Learn verbs you can use to transform your data, including select, filter, arrange, and mutate. You'll use these functions to modify the counties dataset to view particular observations and answer questions about the data.

Exploring data with dplyr

Understanding your data

Selecting columns

The filter and arrange verbs

Arranging observations

Filtering for conditions

Filtering and arranging

The mutate() verb

Calculating the number of government employees

Calculating the percentage of women in a county

Mutate, filter, and arrange

Transforming Data with dplyr

Now that you know how to transform your data, you'll want to know more about how to aggregate your data to make it more interpretable. You'll learn a number of functions you can use to take many observations in your data and summarize them, including count, group_by, summarize, ungroup, and slice_min/slice_max.

Il verbo count

Conteggio per regione

Contare i cittadini per stato

Creare colonne e contare

I verbi group_by, summarize e ungroup

Riepilogo

Riepilogare per stato

Riepilogo per stato e regione

I verbi slice_min e slice_max

Selezionare una contea da ogni regione

Trovare lo stato con il reddito più basso in ogni regione

Usare insieme summarize, slice_max e count

Aggregating Data

Learn advanced methods to select and transform columns. Also, learn about select helpers, which are functions that specify criteria for columns you want to choose, as well as the rename verb.

Selecting

Select helpers

The rename verb

Renaming a column after count

Renaming a column as part of a select

The relocate verb

Using relocate

Choosing among the four verbs

Selecting and Transforming Data

Work with a new dataset that represents the names of babies born in the United States each year. Learn how to use grouped mutates and window functions to ask and answer more complex questions about your data. And use a combination of dplyr and ggplot2 to make interesting graphs to further explore your data.

The babynames data

Filtering and arranging for one year

Finding the most popular names each year

Visualizing names with ggplot2

Grouped mutates

Finding the year each name is most common

Adding the total and maximum for each name

Visualizing the normalized change in popularity

Window functions

Using ratios to describe the frequency of a name

Biggest jumps in a name

Congratulations!

Case Study: The babynames Dataset

2015 US Census

US Baby Name Records

Course Glossary

Hai trovato un ottimo insieme di dati e vuoi saperne di più. Come puoi iniziare a rispondere alle domande che ti poni sui dati? Puoi usare dplyr per trovare le risposte—e ti aiuta anche con le trasformazioni di base. Imparerai inoltre ad aggregare i dati e ad aggiungere, rimuovere o modificare le variabili. Lungo il percorso, esplorerai un insieme di dati con informazioni sulle contee degli Stati Uniti. Concluderai il corso applicando questi strumenti al dataset babynames per analizzare le tendenze dei nomi dei neonati negli Stati Uniti.

I video includono trascrizioni in tempo reale che puoi visualizzare facendo clic su "Show transcript" in basso a sinistra nei video.

Il glossario del corso si trova a destra, nella sezione delle risorse.

Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione facendo clic sul riquadro dei crediti CPE sulla destra.

Diciamo che hai trovato un bel set di dati e vuoi saperne di più. Come puoi iniziare a rispondere alle domande che hai sui dati? Usa dplyr per rispondere a queste domande.<br><br><h2>Primi passi: Trasformare i dati con dplyr</h2>
Questo corso è pensato per insegnare agli utenti come gestire e trasformare i dati in modo efficiente usando il pacchetto dplyr in R.<br><br>Prima di tutto, scoprirai le tecniche di base per trasformare i dati, compreso l'uso dei verbi chiave di dplyr come select, filter, arrange e mutate. Queste funzioni ti mostreranno come cambiare i set di dati selezionando colonne specifiche, filtrando le righe in base a determinate condizioni, ordinando i dati e creando nuove colonne calcolate.​.<br><br>
<h2>Aggregare i dati con dplyr</h2>Poi, il corso parla di come mettere insieme i dati, insegnando agli utenti come riassumere e sintetizzare i dati per capirli meglio.<br><br> Capirai come rendere i tuoi dati più facili da capire e gestire.​. Funzioni come count, group_by e summarize servono per fare operazioni che mettono insieme tante osservazioni in riassunti utili, fondamentali per analizzare i dati e fare report.<br><br><h2>Selezionare e trasformare i dati</h2>Infine, imparerai tecniche avanzate di selezione e trasformazione dei dati, come usare gli helper di selezione e il verbo rinomina. Potrai anche mettere alla prova le tue abilità su un caso di studio reale e fare pratica con mutazioni raggruppate, funzioni finestra e visualizzazione dei dati con ggplot2.<br><br>Alla fine del corso, avrai sviluppato solide competenze nella manipolazione dei dati usando dplyr, che ti permetteranno di fare analisi dei dati più efficienti ed efficaci.— una competenza fondamentale per qualsiasi analista o ricercatore di dati.

Introduction to the Tidyverse

Impara a usare dplyr per trasformare e aggregare dati, poi modifica variabili in un caso reale.

Manipolazione dei dati con dplyr

Migliora le tue abilità con Tidyverse imparando a trasformare e gestire i dati con dplyr.

Scienziato dei dati associato in R

Analista dati  in R

Manipolazione dei dati  in R

R Sviluppatore

Riepilogo

Manipolazione dei dati con dplyr

Istruzioni dell'esercizio

Esercizio pratico interattivo