Handling Missing Values in R using tidyr

Offert par
Coursera Project Network
Dans ce Projet Guidé, vous :

Drop missing values using the drop_na() function

Replace missing values using the replace_na() function

Fill missing values using the fill() function

Clock2 hours
IntermediateIntermédiaire
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsAnglais
LaptopOrdinateur de bureau uniquement

Missing data can be a “serious” headache for data analysts and scientists. This project-based course Handling Missing Values in R using tidyr is for people who are learning R and who seek useful ways for data cleaning and manipulation in R. In this project-based course, we will not only talk about missing values, but we will spend a great deal of our time here hands-on on how to handle missing value cases using the tidyr package. Be rest assured that you will learn a ton of good work here. By the end of this 2-hour-long project, you will calculate the proportion of missing values in the data and select columns that have missing values. Also, you will be able to use the drop_na(), replace_na(), and fill() function in the tidyr package to handle missing values. By extension, we will learn how to chain all the operations using the pipe function. This project-based course is an intermediate level course in R. Therefore, to complete this project, it is required that you have prior experience with using R. I recommend that you should complete the projects titled: “Getting Started with R” and “Data Manipulation with dplyr in R“ before you take this current project. These introductory projects in using R will provide every necessary foundation to complete this current project. However, if you are comfortable with using R, please join me on this wonderful ride! Let’s get our hands dirty!

Les compétences que vous développerez

  • Missing Data
  • Data Manipulation
  • tidyr
  • R Programming
  • dplyr

Apprendrez étape par étape

Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :

  1. Getting Started

  2. Import and Explore the data sets

  3. Select Missing Variables

  4. Drop Missing Values

  5. Replace Missing Values

  6. Fill Missing Values

  7. Fill Missing Values - Exercises

  8. Wrap up - Chain all operations

Comment fonctionnent les Projets Guidés

Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.

Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé

Foire Aux Questions

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.