Introducere studiu de caz

Date categoriale în Tidyverse

Emily Robinson

Data Scientist

Grafic cu bare intitulat „hell is other people in a pressurized metal tube" cu legenda „procentul din 874 de pasageri aerieni chestionați care au considerat acțiunea foarte sau oarecum nepoliticoasă." Bara cea mai mare este „knowingly bring unruly children" la 82%, iar cea mai mică este „ask to switch seats for family" la 17%. Sunt 9 bare în total. Sondajul provine de la FiveThirtyEight și a fost realizat pe SurveyMonkey.

Date categoriale în Tidyverse

Setul de date original

# A tibble: 1,040 x 27
  RespondentID travel_amount   do_recline   
         <dbl> <chr>           <chr>        
1  3436139758. Once a year or… NA           
2  3434278696. Once a year or… About half t…
3  3434275578. Once a year or… Usually      
4  3434268208. Once a year or… Always       
# ... with 24 more variables: height <chr>,
#   children_sub_18 <chr>,
#   middle_arm_rest_three <chr>,
#   middle_arm_rest_two <chr>,
#   window_shade_control <chr>,
#   rude_move_seats <chr>, rude_talk <chr>,
#   times_get_up <chr>,
#   recliner_obligation <chr>,
#   rude_recline <chr>,
#   eliminate_recline <chr>,
#   rude_switch_seats_friend <chr>,
Date categoriale în Tidyverse

Recapitulare instrumente

wide_data
# A tibble: 2 x 3
  favorite_fruit favorite_vegetable disliked_dessert
  <chr>          <chr>              <chr>           
1 apple          carrot             cookie          
2 orange         cauliflower        cake            
wide_data %>%
   mutate(across(where(is.character), as.factor))
# A tibble: 2 x 3
  favorite_fruit favorite_vegetable disliked_dessert
  <fct>          <fct>              <fct>           
1 apple          carrot             cookie          
2 orange         cauliflower        cake
Date categoriale în Tidyverse

tidyr pivot_longer()

wide_data %>%
   pivot_longer(everything(), names_to = "column", values_to = "value")
# A tibble: 6 x 2
  column             value      
  <chr>              <chr>      
1 favorite_fruit     apple      
2 favorite_fruit     orange     
3 favorite_vegetable carrot     
4 favorite_vegetable cauliflower
5 disliked_dessert   cookie     
6 disliked_dessert   cake       
Date categoriale în Tidyverse

Funcții auxiliare pentru select

wide_data %>%
   select(contains("favorite"))
# A tibble: 2 x 2
  favorite_fruit favorite_vegetable
  <chr>          <chr>             
1 apple          carrot            
2 orange         cauliflower       
Date categoriale în Tidyverse

Să exersăm!

Date categoriale în Tidyverse

Preparing Video For Download...