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.

The count verb

Counting by region

Counting citizens by state

Mutating and counting

The group_by, summarize, and ungroup verbs

Summarizing

Summarizing by state

Summarizing by state and region

The slice_min and slice_max verbs

Selecting a county from each region

Finding the lowest-income state in each region

Using summarize, slice_max, and count together

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.

De babynames-gegevens

Filteren en sorteren voor één jaar

De populairste namen per jaar vinden

Namen visualiseren met ggplot2

Gegroepeerde mutates

Het jaar vinden waarin elke naam het meest voorkomt

Het totaal en maximum per naam toevoegen

De genormaliseerde verandering in populariteit visualiseren

Windowfuncties

Ratio’s gebruiken om de frequentie van een naam te beschrijven

Grootste sprongen in een naam

Gefeliciteerd!

Case Study: The babynames Dataset

2015 US Census

US Baby Name Records

Course Glossary

Stel, je hebt een geweldige gegevensset gevonden en wilt er meer over te weten komen. Hoe beantwoord je de vragen die je over de data hebt? Met dplyr kun je die vragen beantwoorden—het helpt ook bij basistransformaties van je data. Je leert bovendien je data te aggregeren en variabelen toe te voegen, te verwijderen of te wijzigen. Onderweg verken je een gegevensset met informatie over counties in de Verenigde Staten. Je rondt de cursus af door deze tools toe te passen op de babynames-gegevensset om trends in babynamen in de Verenigde Staten te onderzoeken.

De video's bevatten live-transcripts die je kunt weergeven door linksonder op de video's op "Show transcript" te klikken.

De cursusterminologie vind je rechts in de sectie met bronnen.

Om CPE-credits te behalen, moet je de cursus voltooien en een score van 70% halen op de gekwalificeerde toets. Je kunt naar de toets navigeren door rechts op de CPE-credits-callout te klikken.

Stel dat je een geweldige dataset hebt gevonden en je wilt er meer over weten. Hoe kun je beginnen met het beantwoorden van je vragen over de gegevens? Gebruik dplyr om die vragen te beantwoorden.<br><br><h2>Eerste stappen: Data transformeren met dplyr</h2>
Deze cursus is bedoeld om je te leren hoe je gegevens efficiënt kunt bewerken en transformeren met het dplyr-pakket in R.<br><br>Eerst leer je de basis van gegevenstransformatie, zoals het gebruik van belangrijke dplyr-commando's als select, filter, arrange en mutate. Met deze functies leer je hoe je datasets kunt aanpassen door bepaalde kolommen te kiezen, rijen te filteren op basis van voorwaarden, gegevens te sorteren en nieuwe berekende kolommen te maken.​.<br><br>
<h2>Gegevens samenvoegen met dplyr</h2>Daarna gaat de cursus over het samenvoegen van gegevens, zodat je leert hoe je gegevens kunt samenvatten en inkorten voor een betere interpretatie.<br><br> Je leert hoe je je gegevens makkelijker te begrijpen en te beheren kunt maken.​. Functies zoals count, group_by en summarize zijn er om veel observaties samen te voegen tot handige samenvattingen, wat superhandig is voor data-analyse en rapportage.<br><br><h2>Gegevens kiezen en bewerken</h2>Tot slot leer je geavanceerde technieken voor het selecteren en transformeren van gegevens, zoals het gebruik van select helpers en het werkwoord rename. Je kunt je vaardigheden ook toepassen op een praktijkgerichte casestudy en oefenen met gegroepeerde mutaties, vensterfuncties en datavisualisatie met ggplot2.<br><br>Aan het einde van de cursus heb je solide vaardigheden op het gebied van datamanipulatie met dplyr ontwikkeld, waardoor je efficiënter en effectiever gegevens kunt analyseren.— een super belangrijke vaardigheid voor elke data-analist of wetenschapper.

Introduction to the Tidyverse

Leer dplyr gebruiken om data te transformeren en aggregeren, en pas je vaardigheden toe in een casestudy.

Data manipulatie met dplyr

Bouw Tidyverse-vaardigheden op door te leren hoe je data kunt transformeren en manipuleren met dplyr.

Associate Data Scientist in R

Data-analist  in R

Gegevensmanipulatie  in R

R-ontwikkelaar

Namen visualiseren met ggplot2

Data manipulatie met dplyr

Interactieve oefening met praktijkervaring