keterampilan pemilihan kolom dengan fungsi pembantu dan regular expression.

Produktiflah dengan dplyr

select() vs. filter()

Pilihan yang tepat

Mutasi diperlukan

Membantu dengan fungsi pembantu

Jangan buat saya mulai

Lihat bagaimana hasil akhirnya

Menemukan pasangan yang tepat

Cinta yang Ter-Contain

Mencari kecocokan

Tuntut Akuntabilitas Pemimpin Pilihan Anda

Di sini, Anda akan mempelajari cara memindahkan kolom dalam data Anda dan melakukan transformasi yang sama pada banyak kolom sekaligus. Anda juga akan memilih baris yang cocok dengan sebagian atau seluruh kriteria kolom.

Memberikan bantuan relokasi

Memindahkan dengan select() dan everything()

Mengatur ulang dengan select() dan last_col()

Menggeser posisi dengan relocate()

Itu sudah kelewat batas

Mutasi pada banyak kolom

Meringkas lintas banyak variabel

Menggabungkan count() dengan across()

Penyeberangan hewan: rowwise baru

across() vs. c_across()

Agregasi dengan rowwise()

Satu untuk apa pun, satu untuk semua

Teruslah Menggiring Kawanan Itu

Pada bagian ini, Anda akan meninjau kembali join dplyr. Anda kemudian melangkah lebih jauh dengan menggunakan klausa teori himpunan untuk menelaah irisan dan perbedaan antarhimpunan data.

Bergabung bersama dengan menyenangkan

Bergabunglah dengan saya

Penyelidikan lanjutan

Garis yang berpotongan tak punya yang sejajar

Options

intersect()

inner_join()

Intersect vs. inner join

Melaju cepat di persimpangan

Sampaikan keadaan persatuan

Simpan union

Daftar ke serikat lokal Anda, semua

Sedikit terlalu mengecualikan

Memeriksa kesetaraan himpunan

Memeriksa perbedaan

Teori Himpunan Claus dan Kutub Utara

Di bagian akhir kursus ini, Anda akan menggunakan operator rlang untuk mengubah argumen menjadi variabel dan membuat fungsi yang menggabungkan kode dplyr dan ggplot2.

Apa malfungsi utama Anda?

Tingkat pengangguran menurut wilayah

Median tingkat pengangguran menurut grup

Bang-bang!!

Mencocokkan operator rlang

Bang bang into the room

Rlang-ing di kursi goyang Anda

Anda adalah walrus

Analisis hasil per kawasan

Sebuah twist ggplot yang hebat

Memplot dan merancang

Judul plot makin seru

Selamat!

Berbicara dalam rlang yang Baru

International Monetary Fund (IMF)

World Bank

Tidyverse mencakup seperangkat paket yang luar biasa untuk memudahkan dan mempercepat pekerjaan dengan data. Namun, pernahkah Anda mencoba menempatkan fungsi dplyr di dalam fungsi lain lalu terjebak dengan galat aneh atau hasil yang tak terduga? Galat tersebut kemungkinan disebabkan oleh tidy evaluation, yang membutuhkan sedikit upaya tambahan untuk menanganinya. Dalam Pemrograman dengan dplyr, Anda akan dibekali strategi untuk menyelesaikan galat tersebut melalui paket rlang. Anda juga akan mempelajari teknik lain untuk pemrograman dengan dplyr menggunakan data dari Bank Dunia dan Dana Moneter Internasional untuk menganalisis tren global sepanjang materi. Pada akhir kursus, Anda akan menjadi ninja penulis fungsi tidyverse!

Joining Data with dplyr

Introduction to Writing Functions in R

Pelajari transformasi dplyr lanjutan dan gunakan kode dplyr serta ggplot2 dalam fungsi.

Pemrograman dengan dplyr

Pelajari cara melakukan transformasi lanjutan dengan dplyr dan mengintegrasikan kode dplyr dan ggplot2 ke dalam fungsi.

Hanya berfungsi jika nama kolom sama di antara kedua tibble.

Untuk dua tibble `df1` dan `df2` dengan nama kolom yang sama, ini selalu mengembalikan semua baris yang sama-sama dimiliki oleh `df1` dan `df2`.

Berfungsi bahkan jika kedua argumen memiliki jumlah kolom yang berbeda.

Untuk dua tibble `df1` dan `df2`, ini mengembalikan semua baris dengan nilai kunci yang cocok antara `df1` dan `df2`.

Intersect vs. inner join

Pemrograman dengan dplyr

Latihan interaktif langsung