ComeçarComece de graça

Inicio
Cursos
Estudo de caso: Análise Exploratória de Dados em R

O conjunto de dados de votações das Nações Unidas

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.

Este exercício faz parte do curso

Estudo de caso: Análise Exploratória de Dados em R

InicianteNível de habilidade

5.0+

Iniciar curso de graça

A melhor forma de aprender técnicas de tratamento de dados é aplicando-as em um estudo de caso. Aqui você vai aprender a limpar e filtrar o conjunto de dados de votação das Nações Unidas usando o pacote dplyr, e a resumir os dados em unidades menores e interpretáveis.

Exercise 1: O conjunto de dados de votações das Nações Unidas

Exercício atual

Exercise 2: Filtrando linhas Exercise 3: Adicionando uma coluna de ano Exercise 4: Adicionando uma coluna de país Exercise 5: Agrupando e resumindo Exercise 6: Resumindo o conjunto de dados completo Exercise 7: Resumindo por ano Exercise 8: Resumindo por país Exercise 9: Ordenando e filtrando dados sumarizados Exercise 10: Ordenando pela porcentagem de votos "yes"Exercise 11: Filtrando a saída resumida

Depois de limpar e resumir os dados, você vai querer visualizá-los para entender tendências e extrair insights. Aqui você vai usar o pacote ggplot2 para explorar tendências nas votações das Nações Unidas dentro de cada país ao longo do tempo.

Exercise 1: Visualização com ggplot2 Exercise 2: Escolhendo uma estética Exercise 3: Traçando uma linha ao longo do tempo Exercise 4: Outras camadas do ggplot2 Exercise 5: Visualizando por país Exercise 6: Resumindo por ano e país Exercise 7: Traçando apenas o Reino Unido ao longo do tempo Exercise 8: Plotando vários países Exercise 9: Facetando por país Exercise 10: Aplicando facetas à série temporal Exercise 11: Facetando com eixo y livre Exercise 12: Escolha seus próprios países

Enquanto a visualização ajuda a entender um país por vez, a modelagem estatística permite quantificar tendências em muitos países e interpretá-las em conjunto. Aqui você vai aprender a usar os pacotes tidyr, purrr e broom para ajustar modelos lineares para cada país e entender e comparar suas saídas.

Exercise 1: Regressão linear Exercise 2: Regressão linear nos Estados Unidos Exercise 3: Encontrando a inclinação de uma regressão linear Exercise 4: Encontrando o p-valor de uma regressão linear Exercise 5: Organizando modelos com broom Exercise 6: Organizando um modelo de regressão linear Exercise 7: Combinando modelos de vários países Exercise 8: Aninhando para vários modelos Exercise 9: Aninhando um data frame Exercise 10: Colunas de lista Exercise 11: Desaninhando Exercise 12: Ajustando vários modelos Exercise 13: Executando regressão linear em cada conjunto de dados aninhado Exercise 14: Organize cada modelo de regressão linear Exercise 15: Desaninhando um data frame Exercise 16: Trabalhando com muitos modelos organizados Exercise 17: Filtrando termos do modelo Exercise 18: Filtrando países significativos Exercise 19: Ordenando por inclinação

Neste capítulo, você vai aprender a combinar vários conjuntos de dados relacionados, como incorporar informações sobre o tema de cada resolução à sua análise de votos. Você também vai aprender a transformar dados desorganizados em dados organizados e ver como dados organizados podem orientar sua exploração de temas e países ao longo do tempo.

Exercise 1: Combinando conjuntos de dados Exercise 2: Juntando conjuntos de dados com inner_join Exercise 3: Filtrando o conjunto de dados unido Exercise 4: Visualizando votos sobre colonialismo Exercise 5: Dados organizados Exercise 6: Observações em dados tidy Exercise 7: Usando gather para organizar um conjunto de dados Exercise 8: Recodificando os tópicos Exercise 9: Resuma por país, ano e tópico Exercise 10: Visualizando tendências por tópico para um país Exercise 11: Modelagem tidy por tópico e país Exercise 12: Aninhando por tópico e país Exercise 13: Interpretando modelos tidy Exercise 14: Tendências mais acentuadas por tópico Exercise 15: Verificando modelos visualmente Exercise 16: Conclusão