آموزش R داده های پیش پردازش و مدیریت داده ها - شکل دادن به داده های خود!

R Data Pre-Processing & Data Management - Shape your Data!

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: بیاموزید که چگونه داده‌های خود را برای تجزیه و تحلیل عالی در R آماده کنید. داده‌ها را به روش‌های مختلف به R وارد کنید و همچنین بتوانید یک ابزار واردات مناسب را شناسایی کرده و یک کلاس شی مناسب (data.frame، data.table، data_frame) را تبدیل کنید. در یک فیلتر قالب داده مرتب (و درک کنید) و داده های خود را بر اساس طیف گسترده ای از پارامترها پرس و جو کنید. با استفاده از عبارات منظم تشخیص نقاط پرت در مجموعه داده ها پیش نیازها: کامپیوتر با R و RStudio آماده برای استفاده شما باید دانش اولیه R/RStudio را داشته باشید.

بیایید داده های شما را به شکلی دربیاوریم!

پیش پردازش داده اولین گام در تجزیه و تحلیل داده است. شما نمی توان از آن فرار کرد، خیلی مهم است. متاسفانه این تاپیک هست به طور گسترده نادیده گرفته شده و یافتن اطلاعات به سختی انجام می شود.

با این دوره من این را تغییر خواهم داد!

پیش پردازش داده ها همانطور که در این دوره آموزش داده می شود مراحل زیر را دارد:

1. واردات داده: این ممکن است بی اهمیت به نظر برسد، اما اگر در نظر بگیرید تمام فرمت های داده های مختلف وجود دارد که می توانید تصور کنید که این می تواند گیج کننده باشد در این دوره به یک روش استاندارد نگاهی خواهیم انداخت با وارد کردن فایل‌های csv با روش فرید بسیار سریع و من آشنا می‌شویم به شما نشان می دهد که اگر فرمت های فایل های عجیب و غریب بیشتری دارید، چه کاری می توانید انجام دهید رسیدگی.

2. انتخاب کلاس شی: یک data.frame استاندارد ممکن است باشد برای کارهای استاندارد آسان خوب است، اما کلاس های پیشرفته تری وجود دارد وجود دارد مانند data.table. به خصوص با آن مجموعه داده های عظیم امروزه، ممکن است یک data.frame دیگر این کار را انجام ندهد. گزینه های جایگزین نشان داده خواهد شد در این دوره

3. دریافت داده‌های شما به شکل مرتب: یک مجموعه داده مرتب دارای 1 ردیف است برای هر مشاهده و 1 ستون برای هر متغیر. این ممکن است به نظر برسد بی اهمیت است، اما در کار روزانه خود مواردی را خواهید یافت که در آن چنین است قانون ساده رعایت نمی شود اغلب اوقات شما حتی متوجه آن نمی شوید مجموعه داده در چیدمان مرتب نیست. ما یاد خواهیم گرفت که چگونه tidyr می تواند کمک کند شما می توانید داده های خود را در قالبی تمیز و مرتب قرار دهید.

4. پرس و جو و فیلتر کردن: زمانی که شما یک مجموعه داده عظیم دارید باید برای پارامترهای مورد نظر فیلتر شود. ما در مورد را یاد خواهیم گرفت ترکیبی از پارامترها و اجرای فیلترینگ پیشرفته مواد و روش ها. به خصوص data.table برای چنین مواردی موثر بوده است پرس و جو در مجموعه داده های عظیم، بنابراین ما بر روی این بسته تمرکز خواهیم کرد بخش پرس و جو

5. اتصال داده ها: زمانی که داده های شما در 2 جدول مختلف پخش می شود اما شما می خواهید آنها را بر اساس معیارهای داده شده به هم بپیوندید، این کار را خواهید کرد برای آن نیاز به عضویت دارد. چندین روش برای اتصال داده ها در R وجود دارد، اما در اینجا نگاهی به dplyr و 2 افعال جدول می اندازیم که چنین هستند ابزار عالی برای کار همزمان با 2 جدول.

6. ادغام و تعامل با SQL: R عالی است تعامل با SQL و SQL البته پایگاه داده پیشرو است زبانی که دیر یا زود باید به عنوان یک داده یاد بگیرید دانشمند من به شما نشان خواهم داد که چگونه از کد SQL در R و وجود دارد استفاده کنید حتی یک مترجم R به SQL برای کد R استاندارد. و ما یک را راه اندازی خواهیم کرد پایگاه داده SQLite از داخل R.  

7. تشخیص بیرونی: مجموعه داده ها اغلب حاوی مقادیری خارج از محدوده قابل قبول هستند. تولید یا ورود داده های معیوب به طور منظم اتفاق می افتد. روش های آماری تشخیص پرت به شناسایی این مقادیر کمک می کند. ما نگاهی به اجرای اینها خواهیم داشت.

