Learn verbs you can use to transform your data, including select, filter, arrange, and mutate. You'll use these functions to modify the counties dataset to view particular observations and answer questions about the data.

Exploring data with dplyr

Understanding your data

Selecting columns

The filter and arrange verbs

Arranging observations

Filtering for conditions

Filtering and arranging

The mutate() verb

Calculating the number of government employees

Calculating the percentage of women in a county

Mutate, filter, and arrange

Transforming Data with dplyr

Now that you know how to transform your data, you'll want to know more about how to aggregate your data to make it more interpretable. You'll learn a number of functions you can use to take many observations in your data and summarize them, including count, group_by, summarize, ungroup, and slice_min/slice_max.

count fiili

Bölgeye göre sayma

Eyalete göre vatandaş sayımı

Mutate etme ve sayma

group_by, summarize ve ungroup fiilleri

Özetleme

Eyalete göre özetleme

Eyalet ve bölgeye göre özetleme

slice_min ve slice_max fiilleri

Her bölgeden bir ilçe seçme

Her bölgede en düşük gelirli eyaleti bulma

summarize, slice_max ve count'u birlikte kullanma

Aggregating Data

Learn advanced methods to select and transform columns. Also, learn about select helpers, which are functions that specify criteria for columns you want to choose, as well as the rename verb.

Selecting

Select helpers

The rename verb

Renaming a column after count

Renaming a column as part of a select

The relocate verb

Using relocate

Choosing among the four verbs

Selecting and Transforming Data

Work with a new dataset that represents the names of babies born in the United States each year. Learn how to use grouped mutates and window functions to ask and answer more complex questions about your data. And use a combination of dplyr and ggplot2 to make interesting graphs to further explore your data.

The babynames data

Filtering and arranging for one year

Finding the most popular names each year

Visualizing names with ggplot2

Grouped mutates

Finding the year each name is most common

Adding the total and maximum for each name

Visualizing the normalized change in popularity

Window functions

Using ratios to describe the frequency of a name

Biggest jumps in a name

Congratulations!

Case Study: The babynames Dataset

2015 US Census

US Baby Name Records

Course Glossary

Diyelim ki harika bir veri kümesi buldun ve onun hakkında daha fazla şey öğrenmek istiyorsun. Elindeki verilerle ilgili sorularına nasıl yanıt bulabilirsin? Bu soruları yanıtlamak için dplyr kullanabilirsin—aynı zamanda verinde temel dönüşümler yapmana da yardımcı olur. Verini nasıl özetleyeceğini ve değişkenleri nasıl ekleyip kaldıracağını ya da değiştireceğini de öğreneceksin. Bu süreçte, Amerika Birleşik Devletleri’ndeki ilçeler hakkında bilgi içeren bir veri kümesini keşfedeceksin. Kursu, bu araçları babynames veri kümesine uygulayarak ABD’deki bebek isimleri trendlerini inceleyerek bitireceksin.

Videolarda, sol altta yer alan "Show transcript" seçeneğine tıklayarak açabileceğin canlı altyazılar bulunur.

Kurs sözlüğünü sağdaki kaynaklar bölümünde bulabilirsin.

CPE kredilerini almak için kursu tamamlaman ve nitelikli değerlendirmede %70 puana ulaşman gerekir. Sağ taraftaki CPE kredileri çağrısına tıklayarak değerlendirmeye gidebilirsin.

Harika bir veri kümesi bulduğunuzu ve bu veri kümesi hakkında daha fazla bilgi edinmek istediğinizi varsayalım. Verilerle ilgili sorularınızı nasıl yanıtlamaya başlayabilirsiniz? Bu soruları cevaplamak için dplyr kullanın.<br><br><h2>İlk adımlar: dplyr ile verileri dönüştürme</h2>
Bu kurs, kullanıcılara R'deki dplyr paketini kullanarak verileri verimli bir şekilde nasıl işleyip dönüştürebileceklerini öğretmek için tasarlanmıştır.<br><br>İlk olarak, select, filter, arrange ve mutate gibi temel dplyr fiillerinin kullanımı da dahil olmak üzere temel veri dönüştürme tekniklerini keşfedin. Bu işlevler, belirli sütunları seçerek, koşullara göre satırları filtreleyerek, verileri sıralayarak ve yeni hesaplanmış sütunlar oluşturarak veri kümelerini nasıl değiştireceğinizi öğretir.​.<br><br>
<h2>dplyr ile verileri toplama</h2>Ardından, kurs veri toplama konusunu ele alarak, kullanıcılara verileri daha iyi yorumlayabilmeleri için özetleme ve yoğunlaştırma yöntemlerini öğretir.<br><br> Verilerinizi nasıl daha anlaşılır ve yönetilebilir hale getirebileceğinizi anlayacaksınız.​. Count, group_by ve summarize gibi işlevler, veri analizi ve raporlama için gerekli olan birçok gözlemi anlamlı özetler halinde bir araya getiren işlemleri gerçekleştirmek için kullanılmaktadır.<br><br><h2>Verilerin seçilmesi ve dönüştürülmesi</h2>Son olarak, seçme yardımcıları ve yeniden adlandırma fiili gibi gelişmiş veri seçme ve dönüştürme tekniklerini öğreneceksiniz. Ayrıca, becerilerinizi gerçek dünya vaka çalışmalarına uygulayabilecek ve ggplot2 ile gruplandırılmış mutasyonlar, pencere işlevleri ve veri görselleştirme uygulamaları yapabileceksiniz.<br><br>Kursun sonunda, dplyr kullanarak sağlam veri işleme becerileri geliştirmiş olacak ve daha verimli ve etkili veri analizi yapabileceksiniz.—herhangi bir veri analisti veya bilim insanı için hayati bir yetenek.

Introduction to the Tidyverse

Dplyr ile verileri dönüştürmeyi ve birleştirmeyi öğrenin, ardından değişkenleri ekleyin, çıkarın veya değiştirin.

dplyr ile Veri Manipülasyonu

dplyr ile verileri dönüştürmeyi ve işlemeyi öğrenerek Tidyverse becerilerinizi geliştirin.

Yardımcı Veri Bilimcisi in R

Veri Analisti  in R

Veri Manipülasyonu  in R

R Geliştirici

Eyalete göre özetleme

dplyr ile Veri Manipülasyonu

Uygulamalı interaktif egzersiz