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!
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.
نمایش نظرات