8. رشته های کاراکتر و همچنین تاریخ و زمان قوانین خاص خود را در مورد پیش پردازش دارند. در این دوره ما همچنین نگاهی به این نوع داده ها و نحوه مدیریت موثر آنها در R خواهیم انداخت.

چگونه خود را برای این دوره به بهترین شکل آماده می کنید؟

برای بهره مندی کامل از این فقط به دانش اولیه R نیاز دارید دوره. هنگامی که اصول RStudio و R را بدانید، آماده هستید با مطالب درسی همراه باشید. البته R را نیز دریافت خواهید کرد اسکریپت هایی که کار را آسان تر می کند.

صفحه نمایش ها در RStudio ساخته شده اند، بنابراین باید این برنامه را فعال کنید بالای R. افزودن بسته های مورد نیاز در دوره ذکر شده است.

دوباره، اگر می‌خواهید مطمئن شوید که داده‌های مناسبی با مرتب کردن دارید فرمت، نگاهی به این دوره بیندازید. این تجزیه و تحلیل شما را با R انجام می دهد بسیار ساده تر!


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • بیایید یک مثال R از پیش پردازش داده را ببینیم Let's See an R Example of Data Pre-Processing

معرفی Introduction

  • معرفی Introduction

  • مدیریت انتظارات و جهت گیری دروس Managing Expectations and Course Orientation

  • مدیریت انتظارات و جهت گیری دروس Managing Expectations and Course Orientation

  • پیش پردازش داده به عنوان بخشی جدایی ناپذیر از علم داده Data Pre-Processing as Integral Part of Data Science

  • پیش پردازش داده به عنوان بخشی جدایی ناپذیر از علم داده Data Pre-Processing as Integral Part of Data Science

  • بیایید یک مثال R از پیش پردازش داده را ببینیم Let's See an R Example of Data Pre-Processing

  • لورس نمونه اسکریپت Lures Example Script

  • لورس نمونه اسکریپت Lures Example Script

واردات داده و ساختار داده Data Import and Data Structuring

  • استفاده از fread برای مدیریت سریع داده های بزرگ Using fread to handle big data fast

  • تمرینات R بیشتر Further R Exercises

واردات داده و ساختار داده Data Import and Data Structuring

  • اسکریپت: وارد کردن داده Script: Data import

  • اسکریپت: وارد کردن داده Script: Data import

  • وارد کردن داده ها و اسنیپت ها Importing Data and Snippets

  • وارد کردن داده ها و اسنیپت ها Importing Data and Snippets

  • استفاده از fread برای مدیریت سریع داده های بزرگ Using fread to handle big data fast

  • انتخاب کلاس مناسب برای داده های خود Choosing the right class for your data

  • انتخاب کلاس مناسب برای داده های خود Choosing the right class for your data

  • تمرینات R بیشتر Further R Exercises

پاک کردن داده های شما Cleaning Your Data

  • tidyr - داده های مرتب چگونه به نظر می رسند tidyr - How tidy data looks like

پاک کردن داده های شما Cleaning Your Data

  • اسکریپت: پاکسازی داده ها Script: Data cleaning

  • اسکریپت: پاکسازی داده ها Script: Data cleaning

  • tidyr - داده های مرتب چگونه به نظر می رسند tidyr - How tidy data looks like

  • فرمت داده گسترده تا طولانی Wide to long data format

  • فرمت داده گسترده تا طولانی Wide to long data format

  • تقسیم ستون ها Splitting columns

  • تقسیم ستون ها Splitting columns

  • فرمت داده طولانی تا گسترده Long to wide data format

  • فرمت داده طولانی تا گسترده Long to wide data format

پرس و جو و فیلتر کردن داده ها با data.table Querying and Filtering Data with data.table

  • اسکریپت: پرس و جو با data.table Script: Querying with data.table

  • پرس و جوهای اساسی Basic queries

  • پرس و جو در سطح ستون Queries at column level

  • پارامتر by برای پرس و جوها The by paramater for queries

  • به روز رسانی در مورد نمایش داده شد بازیافت Update on recycle queries

  • کلیدها Keys

پرس و جو و فیلتر کردن داده ها با data.table Querying and Filtering Data with data.table

  • اسکریپت: پرس و جو با data.table Script: Querying with data.table

  • data.table چیست؟ What is data.table?

  • data.table چیست؟ What is data.table?

