Kom igångKom igång gratis

Hem
Kurser
Fallstudie: Explorativ dataanalys i R

Gruppering och sammanfattning

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.

Den här övningen är en del av kursen

Fallstudie: Explorativ dataanalys i R

SkillTag.level.beginnerSkillTag.label

4.9+

Starta kursen gratis

Det bästa sättet att lära sig databearbetning är att tillämpa det på en konkret fallstudie. Här lär du dig att rensa och filtrera FN:s omröstningsdataset med dplyr-paketet och att sammanfatta det i mindre, tolkningsbara delar.

Exercise 1: FN:s omröstningsdataset Exercise 2: Filtrera rader Exercise 3: Lägga till en årskolumn Exercise 4: Lägga till en landskolumn Exercise 5: Gruppering och sammanfattning

Aktuell övning

Exercise 6: Sammanfatta hela datamängden Exercise 7: Sammanfatta per år Exercise 8: Sammanfattning per land Exercise 9: Sortera och filtrera sammanfattad data Exercise 10: Sortering efter andel "yes"-röster Exercise 11: Filtrera summerad data

När du har rensat och sammanfattat data är nästa steg att visualisera dem för att förstå trender och dra insikter. Här använder du ggplot2-paketet för att utforska trender i FN:s omröstningar per land över tid.

Exercise 1: Visualisering med ggplot2 Exercise 2: Välja ett estetiskt attribut Exercise 3: Rita en linje över tid Exercise 4: Fler lager i ggplot2 Exercise 5: Visualisering per land Exercise 6: Sammanfatta per år och land Exercise 7: Plotta enbart Storbritannien över tid Exercise 8: Plotta flera länder Exercise 9: Facettering per land Exercise 10: Fasettering av tidsserien Exercise 11: Fasettdiagram med fri y-axel Exercise 12: Välj egna länder

Visualisering hjälper dig att förstå ett land i taget, men statistisk modellering låter dig kvantifiera trender över många länder och tolka dem tillsammans. Här lär du dig att använda paketen tidyr, purrr och broom för att anpassa linjära modeller till varje land och för att förstå och jämföra deras resultat.

Exercise 1: Linjär regression Exercise 2: Linjär regression för USA Exercise 3: Hitta lutningen i en linjär regression Exercise 4: Hitta p-värdet för en linjär regression Exercise 5: Städa modeller med broom Exercise 6: Städa upp en linjär regressionsmodell Exercise 7: Kombinera modeller för flera länder Exercise 8: Nästling för flera modeller Exercise 9: Nestla en dataram Exercise 10: Listkolumner Exercise 11: Unnesting Exercise 12: Anpassa flera modeller Exercise 13: Linjär regression på varje nästlad datamängd Exercise 14: Städa varje linjär regressionsmodell Exercise 15: Unnesting av en dataram Exercise 16: Arbeta med många snygga modeller Exercise 17: Filtrera modelltermer Exercise 18: Filtrera fram signifikanta länder Exercise 19: Sortering efter lutning

I det här kapitlet lär du dig att kombinera flera relaterade datamängder – till exempel att lägga till information om varje resolutions ämne i din röstningsanalys. Du lär dig också att omvandla ostrukturerad data till prydlig data och ser hur välstrukturerad data kan vägleda din utforskning av ämnen och länder över tid.

Exercise 1: Sammanfoga datamängder Exercise 2: Sammanfoga datamängder med inner_join Exercise 3: Filtrera det sammanfogade datasetet Exercise 4: Visualisera röster om kolonialism Exercise 5: Prydliga data Exercise 6: Observationer i tidy data Exercise 7: Använda gather för att städa upp ett dataset Exercise 8: Koda om ämnesområdena Exercise 9: Sammanfatta per land, år och ämne Exercise 10: Visualisera trender per ämne för ett land Exercise 11: Prydlig modellering efter ämne och land Exercise 12: Nästling efter topic och country Exercise 13: Tolka städade modeller Exercise 14: Brantaste trenderna per ämne Exercise 15: Kontrollera modeller visuellt Exercise 16: Avslutning