Kom igångKom igång gratis

Hem
Kurser
Omforma data med tidyr

Välja nästlade variabler

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

Omforma data med tidyr

SkillTag.level.intermediateSkillTag.label

4.8+

Starta kursen gratis

Här introduceras begreppet välstrukturerad data, som är centralt i kursen. I de två första lektionerna går du direkt till handling och separerar röriga textkolumner till välstrukturerade variabler och observationer redo för analys. I den sista lektionen lär du dig att skriva över och ta bort saknade värden.

Exercise 1: Vad är tidy data?Exercise 2: Strukturen hos tidy data Exercise 3: Flera variabler per kolumn Exercise 4: Kolumner med flera värden Exercise 5: Internationella telefonnummer Exercise 6: Extrahera observationer från värden Exercise 7: Separera till kolumner och rader Exercise 8: Saknade värden Exercise 9: Och Oscar för bästa regissör går till ... <NA>Exercise 10: Imputera säljdata Exercise 11: Kärnbomber per kontinent

Det här kapitlet handlar om att pivotera data från brett till långt format och tillbaka med hjälp av funktionerna pivot_longer() och pivot_wider(). Du behöver dessa funktioner när variabler är dolda i röriga kolumnnamn eller när variabler lagras i rader i stället för kolumner. Längs vägen får du lära dig om rymdhundar, kärnvapen och planettemperaturer.

Exercise 1: Från brett till långt format Exercise 2: Kärnbomber per land Exercise 3: WHO-fetma per land Exercise 4: Bond... James Bond Exercise 5: Härleda variabler från kolumnrubriker Exercise 6: Nya Zeelands fågel för året Exercise 7: Aktiekurser för stora techbolag Exercise 8: Härleda variabler från komplexa kolumnrubriker Exercise 9: Sovjetiska rymdhundar – hundarnas perspektiv Exercise 10: WHO – fetma vs. förväntad livslängd Exercise 11: Räkna upp observationer Exercise 12: Från lång till bred data Exercise 13: Sovjetiska rymdhundar – flygperspektivet Exercise 14: Planettemperatur och avstånd till solen Exercise 15: Transponera planetdata

Värden kan ofta saknas i dina data, och ibland saknas hela observationer också. I det här kapitlet lär du dig att komplettera ditt dataset med dessa saknade observationer. Du lägger till observationer med nollvärden i räknade data, utökar tidsserier till en fullständig sekvens av intervall och mycket mer!

Exercise 1: Skapa unika kombinationer av vektorer Exercise 2: Det genetiska kodens bokstäver Exercise 3: När ersatte människor hundar i rymden?Exercise 4: Hitta saknade observationer Exercise 5: Komplettera data med alla värdekombinationer Exercise 6: Komplettera solsystemet Exercise 7: Noll olympiska medaljer Exercise 8: Skapa en sekvens med full_seq()Exercise 9: Kalla krigets hetaste år Exercise 10: Avancerade kompletteringar Exercise 11: Olympiska medaljer per kontinent Exercise 12: Spåra ett virusutbrott Exercise 13: Räkna kontorsbesökare

I det sista kapitlet lär du dig att omvandla nästlade datastrukturer, som JSON- och XML-filer, till välstrukturerad, rektangulär data. Den här färdigheten gör att du kan bearbeta data från webb-API:er. Du lär dig också hur nästlade datastrukturer kan användas för att skriva eleganta modelleringspipelines som producerar välstrukturerade utdata.

Exercise 1: Introduktion till icke-rektangulär data Exercise 2: Rektangulära och icke-rektangulära filer Exercise 3: Rektangulering av Star Wars-filmer Exercise 4: Från nästlade värden till observationer Exercise 5: Unnesting brett eller långt Exercise 6: Rektangulera Star Wars-planeter Exercise 7: Solsystemets största månar Exercise 8: Välja nästlade variabler

Aktuell övning

Exercise 9: Hissa upp Star Wars-filmer Exercise 10: Hämta upp filmbetyg Exercise 11: Kapsla data för modellering Exercise 12: Snygga till modellutdata med broom Exercise 13: Nästlade tibbles Exercise 14: Modellering på nästlade dataramar Exercise 15: Grattis!