In questo capitolo scoprirai tutto sui fattori. Vedrai la differenza tra variabili categoriali e ordinali, come R le rappresenta e come ispezionarle per trovare numero e nomi dei livelli. Infine, scoprirai come forcats, un pacchetto del tidyverse, può migliorare i tuoi grafici permettendoti di riordinare rapidamente le variabili in base alla loro frequenza.

Introduzione alle variabili qualitative

Riconoscere le variabili fattore

Variabili qualitative in teoria

Capire le tue variabili qualitative

Ottenere il numero di livelli

Esaminare il numero di livelli

Esaminare i livelli

Creare grafici migliori

Riordinare una variabile in base alla sua frequenza

Ordinare una variabile in base a un'altra

Introduzione alle variabili fattoriali

Continuerai ad approfondire il pacchetto forcats, imparando a cambiare l’ordine e i nomi dei livelli e persino a fonderli tra loro.

Riordinare i fattori

Modificare l'ordine dei livelli di un factor

Trucchi di fct_relevel()

Rinominare i livelli dei fattori

Distinguere tra le funzioni di forcats

Rinominare alcuni livelli

Quando c'è un refuso

Raggruppare i livelli di un fattore

Raggruppare manualmente i livelli

Raggruppare le variabili per proporzione

Preservare i livelli più comuni

Manipolare le variabili fattoriali

Dopo aver acquisito una buona padronanza di forcats, allargherai lo sguardo al resto del tidyverse, imparando e ripassando funzioni di dplyr, tidyr e stringr. Rifinirai i grafici con ggplot2 cambiando gli assi in scale percentuali, modificando l’impaginazione del testo e altro ancora.

Esaminare variabili con un tema comune

Raggruppare e rimodellare colonne simili

Riassumere i dati

Creare un grafico iniziale

Trucchi di ggplot2

Modificare il testo del grafico

Riordinare i grafici

Modificare e creare variabili con case_when()

case_when() con una singola variabile

case_when() da più colonne

Creare variabili fattoriali

In questo capitolo finale metterai in pratica tutto ciò che hai imparato in un caso di studio. Approfondirai il lavoro con le stringhe e la sintesi dei dati, quindi replicherai un grafico 538 di qualità da pubblicazione.

Introduzione al case study

Convertire i caratteri in fattori

Mettere in ordine i dati

Preparazione dei dati e regex

Pulire le stringhe

Dichotomizing variables

Riepilogare i dati

Ricreare il grafico

Sistemare le etichette

Invertire tutto

Finalizzare il grafico

Riepilogo di fine corso

Caso di studio sull’etichetta in volo

538 Flying Etiquette survey

Kaggle multiple choice responses

Come data scientist, ti capiterà spesso di lavorare con dati non numerici, come qualifiche professionali, risposte a sondaggi o informazioni demografiche. R ha un modo specifico per rappresentarli, chiamato fattori, e questo corso ti aiuterà a padroneggiarne l’uso con il pacchetto del tidyverse forcats. Lavoreremo anche con altri pacchetti del tidyverse, tra cui ggplot2, dplyr, stringr e tidyr, e useremo insiemi di dati reali, come il dataset sui voli di fivethirtyeight e il sondaggio State of Data Science and ML di Kaggle. Al termine del corso, saprai identificare e manipolare variabili fattoriali, visualizzare rapidamente ed efficacemente i tuoi dati e comunicare i risultati in modo chiaro. Pronto a categorizzare?

Reshaping Data with tidyr

Preparati a categorizzare! In questo corso lavorerai con dati non numerici usando Tidyverse.

Dati categoriali nel Tidyverse

Preparati a classificare! In questo corso lavorerai con dati non numerici, come titoli di lavoro o risposte a sondaggi, usando il panorama Tidyverse.

Fondamenti di Tidyverse in R

Quando c'è un refuso

Dati categoriali nel Tidyverse

esercizio interattivo pratico