學習資料整備技能的最佳方式，就是把它們套用在具體案例上。你將學會使用 dplyr 套件清理與篩選聯合國投票資料集，並將其彙整成更小且可解讀的單位。

聯合國表決資料集

篩選列

加入 year 欄位

加入國家欄位

分組與摘要

彙整整個資料集

依年份彙總

依國家彙總

排序與篩選彙總資料

依「yes」票比例排序

篩選彙總輸出

使用 dplyr 進行資料清理與摘要

當你完成資料清理與彙整後，接著就需要把資料視覺化，以理解趨勢並擷取洞見。在這裡，你會使用 ggplot2 套件來探索各國隨時間變化的聯合國投票趨勢。

使用 ggplot2 視覺化

選擇一個美學對應（aesthetic）

繪製時間序列折線圖

其他 ggplot2 圖層

依國家視覺化

依年份與國家彙總

只繪製英國的時間趨勢圖

繪製多個國家

依國家分面

時間序列的分面呈現

使用自由 y 軸的分面圖

自己挑選國家

使用 ggplot2 進行資料視覺化

視覺化有助於一次理解一個國家；統計建模則能量化多個國家的整體趨勢並一併解讀。在這裡，你將學會使用 tidyr、purrr 和 broom 套件，為每個國家擬合線性模型，並理解與比較其輸出。

線性迴歸

對美國進行線性迴歸

找出線性迴歸的斜率

找出線性迴歸的 p 值

使用 broom 讓模型整理化

整理線性迴歸模型

合併多國的模型

為多個模型進行巢狀化

巢狀化資料框

清單欄（List columns）

Unnesting

擬合多個模型

對每個巢狀資料集執行線性迴歸

整理每個線性迴歸模型

展開資料框

運用多個 tidy 模型

篩選模型項

篩選具顯著性的國家

依斜率排序

用 broom 進行整齊化建模

本章將帶你結合多個相關的資料集，例如把各決議案的主題資訊納入你的投票分析中。你也將學會如何把不整齊的資料轉換為整齊資料，並了解整齊資料如何引導你隨時間探索各主題與各國。

合併資料集

使用 inner_join 合併資料集

篩選連接後的資料集

視覺化殖民主義相關投票

整潔資料（Tidy data）

整齊資料中的觀測值

用 gather 清理資料集

重新編碼主題

依國家、年份與主題進行摘要

針對單一國家視覺化各議題的趨勢

依主題與國家進行整齊化建模

依主題與國家進行巢狀處理

解讀 tidy 模型

各議題最陡的趨勢

用視覺方式檢查模型

結語

合併與整齊化

United Nations voting dataset

Topic information for each country (Descriptions)

當你開始學習像 dplyr 和 ggplot2 這類用於資料處理與視覺化的工具後，本課程會帶你把它們實際運用在真實資料集上。你將探索聯合國大會的歷史投票，分析各國之間、跨時間、以及不同國際議題的投票差異。過程中，你會更熟悉 dplyr 和 ggplot2 套件，學習使用 broom 套件來整理模型輸出，並體驗在資料科學中常見、從頭到尾的探索式分析流程。

Introduction to Data Visualization with ggplot2

運用數據分析和可視化技能探索聯合國大會的歷史投票情況。

案例研究：R 中的探索性資料分析

運用資料操作與視覺化技能，探索聯合國大會的歷史投票情形。

依主題與國家進行整齊化建模

Create Your Free Account