دوره آموزشی یادگیری R Tidyverse آپدیت (2017)
3 ساعت 50 دقیقهمتوسط2017-10-06
مدرسین

Charlie Joey Hadley
Technology and open data evangelist
جزئیات دوره
R یک زبان برنامه نویسی فوق العاده قدرتمند و پرکاربرد برای تجزیه و تحلیل آماری و علم داده است. "tidyverse" برخی از همه کاره ترین بسته های R را جمع آوری می کند: ggplot2، dplyr، tidyr، reader، purrr، و tibble. بسته ها برای پاکسازی، پردازش، مدل سازی و تجسم داده ها هماهنگ کار می کنند.
این دوره مفاهیم اصلی tidyverse را در مقایسه با پایه سنتی R معرفی می کند. این دوره بر روی کاربر تازه کار و کسانی که با اپراتور لوله (%>%) آشنا نیستند، تمرکز می کند. مربی مارتین هدلی پس از پوشش دادن این مبانی R به وارد کردن و فیلتر کردن دادهها از فایلهای Excel، CSV، و SPSS و خلاصهسازی و جدولبندی دادهها در Tidyverse میپردازد. سپس یاد بگیرید که چگونه داده ها را خیلی وسیع یا طولانی تشخیص دهید و در صورت لزوم آن را تبدیل کنید و ارزیابی غیر استاندارد انجام دهید. تا پایان دوره، شما باید بتوانید Tidyverse را در گردش کار R خود ادغام کنید و از انواع ابزارهای جدید برای وارد کردن، فیلتر کردن، تجسم و مدل سازی داده های تحقیق و آماری استفاده کنید.
اهداف یادگیری
درک عملگر لوله (%>%)
وارد کردن فایلهای xlsx. و csv
فیلتر کردن و خلاصه کردن مجموعه داده ها
استفاده از tidyr برای تبدیل مجموعه داده های گسترده و طولانی
ارزیابی و برنامه نویسی غیر استاندارد با tidyverse
این دوره مفاهیم اصلی tidyverse را در مقایسه با پایه سنتی R معرفی می کند. این دوره بر روی کاربر تازه کار و کسانی که با اپراتور لوله (%>%) آشنا نیستند، تمرکز می کند. مربی مارتین هدلی پس از پوشش دادن این مبانی R به وارد کردن و فیلتر کردن دادهها از فایلهای Excel، CSV، و SPSS و خلاصهسازی و جدولبندی دادهها در Tidyverse میپردازد. سپس یاد بگیرید که چگونه داده ها را خیلی وسیع یا طولانی تشخیص دهید و در صورت لزوم آن را تبدیل کنید و ارزیابی غیر استاندارد انجام دهید. تا پایان دوره، شما باید بتوانید Tidyverse را در گردش کار R خود ادغام کنید و از انواع ابزارهای جدید برای وارد کردن، فیلتر کردن، تجسم و مدل سازی داده های تحقیق و آماری استفاده کنید.
اهداف یادگیری
درک عملگر لوله (%>%)
وارد کردن فایلهای xlsx. و csv
فیلتر کردن و خلاصه کردن مجموعه داده ها
استفاده از tidyr برای تبدیل مجموعه داده های گسترده و طولانی
ارزیابی و برنامه نویسی غیر استاندارد با tidyverse
مهارت ها
RStatisticsLearningProgramming LanguagesData ScienceOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01 - خوش آمدید
- 02 - آنچه باید بدانید
- 03 - فایلهای تمرینی
1. شروع کار با نظم و ترتیب
- 04 - چیه چیه
- 05 - چرا از tidyverse استفاده کنید
- 06 - نقاط قوت نظم و ترتیب
- 07 - R و RStudio را برای tidyverse راهاندازی کنید
- 08 - نظم و ترتیب را حفظ کنید
- 09 - از مشکلات مربوط به plyr و dplyr جلوگیری کنید
2. مرتب بودن با پروژههای RStudio
- 10 - چرا باید از پروژهها در RStudio استفاده کنید
- 11 - ذخیره خودکار RData را برای تکرارپذیری غیرفعال کنید
- 12 - یک پروژه جدید ایجاد کنید
3. معرفی اپراتور
- 13 - اپراتور چیست
- 14 - محل استفاده را مشخص کنید
- 15 - اهمیت از
- 16 - گزینههای جایگزین به
4. وارد کردن، اصلاح و فیلتر کردن داده ها
- 17 - پوشههای داده خام و تمیز را جدا کنید
- 18 - فایلهای .xlsx را با readxl در R وارد کنید
- 19 - فایلهای csv. را با Reader به R وارد کنید
- 20 - قاب داده است یا تیبل
- 21 - دادهها را انتخاب و فیلتر کنید
- 22 - رشتهها را با mutate به تاریخ تبدیل کنید
- 23 - جداسازی ستونها به چند ستون
- 24 - مقادیر NA را فیلتر کنید
- 25 - فایلهای csv. را با Reader صادر کنید
- 26 - اشیاء .rdata را برای بعد صادر کنید
5. خلاصه و جدول بندی دادهها در نظم و ترتیب
- 27 - نمونه دادهها و اعتبار سنجی متقاطع با dplyr
- 28 - دسته بندی دادهها با گروه بر اساس
- 29 - شمارش اعضای زیر گروهها در گروهها با n()
- 30 - مجموع جمع و بیشتر - cumsum و cumall و cumany
- 31 - ایجاد خلاصه گروه
- 32 - به یاد داشتهباشید که قبل از ادامه کار، گروه را حذف کنید
6. دادههای گسترده و طولانی
- 33 - عریض یا طولانی بودن داده را مشخص کنید
- 34 - مزایای دادههای طولانی (یا مرتب).
- 35 - تبدیل دادهها از گسترده به طولانی
- 36 - تبدیل دادهها از طولانی به گسترده
7. select()، ()، و ارزیابی غیر استاندارد را انتخاب کنید
- 37 - ارزیابی و برنامه نویسی غیر استاندارد با تادیورس
- 38 - گروه بر اساس و گروه بر اساس مقایسه کنید
- 39 - ارزیابی مرتب، موجود، و
نتیجه
- 40 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی گزارشنویسی دادهکاوی با Quarto برای پایتون
- دوره آموزشی تصویرسازی دادهها در R با استفاده از ggplot2
- دوره آموزشی گردآوری داده ها با زبان آر
- دوره آموزشی پاک کردن داده های بد در R
- دوره آموزشی طراحی مطالعات مراقبت های بهداشتی داده های بزرگ، بخش اول
- دوره آموزشی طراحی مطالعات مراقبت بهداشتی داده های بزرگ، بخش دوم
- دوره آموزشی یادگیری جامع تجارت الگوریتمی و مدلهای مالی با زبانهای پایتون، R و استاتا
- دوره آموزشی کاربردهای Tidyverse در زبان R