Faxina de dados

Repositório principal do curso Faxina de dados.

Inscreva-se no curso: https://www.curso-r.com/cursos/faxina

Acesse o material completo do curso escolhendo uma das turmas abaixo.

Turma	Material	Github
maio de 2021	https://curso-r.github.io/202105-faxina	https://github.com/curso-r/202105-faxina

Imagem de Allison Horst.

Ementa

O que são bases bagunças e arrumadas?
- Conceito de tidy data
- Reprodutibilidade fraca e forte
- Organizando projetos de faxina de dados
Ferramentas úteis
- Pacote {janitor}
- Funções menos conhecidas do {tidyverse}
Resolvendo problemas de importação
- Encoding
- Bases grandes
- PDF e OCR
Cases de preparação de dados

Plano de aulas

Aula 01

Organização de projetos
Conceito de tidy data
Faxina de dados da SSP
- Problemas de encoding
Faxina de dados em um projeto de consultoria

Aula 02

Pacote {janitor}
Funções menos conhecidas do {dplyr} e do {tidyr}
Funções de leitura de dados
Faxina de dados em um projeto de consultoria (continuação)
Leitura de dados em outros formatos
- PDF e OCR
- Json e HTML/XML
Leitura de dados grandes
- Dados da RFB (brasil.io)

Aula 03

Integração de dados
Fazendo um projeto completo do zero
Atividades que não deu tempo de fazer

Pacotes necessários

Este curso tem algumas dependências. Separamos em dois grupos de dependências:

Principal: scripts principais do curso.
Difíceis: pacotes que podem ser difíceis de instalar e que vamos usar apenas em situações muito específicas. Tente instalar, mas se não conseguir não se preocupe.

# Principal
principal <- c(
  "tidyverse",
  "flexdashboard",
  "fs",
  "janitor",
  "data.table",
  "vroom",
  "usethis",
  "remotes",
  "tictoc",
  "reprex",
  "padr",
  "rmarkdown",
  "openxlsx",
  "writexl",
  "stringdist",
  "fuzzyjoin"
)

install.packages(principal)

# Pacotes que podem ser mais dificeis de instalar
# dependendo do seu sistema operacional
dificeis <- c(
  "arrow",
  "tesseract",
  "magick",
  "pdftools",
  "sf"
)

install.packages(dificeis)