تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی یادگیری R Tidyverse آپدیت (2017)

دوره آموزشی یادگیری R Tidyverse آپدیت (2017)

3 ساعت 50 دقیقهمتوسط2017-10-06

مدرسین

Charlie Joey Hadley

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

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

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal