آموزش دستکاری داده ها با Dplyr در R

Data Manipulation With Dplyr in R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: یک آموزش ساده در مورد جدال داده ها با یکی از قدرتمندترین بسته های R - dplyr. فیلتر قاب های داده با استفاده از شرایط مختلف انتخاب و حذف ستون های قاب داده (متغیرها) مرتب سازی فریم های داده بر اساس مقادیر ستون ایجاد متغیرهای جدید از متغیرهای موجود محاسبه خلاصه آمار برای قاب داده ما سایر عملیات مفید (شمارش ردیف های شهرت داده ها، انتخاب ردیف های بالا، انتخاب ردیف ها به صورت تصادفی و غیره) زنجیره سازی دستورات dplyr برای نوشتن کد قدرتمند دستکاری داده ها پیوستن به فریم های داده (پنج نوع اتصال) ترکیب dplyr با ggplot2 برای ایجاد نمودارهای پرمغز پیش نیازها:دانش برنامه نویسی پایه R

دستکاری داده ها یک مهارت تجزیه و تحلیل داده های حیاتی است - در واقع، پایه و اساس تجزیه و تحلیل داده ها است. این دوره در مورد موثرترین ابزار دستکاری داده ها در R – dplyr است!


به عنوان یک تحلیلگر داده، مقدار زیادی از زمان خود را صرف تهیه یا پردازش داده های خود خواهید کرد. هدف از آماده سازی داده ها تبدیل داده های خام شما به یک منبع داده با کیفیت بالا و مناسب برای تجزیه و تحلیل است. اغلب اوقات، این فرآیند مستلزم کار زیادی است. بسته dplyr حاوی ابزارهایی است که می توانند این کار را بسیار آسان تر کنند.


dplyr چند مزیت مهم نسبت به سایر ابزارها یا توابع دستکاری داده ها دارد:


  • خیلی سریعتر است (25-30 برابر سریعتر)

  • نوشتن و درک کد آن آسان‌تر است

  • می‌تواند از زنجیره‌ای برای ساخت دنباله‌ای از دستورات استفاده کند، بنابراین کد را تمیزتر و سریع‌تر اجرا می‌کند


به این دلایل، dplyr به سرعت محبوب ترین ابزار دستکاری داده ها را در میان دانشمندان داده R آغاز کرد. پس از اتمام این دوره، می توانید


این یک دوره کوتاه است، اما بر روی ضروری ترین دستورات و عملکردهای بسته dplyr متمرکز است، دستوراتی که احتمالاً اغلب از آنها استفاده خواهید کرد.


پس بیایید ببینیم در این دوره قرار است چه چیزی یاد بگیرید.


بخش اول پنج دستور dplyr هسته ای را پوشش می دهد. این دستورات عبارتند از: فیلتر، انتخاب، جهش، ترتیب و خلاصه. شما عملاً هر بار که با dplyr کار می کنید به این دستورات نیاز خواهید داشت. آنها برای زیرمجموعه فریم های داده، محاسبه متغیرهای جدید، مرتب سازی فریم های داده، محاسبه شاخص های آماری و غیره استفاده می شوند. در اینجا چند سناریوی واقعی استفاده از آنها آورده شده است:


  • شما باید از مجموعه داده های پاسخ دهندگان خود، افراد مرد با درآمد بیش از 30000 دلار را استخراج کنید

  • با دانستن درآمد کل و تعداد اعضای خانواده، باید درآمد هر پاسخ دهنده را به ازای هر عضو خانواده محاسبه کنید

  • شما یک مجموعه داده با 27 متغیر دارید، اما تنها به 6 متغیر برای تجزیه و تحلیل خود نیاز دارید (بنابراین می خواهید متغیرهای اضافی را حذف کنید)

  • شما باید مجموعه داده های کارکنان خود را بر اساس حقوق مرتب کنید

  • شما باید میانگین رضایت از یک محصول را محاسبه کنید، با دانستن رضایت هر مشتری و غیره.


بخش دوم به سایر دستورات و توابع مهم dplyr می پردازد. در این بخش یاد خواهید گرفت:


  • نحوه شمارش مشاهده در یک گروه خاص

  • نحوه استخراج نمونه تصادفی از قاب داده

  • نحوه استخراج ورودی های برتر از قاب داده خود، بر اساس یک متغیر معین

  • نحوه تجسم ساختار مجموعه داده خود

  • نحوه استفاده از عملیات set در dplyr (اگر از این عملیات در پایه R استفاده کرده باشید، خواهید دید که dplyr آنها را به سطح کاملا جدیدی می برد).


در بخش سوم شما شروع به استفاده از قدرت واقعی dplyr خواهید کرد. در اینجا ما در مورد زنجیر کردن صحبت خواهیم کرد - ایجاد دنباله ای از دستورات dplyr که چندین کار را تنها با یک کلیک انجام می دهد.