  • پرس و جوهای اساسی Basic queries

  • پرس و جو در سطح ستون Queries at column level

  • پارامتر by برای پرس و جوها The by paramater for queries

  • به روز رسانی در مورد نمایش داده شد بازیافت Update on recycle queries

  • کلیدها Keys

  • تمرینات جدول داده ها Data.table exercises

  • تمرینات جدول داده ها Data.table exercises

  • راه حل های جدول داده ها Data.table solutions

  • راه حل های جدول داده ها Data.table solutions

کوئری ها و تمرین های فیلترینگ Queries and Filtering Exercises

  • راه حل های Data.frame 1-4 Data.frame Solutions 1-4

  • 10 تمرین در مورد "data.table" 10 Exercises on 'data.table'

  • اسکریپت تمرین Data.table Data.table Exercise Script

  • Data.table راه حل های 1-4 Data.table Solutions 1-4

کوئری ها و تمرین های فیلترینگ Queries and Filtering Exercises

  • تمرینات پرس و جو INTRO Query exercises INTRO

  • تمرینات پرس و جو INTRO Query exercises INTRO

  • 10 تمرین در مورد 'data.frame' 10 Exercises on 'data.frame'

  • 10 تمرین در مورد 'data.frame' 10 Exercises on 'data.frame'

  • اسکریپت تمرین Data.frame Data.frame Exercise Script

  • اسکریپت تمرین Data.frame Data.frame Exercise Script

  • راه حل های Data.frame 1-4 Data.frame Solutions 1-4

  • راه حل های Data.frame 5-10 Data.frame Solutions 5-10

  • راه حل های Data.frame 5-10 Data.frame Solutions 5-10

  • 10 تمرین در مورد "data.table" 10 Exercises on 'data.table'

  • اسکریپت تمرین Data.table Data.table Exercise Script

  • Data.table راه حل های 1-4 Data.table Solutions 1-4

  • Data.table راه حل های 5 - 10 Data.table Solutions 5 - 10

  • Data.table راه حل های 5 - 10 Data.table Solutions 5 - 10

استفاده از dplyr در یک و چند مجموعه داده Using dplyr on one and multiple Datasets

  • افعال جدول تک در 'dplyr' Single Table Verbs in 'dplyr'

  • دو افعال جدول - فیلتر کردن اتصالات و مدیریت عدم تطابق شناسه Two Table Verbs - Filtering Joins and handling of ID mismatches

استفاده از dplyr در یک و چند مجموعه داده Using dplyr on one and multiple Datasets

  • اسکریپت: dplyr Script: dplyr

  • اسکریپت: dplyr Script: dplyr

  • افعال جدول تک در 'dplyr' Single Table Verbs in 'dplyr'

  • دو افعال جدولی - جهش یافته Two Table Verbs - Mutating Joins

  • دو افعال جدولی - جهش یافته Two Table Verbs - Mutating Joins

  • دو افعال جدول - فیلتر کردن اتصالات و مدیریت عدم تطابق شناسه Two Table Verbs - Filtering Joins and handling of ID mismatches

  • دو افعال جدول - مجموعه عملیات Two Table Verbs - Set Operations

  • دو افعال جدول - مجموعه عملیات Two Table Verbs - Set Operations

SQL را در R ادغام کنید Integrate SQL into R

  • اسکریپت: یکپارچه سازی SQL Script: Integrate SQL

  • بسته dbplyr را دریافت کنید Get package dbplyr

  • مترجم R به SQL R to SQL Translator

  • یک پایگاه داده SQLite در R راه اندازی کنید Set Up a SQLite Database in R

SQL را در R ادغام کنید Integrate SQL into R

  • اسکریپت: یکپارچه سازی SQL Script: Integrate SQL

  • بسته dbplyr را دریافت کنید Get package dbplyr

  • مترجم R به SQL R to SQL Translator

  • استفاده از SQL در R Using SQL within R

  • استفاده از SQL در R Using SQL within R

  • یک پایگاه داده SQLite در R راه اندازی کنید Set Up a SQLite Database in R

تشخیص نقاط پرت Detecting Outliers

  • مقدمه ای بر تشخیص بیرونی Introduction to Outlier Detection

  • تشخیص نقاط پرت در مجموعه داده های چند متغیره Detecting Outliers in Multivariate Datasets

تشخیص نقاط پرت Detecting Outliers

  • اسکریپت پرت Outlier Script

  • اسکریپت پرت Outlier Script

  • مقدمه ای بر تشخیص بیرونی Introduction to Outlier Detection

  • تشخیص نقاط پرت در مجموعه داده های تک متغیره Detecting Outliers in Univariate Datasets

  • تشخیص نقاط پرت در مجموعه داده های تک متغیره Detecting Outliers in Univariate Datasets

