I det här kapitlet lär du dig allt om faktorer. Du upptäcker skillnaden mellan kategoriska och ordinala variabler, hur R representerar dem och hur du undersöker dem för att ta reda på antal och namn på nivåerna. Avslutningsvis ser du hur forcats, ett tidyverse-paket, kan förbättra dina diagram genom att låta dig snabbt sortera om variabler efter frekvens.

Introduktion till kvalitativa variabler

Identifiera faktorvariabler

Kvalitativa variabler i teorin

Förstå dina kvalitativa variabler

Hämta antal nivåer

Undersöka antalet nivåer

Undersöka nivåer

Förbättra dina diagram

Sortera en variabel efter frekvens

Sortera en variabel efter en annan

Introduktion till faktorvariabler

Du fortsätter att utforska paketet forcats och lär dig hur du ändrar ordning och namn på nivåer samt slår samman dem med varandra.

Ändra ordning på faktorer

Ändra ordningen på faktornivåer

Knep med fct_relevel()

Byta namn på faktornivåer

Skillnaden mellan forcats-funktioner

Byta namn på några nivåer

När du har ett stavfel

Slå ihop faktornivåer

Slå ihop nivåer manuellt

Slå ihop variabelnivåer efter proportion

Bevara de vanligaste nivåerna

Att manipulera faktorvariabler

Med en gedigen förståelse för forcats vidgar du nu vyerna till resten av tidyverse, där du lär dig och repeterar funktioner från dplyr, tidyr och stringr. Du förfinar diagram i ggplot2 genom att bland annat byta axlar till procentskala och justera textlayouten.

Undersöka variabler med gemensamt tema

Gruppera och omforma liknande kolumner

Sammanfatta data

Skapa ett inledande diagram

Tips och tricks i ggplot2

Redigera diagramtext

Omsortering av grafer

Ändra och skapa variabler med case_when()

case_when() med en enda variabel

case_when() från flera kolumner

Att skapa faktorvariabler

I det här avslutande kapitlet tillämpar du allt du har lärt dig i en fallstudie. Du fördjupar dina kunskaper om att arbeta med strängar och sammanfatta data, och sedan återskapar du ett publikationsfärdigt diagram i 538-stil.

Introduktion till fallstudie

Omvandla teckensträngar till faktorer

Städa data

Dataförberedelse och regex

Städa upp strängar

Dikotomisering av variabler

Återskapa diagrammet

Skapa ett första diagram

Justera etiketter

Vänd på steken

Slutför diagrammet

Kurssammanfattning

Fallstudie om flygetikett

538 Flying Etiquette survey

Kaggle multiple choice responses

Som datavetare arbetar du ofta med icke-numeriska data, till exempel jobbtitlar, enkätsvar eller demografisk information. R har ett särskilt sätt att representera sådana data, kallat faktorer, och i den här kursen lär du dig hantera dem med tidyverse-paketet forcats. Vi arbetar också med andra tidyverse-paket, däribland ggplot2, dplyr, stringr och tidyr, och använder verkliga datamängder som fivethirtyeights flygdataset och Kaggles undersökning om datavetenskap och maskininlärning. Efter kursen kan du identifiera och manipulera faktorvariabler, visualisera dina data snabbt och effektivt samt kommunicera dina resultat på ett tydligt sätt. Dags att kategorisera!

Reshaping Data with tidyr

Förbered dig för att kategorisera! Arbeta med icke-numerisk data som jobbtitlar med Tidyverse.

Kategoriska data i Tidyverse

Gör dig redo att kategorisera! I den här kursen arbetar du med icke-numeriska data, som jobbtitlar eller enkätsvar, med Tidyverse-landskapet.

Tidyverse-grunderna i R

Skillnaden mellan forcats-funktioner

Kategoriska data i Tidyverse

Interaktiv övning med praktiskt arbete