Học các động từ dùng để biến đổi dữ liệu của bạn, bao gồm select, filter, arrange và mutate. Bạn sẽ dùng các hàm này để chỉnh sửa bộ dữ liệu counties nhằm xem những quan sát cụ thể và trả lời các câu hỏi về dữ liệu.

Khám phá dữ liệu với dplyr

Hiểu dữ liệu của bạn

Chọn cột

Động từ filter và arrange

Sắp xếp các quan sát

Lọc theo điều kiện

Lọc và sắp xếp

Động từ mutate()

Tính số nhân viên làm việc cho chính phủ

Tính tỷ lệ phụ nữ trong một hạt (county)

Mutate, filter, và arrange

Biến đổi dữ liệu với dplyr

Giờ bạn đã biết cách biến đổi dữ liệu, bạn sẽ muốn biết thêm cách tổng hợp dữ liệu để dễ diễn giải hơn. Bạn sẽ học nhiều hàm có thể dùng để gom nhiều quan sát trong dữ liệu và tóm tắt chúng, bao gồm count, group_by, summarize, ungroup, và slice_min/slice_max.

Động từ count

Đếm theo vùng

Đếm số công dân theo bang

Biến đổi và đếm

Các động từ group_by, summarize và ungroup

Tóm tắt dữ liệu

Tóm tắt theo bang

Tóm tắt theo bang và vùng

Động từ slice_min và slice_max

Chọn một hạt từ mỗi vùng

Tìm bang có thu nhập thấp nhất ở mỗi vùng

Kết hợp summarize, slice_max và count

Tổng hợp dữ liệu

Học các phương pháp nâng cao để chọn và biến đổi cột. Đồng thời, tìm hiểu về các select helper, là các hàm chỉ định tiêu chí cho những cột bạn muốn chọn, cũng như động từ rename.

Select helpers

Động từ rename

Đổi tên cột sau khi count

Đổi tên cột trong khi select

Động từ relocate

Sử dụng relocate

Chọn giữa bốn động từ

Chọn và biến đổi dữ liệu

Làm việc với một bộ dữ liệu mới ghi nhận tên trẻ sơ sinh ở Hoa Kỳ qua từng năm. Học cách dùng grouped mutate và window functions để đặt và trả lời những câu hỏi phức tạp hơn về dữ liệu của bạn. Và kết hợp dplyr với ggplot2 để tạo các biểu đồ thú vị nhằm khám phá dữ liệu sâu hơn.

Dữ liệu babynames

Lọc và sắp xếp cho một năm

Tìm các tên phổ biến nhất theo từng năm

Trực quan hóa tên với ggplot2

Biến đổi theo nhóm

Tìm năm mà mỗi tên phổ biến nhất

Thêm tổng và giá trị lớn nhất cho mỗi tên

Trực quan hóa mức thay đổi phổ biến đã được chuẩn hóa

Hàm cửa sổ

Dùng tỷ lệ để mô tả tần suất của một tên

Những cú nhảy lớn nhất của một cái tên

Chúc mừng bạn!

Nghiên cứu tình huống: Bộ dữ liệu babynames

US Baby Name Records

Course Glossary

2015 US Census

Giả sử bạn tìm được một bộ dữ liệu rất hay và muốn hiểu rõ hơn về nó. Làm sao để bắt đầu trả lời những câu hỏi bạn có về dữ liệu? Bạn có thể dùng dplyr để trả lời các câu hỏi đó—nó cũng giúp bạn thực hiện các biến đổi cơ bản trên dữ liệu. Bạn cũng sẽ học cách tổng hợp dữ liệu và thêm, bớt, hoặc thay đổi các biến. Trong quá trình học, bạn sẽ khám phá một bộ dữ liệu về các quận (counties) ở Hoa Kỳ. Bạn sẽ kết thúc khóa học bằng cách áp dụng các công cụ này lên bộ dữ liệu babynames để khám phá xu hướng tên em bé ở Hoa Kỳ.

Video có bản chép lời trực tiếp, bạn có thể hiển thị bằng cách nhấp vào "Show transcript" ở góc dưới bên trái của video.

Bảng thuật ngữ của khóa học nằm ở phần tài nguyên bên phải.

Để nhận tín chỉ CPE, bạn cần hoàn thành khóa học và đạt tối thiểu 70% ở bài đánh giá đủ điều kiện. Bạn có thể chuyển đến bài đánh giá bằng cách nhấp vào mục gọi ý tín chỉ CPE ở bên phải.

Giả sử quý vị đã tìm thấy một bộ dữ liệu tuyệt vời và muốn tìm hiểu thêm về nó. Làm thế nào để quý vị có thể bắt đầu trả lời các câu hỏi của mình về dữ liệu? Sử dụng dplyr để giải quyết các câu hỏi đó.<br><br><h2>Các bước đầu tiên: Chuyển đổi dữ liệu bằng dplyr</h2>
Khóa học này được thiết kế để hướng dẫn người dùng cách thao tác và biến đổi dữ liệu một cách hiệu quả bằng gói dplyr trong R. Đầu<br><br> tiên, người học sẽ tìm hiểu các kỹ thuật biến đổi dữ liệu cơ bản, bao gồm việc sử dụng các hàm chính của dplyr như select, filter, arrange và mutate. Các chức năng này sẽ hướng dẫn quý vị cách điều chỉnh tập dữ liệu bằng cách chọn các cột cụ thể, lọc các hàng dựa trên điều kiện, sắp xếp dữ liệu và tạo các cột tính toán mới.​.<br><br>
<h2>Tổng hợp dữ liệu bằng dplyr</h2>Tiếp theo, khóa học sẽ trình bày về tổng hợp dữ liệu, hướng dẫn người dùng cách tóm tắt và cô đọng dữ liệu để phân tích hiệu quả hơn.<br><br> Quý vị sẽ hiểu cách làm cho dữ liệu của mình trở nên dễ hiểu và dễ quản lý hơn.​. Các hàm như count, group_by và summarize được giới thiệu để thực hiện các thao tác tổng hợp nhiều quan sát thành các tóm tắt có ý nghĩa, điều này rất quan trọng trong phân tích dữ liệu và báo cáo.<br><br><h2>Lựa chọn và chuyển đổi dữ liệu</h2>Cuối cùng, quý vị sẽ học các kỹ thuật chọn lọc và chuyển đổi dữ liệu nâng cao, chẳng hạn như sử dụng các công cụ hỗ trợ chọn lọc và lệnh đổi tên. Bạn cũng sẽ có cơ hội áp dụng kỹ năng của mình vào một trường hợp thực tế và thực hành các phép toán nhóm, hàm cửa sổ và trực quan hóa dữ liệu với ggplot2. <br><br>Đến cuối khóa học, bạn sẽ phát triển được kỹ năng thao tác dữ liệu mạnh mẽ bằng dplyr, giúp phân tích dữ liệu hiệu quả và tiết kiệm thời gian hơn.—một khả năng quan trọng đối với bất kỳ nhà phân tích dữ liệu hoặc nhà khoa học dữ liệu nào.

Introduction to the Tidyverse

Tìm hiểu cách dùng dplyr để biến đổi, tổng hợp dữ liệu, thêm, xóa, thay đổi biến và áp dụng vào thực tế.

Xử lý dữ liệu với dplyr

Nâng cao kỹ năng Tidyverse bằng cách học cách chuyển đổi và thao tác dữ liệu với dplyr.

Động từ filter và arrange

Create Your Free Account