Datakvalitet och rensning

Create Your Free Account

or

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

R för SAS-användare

SkillTag.level.beginnerSkillTag.label

4.8+

Starta kursen gratis

Det här första kapitlet hjälper dig att orientera dig i R-programmeringsmiljön. Du lär dig att söka hjälp, läsa in en datamängd och utöka funktionaliteten med paket. Du börjar arbeta med abalone-datamängden (via dplyr-paketets arbetsflöde) för att beräkna deskriptiv statistik och skapa användbara visualiseringar (med ggplot2-paketet).

Exercise 1: Få hjälp och läs in data i R Exercise 2: Få hjälp Exercise 3: Läs in datamängd och hämta information Exercise 4: Utöka funktionaliteten med paket Exercise 5: Datamängdens innehåll och beskrivande statistik Exercise 6: Läs in en extern datamängd Exercise 7: Datamängdens innehåll Exercise 8: Deskriptiv statistik Exercise 9: Grafiska visualiseringar Exercise 10: Histogram Exercise 11: Låddiagram och violindiagram Exercise 12: Punktdiagram

Nu när du är orienterad i R-miljön fördjupar det här kapitlet din förståelse av Rs mångsidighet när det gäller dataobjekt. Du lär dig att skapa och modifiera variabler i abalone-datamängden. Med hjälp av dina ggplot2-kunskaper upptäcker du datafel i datamängden och skapar sedan en färdigrensad datamängd redo för analys och modellering.

Exercise 1: Objekt – byggstenarna i R Exercise 2: Skapa dataobjekt i R Exercise 3: Skapa sammansatta objekttyper Exercise 4: Välja element från objekt Exercise 5: Bestäm variabeltyper Exercise 6: Välj element i objekt Exercise 7: Manipulera datamängder och dataobjekt Exercise 8: Skapa nya variabler Exercise 9: Omkoda variabler Exercise 10: Konvertering av objekttyper Exercise 11: Datakvalitet och rensning

Aktuell övning

Exercise 12: Granskning av variabler Exercise 13: Ologiska vikter Exercise 14: Kontrollera måttangivelserna Exercise 15: Kontrollera det slutliga datasetet

När datamängden är rensad är nästa steg utforskning. I kapitel 3 lär du dig att beräkna deskriptiv statistik, utforska samband (t.ex. korrelationer) mellan variabler och utföra bivariata statistiska test (t.ex. t-test och chi-två-test). Du skapar också grafiska visualiseringar som illustrerar bivariata samband och gruppmjämförelsetest.

Exercise 1: Exploratory dataanalys Exercise 2: Deskriptiv statistik och funktionsmaskering Exercise 3: Specifika statistikmått för en eller flera variabler Exercise 4: Sammanfattande statistik per grupp Exercise 5: Korrelationer och t-test Exercise 6: Bivariata korrelationer Exercise 7: Spridningsdiagram Exercise 8: Korrelationer per kön Exercise 9: Test för två grupper Exercise 10: Kategorisk data: analysera och visualisera Exercise 11: Chi-square-test Exercise 12: Mosaikdiagram Exercise 13: Ålderskategorier per skalviktskategorier

I det här sista kapitlet lär du dig att arbeta med en av de mest mångsidiga dataobjekttyperna i R: listor. De kunskaperna gör det möjligt för dig att spara och bearbeta utdata från deskriptiv statistik, sambandsanalyser och gruppmjämförelseberäkningar. Du lär dig också att utföra ANOVA (variansanalys) och linjär regression i R. Alla dina kunskaper kommer till användning i de avslutande övningarna, där du bygger de bästa modellerna för att förutsäga abaloners ålder utifrån kön, storlek och vikt.

Exercise 1: Arbeta med utdataobjekt Exercise 2: Utdata för beskrivande statistik Exercise 3: Sammanfatta utdata Exercise 4: Utdata med group_by Exercise 5: Arbeta med listor Exercise 6: Utdata från Hmisc describe Exercise 7: Utdata för korrelationer Exercise 8: Utdata från t-test Exercise 9: Utdata från chi-två-test Exercise 10: ANOVA och linjära modeller Exercise 11: ANOVA Exercise 12: Linjär regression Exercise 13: Utvärdering av slutliga modeller Exercise 14: Prediktorer för abalonålder Exercise 15: Bästa modell per kön Exercise 16: Kurssammanfattning och rekommendationer