Neste capítulo, você vai revisitar pipelines do dplyr e aprimorar suas habilidades de seleção de colunas com funções auxiliares e expressões regulares.

Seja produtivo com dplyr

select() vs. filter()

Uma ótima seleção

Mutação necessária

Dando uma mãozinha com os helpers

Nem comece comigo

Veja como isso terminou

Encontrando a nossa combinação perfeita

Amor em contenção

Procurando correspondências

Cobre seus líderes escolhidos

Aqui, você vai aprender a mover colunas no seu conjunto de dados e aplicar a mesma transformação em várias colunas. Você também vai escolher linhas que correspondam a qualquer ou a todos os critérios das colunas.

Oferecendo assistência de realocação

Movendo com select() e everything()

Reorganizando com select() e last_col()

Mudando posições com relocate()

Isso passou dos limites

Mutate em várias colunas

Resumir várias variáveis

Combinando count() com across()

Travessia animal: os novos rowwise()

across() vs. c_across()

Agregações com rowwise()

Um por qualquer, um por todos

Mantenha o gado em movimento

Nesta seção, você vai revisitar joins do dplyr. Depois, vai além usando cláusulas de teoria dos conjuntos para examinar sobreposições e diferenças entre conjuntos de dados.

Junte tudo e divirta-se

Junte comigo

Investigações adicionais

Linhas que se intersectam não têm paralelo

Opções

intersect()

inner_join()

intersect() vs. inner_join()

Acelerando no cruzamento

Transmitir o estado da união

Salve a união

Associe-se ao seu sindicato, com tudo

Um pouco exceSSIVO

Verificando conjuntos iguais

Verificando diferenças

Teoria dos conjuntos e o Polo Norte

Na parte final do curso, você vai usar operadores do rlang para transformar argumentos em variáveis e criar funções que incorporam código do dplyr e do ggplot2.

Qual é o seu grande mal-funcionamento?

Taxas de desemprego por região

Taxas medianas de desemprego por grupo

Bang-bang!!

Correspondendo operadores do rlang

Bang bang na sala

Rlang-ando na sua cadeira de balanço

Você é o walrus

Analise os resultados por região

Uma grande reviravolta no ggplot

Plotando e tramando

O título do gráfico engrossa

Parabéns!

Falando uma nova rlang-uagem

International Monetary Fund (IMF)

World Bank

O tidyverse inclui um conjunto incrível de pacotes que tornam o trabalho com dados simples e rápido. Mas você já tentou colocar funções do dplyr dentro de outras funções e ficou preso em erros estranhos ou resultados inesperados? Esses erros provavelmente se devem à tidy evaluation, que exige um pouco de trabalho extra para lidar. Em Programando com dplyr, você vai aprender estratégias para resolver esses erros usando o pacote rlang. Você também vai conhecer outras técnicas para programar com dplyr usando dados do World Bank e do International Monetary Fund para analisar tendências globais ao longo do curso. Ao final, você vai estar afiado para escrever funções no tidyverse!

Joining Data with dplyr

Introduction to Writing Functions in R

Aprenda a fazer transformações avançadas com dplyr e usar dplyr e ggplot2 em funções.

Programando com dplyr

Aprenda a fazer transformações avançadas com o dplyr e a usar códigos do dplyr e do ggplot2 em funções.

Só funciona se os nomes das colunas forem os mesmos nos dois tibbles.

Para dois tibbles `df1` e `df2` com os mesmos nomes de coluna, isso sempre retorna todas as linhas em comum entre `df1` e `df2`.

Funciona mesmo que os dois argumentos tenham números diferentes de colunas.

Para dois tibbles `df1` e `df2`, isso retorna todas as linhas com valores de chave correspondentes entre `df1` e `df2`.

intersect() vs. inner_join()

Programando com dplyr

Exercício interativo prático