Aan de slagBegin gratis

Home
Cursussen
Data herstructureren met tidyr

Geneste variabelen selecteren

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Deze oefening maakt deel uit van de cursus

Data herstructureren met tidyr

SkillTag.level.intermediateSkillTag.label

4.8+

Begin gratis met de cursus

Je maakt kennis met het concept tidy data, dat centraal staat in deze cursus. In de eerste twee lessen ga je meteen aan de slag door rommelige tekenreeks-kolommen op te splitsen in nette variabelen en observaties die klaar zijn voor analyse. In de laatste les leer je hoe je ontbrekende waarden kunt overschrijven en verwijderen.

Exercise 1: Wat is tidy data?Exercise 2: Tidy data-structuur Exercise 3: Meerdere variabelen per kolom Exercise 4: Kolommen met meerdere waarden Exercise 5: Internationale telefoonnummers Exercise 6: Observaties uit waarden halen Exercise 7: Scheiding in kolommen en rijen Exercise 8: Ontbrekende waarden Exercise 9: En de Oscar voor beste regisseur gaat naar ... <NA>Exercise 10: Verkoopgegevens imputeren Exercise 11: Kernbommen per continent

Dit hoofdstuk draait volledig om het pivoteren van data van een breed naar een lang formaat en weer terug met de functies pivot_longer() en pivot_wider(). Je hebt deze functies nodig wanneer variabelen verborgen zitten in rommelige kolomnamen of wanneer variabelen in rijen in plaats van kolommen zijn opgeslagen. Onderweg leer je over ruimtehonden, kernbommen en planeettemperaturen.

Exercise 1: Van breed naar lang formaat Exercise 2: Kernbommen per land Exercise 3: WHO-obesitas per land Exercise 4: Bond... James Bond Exercise 5: Variabelen afleiden uit kolomkoppen Exercise 6: Vogel van het jaar in Nieuw-Zeeland Exercise 7: Koersen van big tech-aandelen Exercise 8: Variabelen afleiden uit complexe kolomkoppen Exercise 9: Sovjet-ruimtedozen, het hondenperspectief Exercise 10: WHO: obesitas vs. levensverwachting Exercise 11: Waarnemingen uitvouwen (uncounten)Exercise 12: Van lang naar breed Exercise 13: Sovjet ruimtedogs, het vluchtperspectief Exercise 14: Planeettemperatuur en afstand tot de zon Exercise 15: Planeetdata transponeren

Waarden kunnen vaak ontbreken in je data, en soms ontbreken hele observaties ook. In dit hoofdstuk leer je hoe je je gegevensset kunt aanvullen met deze ontbrekende observaties. Je voegt observaties met nullen toe aan getelde data, breidt tijdreeksen uit naar een volledige reeks intervallen, en meer!

Exercise 1: Unieke combinaties van vectoren maken Exercise 2: Letters van de genetische code Exercise 3: Wanneer vervingen mensen honden in de ruimte?Exercise 4: Ontbrekende observaties vinden Exercise 5: Data aanvullen met alle waardecombinaties Exercise 6: Het zonnestelsel aanvullen Exercise 7: Nul Olympische medailles Exercise 8: Een reeks maken met full_seq()Exercise 9: Het heetste jaar van de Koude Oorlog Exercise 10: Geavanceerde aanvullingen Exercise 11: Olympische medailles per continent Exercise 12: Een virusuitbraak bijhouden Exercise 13: Kantoorbewoners tellen

In het laatste hoofdstuk leer je hoe je geneste datastructuren zoals JSON- en XML-bestanden omzet naar nette, rechthoekige data. Met deze vaardigheid kun je data van web-API’s verwerken. Je leert ook hoe geneste datastructuren kunnen worden gebruikt om elegante modelleer-pijplijnen te schrijven die nette resultaten opleveren.

Exercise 1: Introductie tot niet-rechthoekige data Exercise 2: Rechthoekige vs. niet-rechthoekige bestanden Exercise 3: Data rechthoekig maken met Star Wars-films Exercise 4: Van geneste waarden naar observaties Exercise 5: Unnesten: breed of lang Exercise 6: Data rechthoekig maken: Star Wars-planeten Exercise 7: De grootste manen in het zonnestelsel Exercise 8: Geneste variabelen selecteren

Huidige oefening

Exercise 9: Hoisten van Star Wars-films Exercise 10: Ratings van films hoisten Exercise 11: Data nesten voor modelleren Exercise 12: Netjes opgemaakte modeluitvoer met broom Exercise 13: Tibbles nesten Exercise 14: Modelleren op geneste dataframes Exercise 15: Gefeliciteerd!