在 R 中使用 Dplyr 進行資料操作

Contents

使用最強大的 R 包之一 – dplyr 進行資料整理的簡單教程。

從這 3 小時的課程，你會學到

使用各種條件過濾資料幀
選擇和刪除資料框列（變量）
按列值對資料框進行排序
從現有變數創建新變數
為我們的資料框計算摘要統計
其他有用的操作（計算資料幀行數、選擇頂行、隨機選擇行等）
鏈接 dplyr 命令以編寫強大的資料操作程式碼
連接資料框（五種連接類型）
將 dplyr 與 ggplot2 相結合以創建有意義的圖表

要求

基本的 R 程式知識

課程說明

資料操作是一項重要的資料分析技能 – 實際上，它是資料分析的基礎。本課程是關於 R 中最有效的資料操作工具——dplyr！

作為資料分析師，你將花費大量時間準備或處理資料。資料準備的目標是將原始資料轉換為適合分析的高品質資料源。通常，此過程涉及大量工作。 dplyr 包包含可以使這項工作更容易的工具。

與其他資料操作工具或函數相比，dplyr 有幾個重要的優勢：

它快得多（快 25-30 倍）
它的程式碼更容易編寫和理解
它可以使用鏈接來構建命令序列，從而使程式碼更清晰、執行速度更快

由於這些原因，dplyr 迅速成為 R 資料科學家中最流行的資料操作工具。完成本課程後，你將能夠

這是一門短期課程，但它側重於 dplyr 包中最基本的命令和功能，你可能最常使用的那些命令。

因此，讓我們看看你將在本課程中學到什麼。

第一部分涵蓋五個核心 dplyr 命令。這些命令是：過濾、選擇、變異、排列和總結。當你使用 dplyr 時，幾乎每次都需要這些命令。它們用於對資料框進行子集化、計算新變數、對資料框進行排序、計算統計指標等。以下是他們使用的一些現實生活場景：

你需要從受訪者資料集中提取收入超過 30,000 美元的男性受試者
你需要計算每個受訪者每個家庭成員的收入，知道總收入和家庭成員人數
你有一個包含 27 個變數的資料集，但你只需要 6 個變數進行分析（所以你想刪除額外的變數）
你必須按薪水對員工資料集進行排序
你需要計算對產品的平均滿意度，了解每個客戶的滿意度等。

第二部分介紹其他重要的 dplyr 命令和功能。在本節中，你將學習：

如何統計某個組中的觀察值
如何從資料框中提取隨機樣本
如何根據給定變數從資料框中提取頂部條目( top entries )
如何視覺化資料集的結構
如何在 dplyr 中使用集合操作(如果你在 base R 中使用過這些操作，你會發現 dplyr 將它們提升到了一個全新的水平）。

在第三部分中，你將開始利用 dplyr 的真正力量。在這裡，我們將討論鏈接 -創建僅需單擊即可完成多項任務的 dplyr 命令序列。

第四部分是關於使用 dplyr 連接資料幀。這是一個非常重要的話題，因為很多時候你的資料會在幾個資料框中被發現。因此，你需要將這些資料框合併為一個，以適合你的分析。我們將查看 dplyr 中可用的五種連接類型：inner_join、semi_join、left_join、anti_join 和 full_join。我們將使用一個簡單的示例來檢查每種連接類型的輸出。

在第五部分中，我們將學習如何組合 dplyr 和 ggplot2（使用鏈接）命令來構建富有表現力的圖表和圖形。例如，如果你只想表示受過高等教育的受試者的收入分佈，或者只表示女性受試者的收入與教育水平之間的關係，在本節中你將學習如何做。

每個命令都有視訊說明，詳細解釋了語法和輸出。在課程結束時，提出了大量的實踐練習。通過做這些練習，你將實際應用所學知識。

立即加入本課程，掌握一項關鍵的資料分析能力 – 資料操作！

目標受眾

想成為 R 分析師的人
想學習R的學生和統計學家
想要使用 R 學習資料操作基礎知識的人

講師簡介

Bogdan Anastasiei 大學教師和顧問

我叫 Bogdan Anastasiei，是羅馬尼亞雅西大學經濟與工商管理學院的助理教授。我教授網絡營銷和商業量化方法。我也是一名商業顧問。我為各種本地企業進行了定量風險分析和可行性研究，並參與了風險分析和行銷分析的學術專案。我還編寫了有關網路行銷和線上通訊技術的課程和文章。我有 24 年的教學經驗和大約 15 年的商業諮詢經驗。