When will I have access to the lectures and assignments?

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

What will I get if I subscribe to this Specialization?

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Data Tidying and Importing with R

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen. Sehen Sie sich die Sprachen an, die wir anbieten.

Data Tidying and Importing with R

Dieser Kurs ist Teil von Spezialisierung „Data Science with R“

Dozenten: Dr. Elijah Meyer

Bei enthalten

Mehr erfahren

3 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

12 Bewertungen

Stufe Anfänger

Keine Vorkenntnisse erforderlich

1 Woche zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

3 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

12 Bewertungen

Stufe Anfänger

Keine Vorkenntnisse erforderlich

1 Woche zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Apply tidy data principles to manipulate and restructure data (e.g., subsetting, adding columns, and transforming data between wide and long formats)
Develop and implement code to join data sets and perform basic web scraping to collect data
Apply data structures such as wide and long formats, using code to convert between these formats as part of data preparation and analysis

Kompetenzen, die Sie erwerben

Kategorie: Data Transformation
Kategorie: Data Wrangling
Kategorie: Data Preprocessing
Kategorie: Exploratory Data Analysis
Kategorie: Data Cleansing
Kategorie: Data Manipulation
Kategorie: Statistical Programming
Kategorie: Data Ethics
Kategorie: Web Scraping
Kategorie: Data Pipelines
Kategorie: Tidyverse (R Package)
Kategorie: Data Integration
Kategorie: Data Collection

Werkzeuge, die Sie lernen werden

Kategorie: R (Software)
Kategorie: R Programming

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

3 Aufgaben

Unterrichtet in Englisch

91% of learners achieved a positive career outcome

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Data Science with R“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 3 Module

Build confidence working with messy, real-world data. In this course, you’ll learn how to import, clean, and organize data in R so that it’s ready for analysis, visualization, or modeling.

Using dplyr, tidyr, and other Tidyverse tools, you’ll practice joining datasets, reshaping data, and creating efficient data pipelines that support reproducible work. You’ll also explore how to responsibly collect and scrape data from online sources, including ethical and legal considerations. By the end of this course, you’ll know how to transform raw datasets into structured, tidy formats and you’ll understand how responsible data handling and documentation are essential to high-quality, ethical data science.

Moduldetails

Tidy datasets have a specific structure: each variable is a column, and each observation is a row. In this module, we use functional verbs from the dplyr package in R to transform data into a ready-to-use tidy data format. Additionally, we use functional verbs to manipulate data frames.

Das ist alles enthalten

6 Videos12 Lektüren1 Aufgabe2 Diskussionsthemen1 Plug-in

6 VideosInsgesamt 73 Minuten

Welcome2 Minuten
Tidy Data4 Minuten
Tidying Data7 Minuten
Code Along :: Country Populations Over Time24 Minuten
Joining Data10 Minuten
Code Along :: Continent Populations25 Minuten

12 LektürenInsgesamt 115 Minuten

Course Overview10 Minuten
Meet Your Instructors10 Minuten
Get Ready to Compute with R and RStudio!10 Minuten
Discussion Guidelines10 Minuten
Report a problem with the course5 Minuten
JSS :: Tidy Data10 Minuten
R4DS :: Chp 5 - Data Tidying (Sections 5.3 and 5.4)10 Minuten
Code Along :: Country Populations Over Time - Companion10 Minuten
Code Along :: Country Populations Over Time - Companion (Complete)10 Minuten
R4DS :: Chp 19.1 - 19.4 - Joins10 Minuten
Code Along :: Continent Populations - Companion10 Minuten
Code Along :: Continent Populations - Companion (Complete)10 Minuten

1 AufgabeInsgesamt 60 Minuten

Tidy Data Quiz60 Minuten

2 DiskussionsthemenInsgesamt 20 Minuten

Course Introductions10 Minuten
Tidy Basketball Reflection (Optional)10 Minuten

1 Plug-inInsgesamt 15 Minuten

Tidy Basketball15 Minuten

A column in our data set can be stored as many different types, such as numbers or characters. These different data types inform how R treats the data, and whether certain functions are compatible to use with certain types of data. In this module, we discuss more in detail, the different data types classified by R, data classes, as well as how to recode variables in a data set to be different types, classes, or take on different values.

Das ist alles enthalten

6 Videos13 Lektüren1 Aufgabe1 Diskussionsthema1 Plug-in

6 VideosInsgesamt 77 Minuten

Data Types11 Minuten
Code Along :: That's My Type8 Minuten
Data Classes7 Minuten
Code Along :: Halving CO2 Emissions19 Minuten
Importing Data16 Minuten
Code Along :: Importing and Recoding14 Minuten

13 LektürenInsgesamt 130 Minuten

R4DS :: Chp 12.1 - 12.4 - Logical Vectors10 Minuten
R4DS :: Chp 13 - Numbers10 Minuten
R4DS :: Chp 14.1 - 14.3 - Strings10 Minuten
Code Along :: That's My Type - Companion10 Minuten
Code Along :: That's My Type - Companion (Complete)10 Minuten
R4DS :: Chp 16 - Factors10 Minuten
R4DS :: Chp 17 - Dates and Times10 Minuten
Code Along :: Halving CO2 Emissions - Companion10 Minuten
Code Along :: Halving CO2 Emissions - Companion (Complete)10 Minuten
R4DS :: Chp 7 - Data Import10 Minuten
R4DS :: Chp 20 - Spreadsheets10 Minuten
Code Along :: Importing and Recoding - Companion10 Minuten
Code Along :: Importing and Recoding - Companion (Complete)10 Minuten

1 AufgabeInsgesamt 60 Minuten

Importing + Recoding Data Quiz60 Minuten

1 DiskussionsthemaInsgesamt 10 Minuten

Nobel Prize Winners & Sales Data Reflection (Optional)10 Minuten

1 Plug-inInsgesamt 15 Minuten

Nobel Prize Winners & Sales Data15 Minuten

Web scraping is the process of extracting this information automatically and transforming it into a structured dataset. In this module, we go over how to perform basic web scraping in R to make an abundance of data online more easily accessible.