您希望根据腰围和身高来预测一个人的体重。为此,您将使用美国陆军人体测量数据集 ANSUR II。模型已使用以下代码为您训练好:
model <- lm(weight_kg ~ waist_circum_m + stature_m, data = ansur_df)
您将在控制台中使用 broom 包的 glance() 和 tidy() 函数,以整洁格式查看 model 的输出。
broom
glance()
tidy()
model
本练习是课程的一部分
通过我们的互动练习之一,将理论转化为实践
本章将介绍本课程的核心概念——整洁数据。前两节课,您将直接上手,把杂乱的字符列拆分为整洁的变量与观测,便于后续分析。最后一节课,您将学习如何覆盖与移除缺失值。
本章将围绕使用 `pivot_longer()` 和 `pivot_wider()` 在宽表与长表之间进行转换。当变量被隐藏在凌乱的列名中,或变量被存放在行而非列中时,您就需要用到这些函数。在练习中,您还会顺带了解太空犬、核弹与行星温度等数据话题。
数据中经常会有缺失值,有时甚至整条观测都会缺失。本章将带您用缺失的观测来补全数据集。您会为计数数据添加取值为 0 的观测,扩展时间序列到完整的区间序列,等等。
最后一章,您将学习如何把 JSON、XML 等嵌套数据结构转换为整洁的"矩形"数据。这项技能能帮助您处理来自 Web API 的数据。您还将学习如何利用嵌套数据结构编写优雅的建模流程,并产生成整洁的输出。
当前练习