Visualisez vos résultats avec Tidyverse

Traitement de données évolutif en R

Michael Kane

Assistant Professor, Yale University

Données manquantes par année

library(ggplot2)
library(tidyr)
library(dplyr)


mort %>% 
  bigtable(c("borrower_gender", "year")) %>% 
  as.data.frame()

Données manquantes par année

library(ggplot2)
library(tidyr)
library(dplyr)

mort %>% 
  bigtable(c("borrower_gender", "year")) %>% 
  as.data.frame() %>% 
  mutate(Category = c("Male", "Female", "Not Provided", 
                      "Not Applicable", "Missing"))

Données manquantes par année

library(ggplot2)
library(tidyr)
library(dplyr)

mort %>% 
  bigtable(c("borrower_gender", "year")) %>% 
  as.data.frame() %>% 
  mutate(Category = c("Male", "Female", "Not Provided", 
                      "Not Applicable", "Missing")) %>%
  pivot_longer(-Category, names_to = "Year", values_to = "Count") %>%
  arrange(Year)

Données manquantes par année

library(ggplot2)
library(tidyr)
library(dplyr)

mort %>% 
  bigtable(c("borrower_gender", "year")) %>% 
  as.data.frame() %>% 
  mutate(Category = c("Male", "Female", "Not Provided", 
                      "Not Applicable", "Missing")) %>%
  pivot_longer(-Category, names_to = "Year", values_to = "Count") %>%
  arrange(Year) %>%
  ggplot(aes(x = Year, y = Count, group = Category, 
               color = Category)) + 
  geom_line()

Passons à la pratique !

Traitement de données évolutif en R