ComeçarComece de graça

Inicio
Cursos
Reestruturando dados com tidyr

Aninhando dados para modelagem

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

Reestruturando dados com tidyr

IntermediárioNível de habilidade

4.8+

Iniciar curso de graça

Você será apresentado ao conceito de dados organizados (tidy), que é central neste curso. Nas duas primeiras lições, você vai direto à prática, separando colunas de texto bagunçadas em variáveis e observações arrumadas, prontas para análise. Na lição final, você vai aprender a sobrescrever e remover valores ausentes.

Exercise 1: O que é tidy data?Exercise 2: Estrutura de dados arrumados Exercise 3: Múltiplas variáveis por coluna Exercise 4: Colunas com vários valores Exercise 5: Números de telefone internacionais Exercise 6: Extraindo observações a partir de valores Exercise 7: Separando em colunas e linhas Exercise 8: Valores ausentes Exercise 9: E o Oscar de melhor diretor vai para ... <NA>Exercise 10: Imputando dados de vendas Exercise 11: Bombas nucleares por continente

Este capítulo é todo sobre transformar dados do formato wide para long e voltar novamente usando as funções pivot_longer() e pivot_wider(). Você vai precisar dessas funções quando variáveis estiverem escondidas em nomes de colunas confusos ou quando variáveis estiverem nas linhas em vez das colunas. No caminho, você vai aprender sobre cães espaciais, bombas nucleares e temperaturas de planetas.

Exercise 1: De dados largos para dados longos Exercise 2: Bombas nucleares por país Exercise 3: Obesidade por país (OMS)Exercise 4: Bond... James Bond Exercise 5: Derivando variáveis dos nomes das colunas Exercise 6: Pássaro do ano da Nova Zelândia Exercise 7: Preços de ações de big techs Exercise 8: Derivando variáveis de cabeçalhos de coluna complexos Exercise 9: Cães espaciais soviéticos, a perspectiva dos cães Exercise 10: Obesidade vs. expectativa de vida (OMS)Exercise 11: Descontando observações Exercise 12: De dados em formato longo para largo Exercise 13: Cães espaciais soviéticos, a perspectiva do voo Exercise 14: Temperatura dos planetas e distância ao Sol Exercise 15: Transpondo dados dos planetas

Valores podem estar ausentes nos seus dados e, às vezes, observações inteiras também faltam. Neste capítulo, você vai aprender a completar seu conjunto de dados com essas observações ausentes. Você vai adicionar observações com valor zero a dados contados, expandir séries temporais para uma sequência completa de intervalos e muito mais!

Exercise 1: Criando combinações exclusivas de vetores Exercise 2: Letras do código genético Exercise 3: Quando os humanos substituíram os cachorros no espaço?Exercise 4: Encontrando observações ausentes Exercise 5: Completando os dados com todas as combinações de valores Exercise 6: Completando o Sistema Solar Exercise 7: Zerando medalhas olímpicas Exercise 8: Criando uma sequência com full_seq()Exercise 9: O ano mais quente da Guerra Fria Exercise 10: Completações avançadas Exercise 11: Medalhas olímpicas por continente Exercise 12: Acompanhando um surto de vírus Exercise 13: Contando ocupantes do escritório

No capítulo final, você vai aprender a transformar estruturas de dados aninhadas, como arquivos JSON e XML, em dados organizados e retangulares. Essa habilidade permite processar dados de APIs da web. Você também vai ver como estruturas aninhadas podem ser usadas para criar pipelines de modelagem elegantes que geram saídas organizadas.

Exercise 1: Introdução a dados não retangulares Exercise 2: Arquivos retangulares vs. não retangulares Exercise 3: Transformando filmes de Star Wars em formato retangular Exercise 4: De valores aninhados a observações Exercise 5: Desaninhando em largura ou em comprimento Exercise 6: Retangularizando os planetas de Star Wars Exercise 7: As maiores luas do Sistema Solar Exercise 8: Selecionando variáveis aninhadas Exercise 9: Elevando os filmes de Star Wars Exercise 10: Elevando as avaliações de filmes Exercise 11: Aninhando dados para modelagem

Exercício atual

Exercise 12: Deixe as saídas do modelo "arrumadas" com broom Exercise 13: Aninhando tibbles Exercise 14: Modelagem em data frames aninhados Exercise 15: Parabéns!