Bu bölümde faktörler hakkında her şeyi öğreneceksin. Kategorik ve sıralı (ordinal) değişkenler arasındaki farkı, R’nin bunları nasıl temsil ettiğini ve seviyelerin sayılarını ve adlarını bulmak için nasıl inceleyeceğini keşfedeceksin. Son olarak, tidyverse paketi forcats’in, değişkenleri frekanslarına göre hızla yeniden sıralamana olanak tanıyarak grafiklerini nasıl iyileştirebileceğini göreceksin.

Nitel değişkenlere giriş

Faktör değişkenleri tanıma

Kuramsal olarak nitel değişkenler

Nitel değişkenlerini anlamak

Seviye sayısını elde etme

Seviye sayısını inceleme

Seviyeleri inceleme

Daha iyi grafikler oluşturma

Bir değişkeni frekansına göre yeniden sıralama

Bir değişkeni diğerine göre sıralama

Faktör Değişkenlere Giriş

forcats paketine daha derinlemesine devam edecek, seviye sırasını ve adlarını nasıl değiştireceğini ve hatta seviyeleri birbirinin içinde nasıl birleştireceğini öğreneceksin.

Faktörleri yeniden sıralama

Faktör düzeylerinin sırasını değiştirme

fct_relevel() ipuçları

Faktör düzeylerini yeniden adlandırma

forcats işlevlerini ayırt etme

Birkaç seviyeyi yeniden adlandırma

Yazım hatası yaptığında

Faktör seviyelerini birleştirme

Düzeyleri elle birleştirme

Değişkenleri orana göre birleştirme

En yaygın düzeyleri koruma

Faktör Değişkenleri Manipüle Etme

forcats’i iyice kavradıktan sonra tidyverse’in geri kalanına açılacak, dplyr, tidyr ve stringr’dan işlevleri öğrenecek ve gözden geçireceksin. Eksenleri yüzde ölçeklerine çevirerek, metin yerleşimini düzenleyerek ve daha fazlasıyla ggplot2 grafiklerini iyileştireceksin.

Yaygın temalı değişkenleri inceleme

Benzer sütunları gruplayıp yeniden biçimlendirme

Verileri özetleme

İlk grafiği oluşturma

ggplot2 ipuçları

Grafik metnini düzenleme

Grafikleri yeniden sıralama

case_when() ile değişkenleri değiştirme ve oluşturma

Tek değişkenle case_when()

Birden çok sütundan case_when()

Faktör Değişkenler Oluşturma

Bu son bölümde, öğrendiklerinin tümünü bir vaka çalışmasında uygulayacaksın. Dizgilerle (string) çalışmayı ve verileri özetlemeyi daha iyi öğrenecek, ardından 538’in yayın kalitesindeki bir grafiğini yeniden oluşturacaksın.

Vaka çalışmasına giriş

Karakterleri faktörlere dönüştürme

Veri düzenleme

Veri hazırlama ve regex

Dizgeleri temizleme

Değişkenleri iki kategoriye ayırma

Veri özetleme

Grafiği yeniden oluşturma

Etiketleri düzeltme

Her şeyi tersine çevirmek

Grafiği sonlandırma

Kurs sonu özeti

Uçuş Görgü Kuralları Üzerine Vaka Çalışması

538 Flying Etiquette survey

Kaggle multiple choice responses

Bir veri bilimci olarak, sık sık meslek unvanları, anket yanıtları veya demografik bilgiler gibi sayısal olmayan verilerle çalışacaksın. R, bunları temsil etmenin özel bir yoluna sahiptir: faktörler. Bu kursta, tidyverse paketi forcats ile faktörlerle çalışmayı öğreneceksin. Ayrıca ggplot2, dplyr, stringr ve tidyr gibi diğer tidyverse paketleriyle de çalışacak ve fivethirtyeight uçuş veri seti ile Kaggle’ın State of Data Science and ML Survey gibi gerçek dünya veri kümelerini kullanacağız. Bu kursun sonunda, faktör değişkenlerini tanımlayıp dönüştürebilecek, verilerini hızlı ve verimli bir şekilde görselleştirebilecek ve sonuçlarını etkili biçimde aktarabileceksin. Hazır mısın? Haydi kategorize edelim!

Reshaping Data with tidyr

Kategorize etmeye hazır olun! Bu kursta, Tidyverse ile iş unvanları veya anket yanıtları gibi verilerle çalışacaksınız.

Tidyverse'te Kategorik Veriler

Sınıflandırmaya hazır olun! Bu kursta, Tidyverse ortamını kullanarak iş unvanları veya anket yanıtları gibi sayısal olmayan verilerle çalışacaksınız.

Tidyverse Temelleri in R

forcats işlevlerini ayırt etme

Tidyverse'te Kategorik Veriler

Uygulamalı etkileşimli egzersiz