  • تشخیص نقاط پرت در مجموعه داده های چند متغیره Detecting Outliers in Multivariate Datasets

کار با رشته ها - عبارات منظم Working with Strings - Regular Expressions

  • اسکریپت: کار با رشته ها Script: Working with Strings

  • آنچه باید در مورد رشته ها در R بدانید What You Should Know about Strings in R

  • خانواده توابع و عبارات منظم Gsub The Gsub Family of Functions and Regular Expressions

  • نحو عبارات منظم Regular Expressions Syntax

  • یک بسته عالی افزودنی A Great Add On Package

  • کار با رشته ها در R: تمرین با حل Working with Strings in R: Exercise with Solution

کار با رشته ها - عبارات منظم Working with Strings - Regular Expressions

  • اسکریپت: کار با رشته ها Script: Working with Strings

  • عبارات منظم و Gsub Regular Expressions and Gsub

  • عبارات منظم و Gsub Regular Expressions and Gsub

  • آنچه باید در مورد رشته ها در R بدانید What You Should Know about Strings in R

  • خانواده توابع و عبارات منظم Gsub The Gsub Family of Functions and Regular Expressions

  • نحو عبارات منظم Regular Expressions Syntax

  • یک بسته عالی افزودنی A Great Add On Package

  • کار با رشته ها در R: تمرین با حل Working with Strings in R: Exercise with Solution

کار با تاریخ و زمان Working with Dates and Time

  • وارد کردن یک سری زمانی از اکسل Importing a Time Series From Excel

  • کلاس های POSIXt، Date و Chron Classes POSIXt, Date and Chron

  • Lubridate: Exercise Data Frame Lubridate: Exercise Data Frame

  • Lubridate: Data Handling Exercise Lubridate: Data Handling Exercise

کار با تاریخ و زمان Working with Dates and Time

  • مدیریت داده ها و سری های زمانی INTRO Data management and time series INTRO

  • مدیریت داده ها و سری های زمانی INTRO Data management and time series INTRO

  • وارد کردن یک سری زمانی از اکسل Importing a Time Series From Excel

  • بخش اسکریپت Section Script

  • بخش اسکریپت Section Script

  • کلاس های POSIXt، Date و Chron Classes POSIXt, Date and Chron

  • روغن کاری: ورودی و مناطق زمانی Lubridate: Input and Time Zones

  • روغن کاری: ورودی و مناطق زمانی Lubridate: Input and Time Zones

  • روغن کاری: روزهای هفته و فواصل زمانی Lubridate: Weekdays and Intervals

  • روغن کاری: روزهای هفته و فواصل زمانی Lubridate: Weekdays and Intervals

  • Lubridate: Exercise Data Frame Lubridate: Exercise Data Frame

  • روغن کاری: محاسبات و سالهای کبیسه Lubridate: Calculations and Leap Years

  • روغن کاری: محاسبات و سالهای کبیسه Lubridate: Calculations and Leap Years

  • Lubridate: Data Handling Exercise Lubridate: Data Handling Exercise

  • تمرینات R بیشتر Further R Exercises

  • تمرینات R بیشتر Further R Exercises

نمایش نظرات

آموزش R داده های پیش پردازش و مدیریت داده ها - شکل دادن به داده های خود!
جزییات دوره
6 hours
64
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,707
4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

R-Tutorials Training R-Tutorials Training

R-Tutorials Data Science Education ارائه دهنده انتخاب شما در زمینه دوره های آموزشی تجزیه و تحلیل است! آن را امتحان کنید - 100000+ دانش آموز ما آن را دوست دارند. ما بر روی آموزشهای Science Data تمرکز می کنیم. با ارائه چندین دوره R برای هر سطح مهارت ، ما از بهترین ارائه دهندگان آموزش R Udemy هستیم. در بالای این دوره ها در Tableau ، Excel و یک راهنمای شغلی Data Science در دسترس است. همه دوره های ما شامل تمریناتی است که به شما این فرصت را می دهد تا بتوانید مطالب را به تنهایی امتحان کنید. همچنین برای مرور مجدد دروس ، pdf اسکریپت قابل بارگیری دریافت خواهید کرد. این دوره ها توسط مربی اصلی ما مارتین آموزش داده می شود - متخصص آمار و دانشمند مشتاق داده اطلاعات / کاربر تحقیق. در صورت داشتن هر گونه سوال ، از شما دعوت می شود وب سایت ما را بررسی کنید ، می توانید در این دوره بحث کنید یا می توانید یک بعد از ظهر ما را رها کنید. ما اینجا هستیم تا با آموزش تجزیه و تحلیل به شما کمک کنیم حرفه خود را تقویت کنید - فقط یاد بگیرید و لذت ببرید.