Neste capítulo, você vai aprender tudo sobre factors. Você vai descobrir a diferença entre variáveis categóricas e ordinais, como o R as representa e como inspecioná-las para encontrar o número e os nomes dos níveis. Por fim, você vai ver como o forcats, um pacote do tidyverse, pode melhorar seus gráficos ao permitir reordenar rapidamente variáveis pela sua frequência.

Introdução às variáveis qualitativas

Reconhecendo variáveis fator

Variáveis qualitativas na teoria

Entendendo suas variáveis qualitativas

Obtendo o número de níveis

Examinando o número de níveis

Examinando níveis

Criando gráficos melhores

Reordenando uma variável pela sua frequência

Ordenando uma variável por outra

Introdução às Variáveis Fator

Você continuará explorando o pacote forcats, aprendendo a mudar a ordem e os nomes dos níveis e até a agrupá-los uns nos outros.

Reordenando fatores

Mudando a ordem dos níveis de um fator

Truques do fct_relevel()

Renomeando níveis de fatores

Diferenciando funções do pacote forcats

Renaming a few levels

Quando você comete um erro de digitação

Reunindo níveis de fatores

Reagrupando níveis manualmente

Agrupando variáveis por proporção

Preservando os níveis mais comuns

Manipulando Variáveis Fator

Depois de entender bem o forcats, você vai expandir para o restante do tidyverse, aprendendo e revisando funções do dplyr, tidyr e stringr. Você vai aprimorar gráficos com o ggplot2, alterando eixos para escalas percentuais, ajustando a formatação do texto e muito mais.

Examinando variáveis com temas comuns

Agrupando e remodelando colunas semelhantes

Resumindo dados

Criando um gráfico inicial

Truques do ggplot2

Editando o texto do gráfico

Reordenando gráficos

Alterando e criando variáveis com case_when()

case_when() com uma única variável

case_when() a partir de múltiplas colunas

Criando Variáveis Fator

Neste capítulo final, você vai aplicar tudo o que aprendeu em um estudo de caso. Vai aprender mais sobre trabalhar com strings e resumir dados, e então reproduzir um gráfico de qualidade de publicação do 538.

Introdução ao estudo de caso

Convertendo caracteres em fatores

Organizando os dados

Preparação de dados e regex

Limpando strings

Dicotomizando variáveis

Recriando o gráfico

Ajustando os rótulos

Invertendo as coisas

Finalizando o gráfico

Resumo de encerramento do curso

Estudo de Caso sobre Etiqueta em Voos

538 Flying Etiquette survey

Kaggle multiple choice responses

Como cientista de dados, você vai frequentemente trabalhar com dados não numéricos, como cargos, respostas de pesquisas ou informações demográficas. O R tem uma forma especial de representá-los, chamada factors, e este curso vai ajudar você a dominar o trabalho com eles usando o forcats, do tidyverse. Também vamos usar outros pacotes do tidyverse, incluindo ggplot2, dplyr, stringr e tidyr, além de conjuntos de dados do mundo real, como o conjunto de voos do fivethirtyeight e a pesquisa State of Data Science and ML do Kaggle. Ao final do curso, você será capaz de identificar e manipular variáveis fator, visualizar seus dados de forma rápida e eficiente e comunicar seus resultados com clareza. Prepare-se para categorizar!

Reshaping Data with tidyr

Prepare-se para categorizar! Neste curso, você trabalhará com dados não numéricos usando o Tidyverse.

Dados Categóricos no Tidyverse

Prepare-se para classificar dados não numéricos, como cargos e respostas de pesquisas, usando o ecossistema Tidyverse.

Fundamentos do Tidyverse em R

Diferenciando funções do pacote forcats

Dados Categóricos no Tidyverse

Exercício interativo prático