W tym rozdziale poznasz zmienne czynnikowe od podstaw. Dowiesz się, czym różnią się zmienne kategoryczne od porządkowych, jak R je reprezentuje i jak je badać, aby sprawdzić liczbę oraz nazwy poziomów. Na koniec zobaczysz, jak pakiet forcats z tidyverse usprawnia twoje wykresy – dzięki niemu możesz błyskawicznie zmieniać kolejność zmiennych według ich częstości.

Wprowadzenie do zmiennych jakościowych

Rozpoznawanie zmiennych czynnikowych

Zmienne jakościowe w teorii

Zrozumieć zmienne jakościowe

Pobieranie liczby poziomów

Sprawdzanie liczby poziomów

Badanie poziomów

Tworzenie lepszych wykresów

Zmiana kolejności zmiennej według częstości

Porządkowanie jednej zmiennej według innej

Wprowadzenie do zmiennych czynnikowych

Zagłębisz się dalej w pakiet forcats i nauczysz się zmieniać kolejność oraz nazwy poziomów, a także łączyć je ze sobą.

Zmiana kolejności poziomów czynnika

Zmiana kolejności poziomów zmiennej typu factor

Sztuczki z fct_relevel()

Zmiana nazw poziomów czynnika

Rozróżnianie funkcji z pakietu forcats

Zmiana nazw wybranych poziomów

Kiedy popełniasz literówkę

Scalanie poziomów czynnika

Ręczne łączenie poziomów

Łączenie zmiennych według proporcji

Zachowywanie najczęstszych poziomów

Manipulowanie zmiennymi czynnikowymi

Mając już solidne podstawy z forcats, rozszerzysz wiedzę na pozostałe pakiety tidyverse – poznasz i utrwalisz funkcje z dplyr, tidyr i stringr. Udoskonalisz też wykresy w ggplot2, zmieniając osie na skale procentowe, dostosowując układ tekstu i nie tylko.

Analiza zmiennych o wspólnym motywie

Grupowanie i przekształcanie podobnych kolumn

Podsumowywanie danych

Tworzenie wstępnego wykresu

Triki ggplot2

Edytowanie tekstu na wykresie

Zmiana kolejności na wykresach

Zmiana i tworzenie zmiennych za pomocą case_when()

case_when() z jedną zmienną

case_when() z wielu kolumn

Tworzenie zmiennych czynnikowych

W tym ostatnim rozdziale wykorzystasz wszystko, czego się nauczyłeś, w praktycznym studium przypadku. Pogłębisz wiedzę na temat pracy z ciągami znaków i podsumowywania danych, a następnie odtworzysz wykres w jakości publikacyjnej w stylu 538.

Wprowadzenie do studium przypadku

Zamiana zmiennych tekstowych na czynniki

Porządkowanie danych

Przygotowanie danych i wyrażenia regularne

Porządkowanie ciągów znaków

Dychotomizacja zmiennych

Odtworzenie wykresu

Poprawianie etykiet

Odwracamy osie

Finalizowanie wykresu

Podsumowanie kursu

Studium przypadku: etykieta w podróży lotniczej

538 Flying Etiquette survey

Kaggle multiple choice responses

Jako badacz danych często będziesz pracować z danymi nienumerycznymi, takimi jak stanowiska pracy, odpowiedzi ankietowe czy informacje demograficzne. R ma specjalny sposób ich reprezentowania – są to czynniki (factors) – a ten kurs pomoże ci opanować pracę z nimi przy użyciu pakietu tidyverse o nazwie forcats. Będziemy też korzystać z innych pakietów tidyverse: ggplot2, dplyr, stringr i tidyr, a także z rzeczywistych zbiorów danych, takich jak zbiór lotów fivethirtyeight oraz ankieta Kaggle dotycząca stanu Data Science i ML. Po ukończeniu kursu będziesz potrafić identyfikować zmienne czynnikowe i nimi manipulować, szybko i efektywnie wizualizować dane oraz skutecznie prezentować wyniki. Czas na kategoryzowanie!

Reshaping Data with tidyr

Przygotuj się do kategoryzacji! Nauczysz się pracy z danymi nienumerycznymi w Tidyverse.

Dane kategoryczne w Tidyverse

Podstawy Tidyverse w R

Rozróżnianie funkcji z pakietu forcats

Dane kategoryczne w Tidyverse

Interaktywne ćwiczenie praktyczne