In this chapter, you'll learn to do three things with a table: filter for particular observations, arrange the observations in a desired order, and mutate to add or change a column. You'll see how each of these steps allows you to answer questions about your data.

De gapminder-gegevensset

De pakketten gapminder en dplyr laden

Een data frame begrijpen

Het werkwoord filter

Filteren op één jaar

Filteren op één land en één jaar

Het arrange-werkwoord

Observaties ordenen op levensverwachting

Filteren en sorteren

Het werkwoord mutate

Met mutate een kolom wijzigen of aanmaken

filter, mutate en arrange combineren

Data wrangling

Often a better way to understand and present data as a graph. In this chapter, you'll learn the essential skills of data visualization using the ggplot2 package, and you'll see how the dplyr and ggplot2 packages work closely together to create informative graphs.

Visualizing with ggplot2

Variable assignment

Comparing population and GDP per capita

Comparing population and life expectancy

Log scales

Putting the x-axis on a log scale

Putting the x- and y- axes on a log scale

Additional aesthetics

Adding color to a scatter plot

Adding size and color to a plot

Faceting

Creating a subgraph for each continent

Faceting by year

Data visualization

So far you've been answering questions about individual country-year pairs, but you may be interested in aggregations of the data, such as the average life expectancy of all countries within each year. Here you'll learn to use the group by and summarize verbs, which collapse large datasets into manageable summaries.

The summarize verb

Summarizing the median life expectancy

Summarizing the median life expectancy in 1957

Summarizing multiple variables in 1957

The group_by verb

Summarizing by year

Summarizing by continent

Summarizing by continent and year

Visualizing summarized data

Visualizing median life expectancy over time

Visualizing median GDP per capita per continent over time

Comparing median life expectancy and median GDP per continent in 2007

Grouping and summarizing

In this chapter, you'll learn how to create line plots, bar plots, histograms, and boxplots. You'll see how each plot requires different methods of data manipulation and preparation, and you’ll understand how each of these plot types plays a different role in data analysis.

Line plots

Visualizing median GDP per capita over time

Visualizing median GDP per capita by continent over time

Bar plots

Visualizing median GDP per capita by continent

Visualizing GDP per capita by country in Oceania

Histograms

Visualizing population

Visualizing population with x-axis on a log scale

Boxplots

Comparing GDP per capita across continents

Adding a title to your graph

Conclusion

Types of visualizations

Gapminder

Course Glossary

Dit is een introductie tot de programmeertaal R, met focus op een krachtige set tools die bekendstaat als de Tidyverse. Je leert de samenhangende processen van datamanipulatie en visualisatie met de tools dplyr en ggplot2. Je leert gegevens te bewerken door te filteren, sorteren en samenvatten op een echte gegevensset met historische landeninformatie om verkennende vragen te beantwoorden. Vervolgens leer je hoe je deze bewerkte data omzet in informatieve lijndiagrammen, staafdiagrammen, histogrammen en meer met het pakket ggplot2. Je krijgt een voorproefje van de waarde van verkennende data-analyse en de kracht van Tidyverse-tools. Deze cursus is geschikt voor iedereen zonder R-ervaring die geïnteresseerd is in data-analyse.

De video’s bevatten live-transcripties die je kunt tonen door linksonder in de video op "Show transcript" te klikken.
De begrippenlijst van de cursus vind je rechts in de sectie met hulpmiddelen.
Om CPE-credits te behalen, moet je de cursus afronden en minimaal 70% scoren op de gekwalificeerde toets. Je gaat naar de toets via de CPE-credits-callout aan de rechterkant.

Ontdek de basis van Tidyverse, leer variabelen hernoemen en herschikken, en binomiale verdeling.

De gapminder-gegevensset

Create Your Free Account