relocate の活用

動画で学んだとおり、relocate() 動詞を使うと、列を他の列との相対位置や、tibble 内での全体の位置に基づいて移動できます。

ここでは counties_selected という tibble が用意されています。人口密度の分析に必要な列は揃っていますが、読みやすい順序になっていません。新しく身につけたスキルを使って並び替えていきましょう！

この演習はコースの一部です

dplyr で行うデータ操作

コースを見る

演習の手順

density 列を tibble の末尾に移動します。
population 列を land_area 列の前に移動します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

counties_selected %>%
  # Move the density column to the end
  ___
  # Move the population column to before land_area
  ___

コードを編集して実行

この演習はコースの一部です

dplyr で行うデータ操作

SkillTag.level.beginnerSkillTag.label

4.8+

無料でコースを始める

select、filter、arrange、mutate など、データを変換するための動詞を学びます。これらの関数を使って counties データセットを加工し、特定の観測値を確認しながら、データに関する質問に答えていきます。

Exercise 1: dplyrでデータを探索する Exercise 2: データを理解する Exercise 3: 列の選択 Exercise 4: filter と arrange の動詞 Exercise 5: 観測値の並べ替え Exercise 6: 条件でのフィルタリング Exercise 7: filter と arrange Exercise 8: mutate() 動詞 Exercise 9: 公務員数の計算 Exercise 10: 郡における女性の割合を計算する Exercise 11: mutate、filter、arrange

データの変換方法を学んだら、次は解釈しやすくするためにデータをどのように集計するかを知りたくなります。count、group_by、summarize、ungroup、そして slice_min/slice_max など、多くの観測値を要約するために使える関数を学びます。

Exercise 1: count 動詞 Exercise 2: 地域ごとのカウント Exercise 3: 州ごとの市民数を数える Exercise 4: mutate と count の活用 Exercise 5: group_by、summarize、ungroup の動詞 Exercise 6: 要約の作成 Exercise 7: 州ごとの要約 Exercise 8: 州と地域ごとの要約 Exercise 9: slice_min と slice_max 動詞 Exercise 10: 各地域から1つの郡を選ぶ Exercise 11: 各地域で最も所得が低い州を見つける Exercise 12: summarize、slice_max、count を組み合わせて使う

列を選択・変換する高度な方法を学びます。さらに、選択したい列の条件を指定できる select ヘルパー関数や、rename 動詞についても学びます。

Exercise 1: 列の選択 Exercise 2: 列の選択 Exercise 3: セレクトヘルパー Exercise 4: rename 動詞 Exercise 5: count の後で列名を変更する Exercise 6: select の中で列名を変更する Exercise 7: relocate 動詞 Exercise 8: relocate の活用

現在の演習

Exercise 9: 4つの動詞から適切なものを選ぶ

毎年アメリカで生まれた赤ちゃんの名前を表す新しいデータセットを扱います。より複雑な問いを立てて答えるために、グループ化した mutate とウィンドウ関数の使い方を学びます。さらに、dplyr と ggplot2 を組み合わせて、データ探索を深める興味深いグラフを作成します。

Exercise 1: babynames データ Exercise 2: 特定の年でのフィルタリングと並べ替え Exercise 3: 各年で最も人気の名前を見つける Exercise 4: ggplot2 で名前を可視化する Exercise 5: グループ化したmutate Exercise 6: 各名前が最も一般的だった年を見つける Exercise 7: 各名前ごとの合計と最大値を追加する Exercise 8: 正規化した人気度の変化を可視化する Exercise 9: ウィンドウ関数 Exercise 10: 名前の頻度を比率で表す Exercise 11: 名前の人気が大きく跳ね上がった年 Exercise 12: おめでとうございます！