بخش چهارم در مورد اتصال فریم های داده با dplyr است. این یک موضوع بسیار مهم است، زیرا بسیاری از اوقات داده های شما در چندین فریم داده پیدا می شود. بنابراین شما باید این فریم های داده را تنها به یکی بپیوندید که برای تحلیل های شما مناسب است. ما قصد داریم به پنج نوع اتصال موجود در dplyr نگاه کنیم: inner_join، semi_join، left_join، anti_join و full_join. ما قصد داریم خروجی هر نوع اتصال را با استفاده از یک مثال ساده بررسی کنیم.


در بخش پنجم، نحوه ترکیب دستورات dplyr و ggplot2 (با استفاده از زنجیره) برای ساختن نمودارها و نمودارهای رسا را ​​یاد خواهیم گرفت. برای مثال، اگر می‌خواهید توزیع درآمد را فقط برای افراد دارای تحصیلات عالی نشان دهید، یا رابطه بین درآمد و سطح تحصیلات را فقط برای افراد زن نشان دهید، در این بخش دقیقاً نحوه انجام آن را خواهید آموخت.


هر دستور با ویدئو نشان داده شده است، هم نحو و هم خروجی به تفصیل توضیح داده شده است. در پایان دوره، تعداد زیادی تمرین عملی پیشنهاد می شود. با انجام این تمرینات شما در عمل آنچه را که آموخته اید به کار خواهید برد.


همین حالا به این دوره بپیوندید و توانایی تجزیه و تحلیل داده های حیاتی را کسب کنید - دستکاری داده ها!



سرفصل ها و درس ها

شروع شدن Getting started

  • معرفی Introduction

دستورات اولیه dplyr Basic dplyr Commands

  • مروری بر دستورات پایه Overview of the Basic Commands

  • دستور filter(). The filter() Command

  • دستور select(). The select() Command

  • دستور mutate(). The mutate() Command

  • دستور arrange(). The arrange() Command

  • دستور summarise(). The summarise() Command

  • دستور group_by(). The group_by() Command

سایر دستورات dplyr Other dplyr Commands

  • دستور count(). The count() Command

  • دستور tally(). The tally() Command

  • دستور n_distinct(). The n_distinct() Command

  • فرمان نمونه () The sample() Command

  • دستور top_n() The top_n() Command

  • دستور bind(). The bind() Command

  • دستور glimpse(). The glimpse() Command

  • تنظیم عملیات (1) Set Operations (1)

  • تنظیم عملیات (2) Set Operations (2)

زنجیر زنی در dplyr Chaining in dplyr

  • زنجیر زدن چیست؟ What Is Chaining?

  • مثال های ساده زنجیرزنی Simple Chaining Examples

  • نمونه های زنجیره ای بیشتر More Chaining Examples

  • حتی نمونه های زنجیره ای بیشتر Even More Chaining Examples

پیوستن به چارچوب های داده Joining Data Frames

  • دستورات اتصال اصلی در dplyr The Main Joining Commands in dplyr

  • دستور ()inner_join The inner_join() Command

  • فرمان semi_join() The semi_join() Command

  • دستور ()left_join The left_join() Command

  • دستور anti_join() The anti_join() Command

  • فرمان () full_join The full_join() Command

استفاده از dplyr و ggplot2 با هم Using dplyr and ggplot2 together

  • چگونه کار می کند How It Works

  • نمودارهای ستونی ساختمان Building Column Charts

  • نمودارهای میانگین پلات ساختمان Building Mean Plot Charts

  • ساخت نمودارهای Scatterplot Building Scatterplot Charts

  • ساخت هیستوگرام ها Building Histograms

  • نمودارهای باکس پلات ساختمان Building Boxplot Charts

تمرین Practice

  • تمرینات عملی Practical exercises

لینک های مفید Useful Links

  • منابع خود را از اینجا دانلود کنید Download Your Resources Here

نمایش نظرات

نظری ارسال نشده است.

آموزش دستکاری داده ها با Dplyr در R
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3 hours
35
Udemy (یودمی) udemy-small
05 آذر 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
32,133
4.5 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bogdan Anastasiei Bogdan Anastasiei

مدرس و مشاور دانشگاه نام من بوگدان آناستازئی است و استادیار دانشگاه ایاسی رومانی ، دانشکده اقتصاد و مدیریت بازرگانی هستم. من بازاریابی اینترنتی و روشهای کمی را برای تجارت آموزش می دهم. من همچنین یک مشاور بازرگانی هستم. من تجزیه و تحلیل ریسک کمی و مطالعات امکان سنجی را برای مشاغل مختلف محلی انجام داده ام و در پروژه های دانشگاهی در مورد تجزیه و تحلیل ریسک و تجزیه و تحلیل بازاریابی مثر است. من همچنین دوره ها و مقالاتی در مورد بازاریابی اینترنتی و فنون ارتباط آنلاین نوشتم. من 24 سال سابقه تدریس و حدود 15 سال سابقه مشاوره بازرگانی دارم.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.