Spalten auswählen

Mit dem Verb select() können wir interessante Fragen zu unserem Datensatz beantworten, indem wir uns auf Gruppen verwandter Verben konzentrieren. Der Doppelpunkt (:) ist praktisch, um mehrere Spalten auf einmal zu erhalten.

Diese Übung ist Teil des Kurses

<Kurs>Datenbearbeitung mit dplyr </Kurs>

Übungsanweisungen

Schau dir mit glimpse() alle Variablen in der Tabelle counties an.
Wähle die Spalten für state,county, population und (mit einem Doppelpunkt) alle fünf dieser branchenbezogenen Variablen aus. In der Tabelle gibt es fünf aufeinanderfolgende Variablen, die sich auf die Branche beziehen, in der die Menschen arbeiten: professional, service, office, construction und production.
Sortiere die Tabelle nach service in absteigender Reihenfolge, um herauszufinden, welche Bezirke die höchsten Beschäftigungsquoten im Dienstleistungssektor haben.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Glimpse the counties table
___

counties %>%
  # Select state, county, population, and industry-related columns
  ___
  # Arrange service in descending order 
  ___

Code bearbeiten und ausführen

Diese Übung ist Teil des Kurses

<Kurs>Datenbearbeitung mit dplyr </Kurs>

Geringe SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Lerne Verben kennen, mit denen du deine Daten umwandeln kannst, darunter „select“, „filter“, „arrange“ und „mutate“. Du wirst diese Funktionen nutzen, um den Datensatz der Bezirke anzupassen, bestimmte Beobachtungen anzusehen und Fragen zu den Daten zu beantworten.

Exercise 1: Daten mit dplyr erkunden Exercise 2: Deine Daten verstehen Exercise 3: Spalten auswählen Exercise 4: Die Verben „filter“ und „arrange“Exercise 5: Beobachtungen organisieren Exercise 6: Nach Bedingungen filtern Exercise 7: Filtern und Anordnen Exercise 8: Das Verb „mutate“Exercise 9: Die Anzahl der Beamten berechnen Exercise 10: Berechnung des Frauenanteils in einem Bezirk Exercise 11: Mutate, filter und arrange

Jetzt, wo du weißt, wie du deine Daten umwandeln kannst, willst du bestimmt mehr darüber erfahren, wie du deine Daten zusammenfassen kannst, damit sie besser zu verstehen sind. Du lernst eine Reihe von Funktionen kennen, mit denen du viele Beobachtungen in deinen Daten machen und zusammenfassen kannst, darunter count, group_by, summarize, ungroup und slice_min/slice_max.

Exercise 1: Das Verb count Exercise 2: Nach Region zählen Exercise 3: Die Einwohner nach Bundesstaaten zählen Exercise 4: Mutieren und zählen Exercise 5: Die Verben „group_by“, „summarize“ und „ungroup“Exercise 6: Zusammenfassen Exercise 7: Nach Bundesstaaten zusammenfassen Exercise 8: Nach Bundesstaat und Region zusammenfassen Exercise 9: Die Verben slice_min und slice_max Exercise 10: Einen Bezirk aus jeder Region auswählen Exercise 11: Den Staat mit dem niedrigsten Einkommen in jeder Region finden Exercise 12: summarize, slice_max und count verwenden

Erlerne fortgeschrittene Methoden zum Auswählen und Umwandeln von Spalten. Finde außerdem heraus, was hinter den Hilfsfunktionen steckt, die Kriterien für die Spalten festlegen, die du auswählen möchtest. Auch auf das Verb „rename“ werden wir näher eingehen.

Exercise 1: Auswählen Exercise 2: Spalten auswählen

Aktuelle Übung

Exercise 3: Hilfsfunktionen Exercise 4: Das Verb „rename“Exercise 5: Eine Spalte nach dem Zählen umbenennen Exercise 6: Eine Spalte als Teil von select umbenennen Exercise 7: Das Verb „relocate“Exercise 8: relocate verwenden Exercise 9: Zwischen den vier Verben wählen

Arbeite mit einem neuen Datensatz, der die Namen von Babys enthält, die jedes Jahr in den USA geboren werden. Lerne, wie du gruppierte Mutationen und Fensterfunktionen nutzen kannst, um komplexere Fragen zu deinen Daten zu stellen und zu beantworten. Nutze außerdem eine Kombination aus dplyr und ggplot2, um interessante Diagramme zu erstellen und dir deine Daten noch genauer anzuschauen.

Exercise 1: Die Daten zu Babynamen Exercise 2: Nach einem Jahr filtern und sortieren Exercise 3: Die beliebtesten Namen jedes Jahres finden Exercise 4: Visualisierung der Namen mit ggplot2 Exercise 5: Gruppierte Mutationen Exercise 6: Das Jahr mit dem häufigsten Vorkommen finden Exercise 7: Die Summe und das Maximum für jeden Namen hinzufügen Exercise 8: Visualisierung der normalisierten Veränderung der Beliebtheit Exercise 9: Fensterfunktionen Exercise 10: Verwendung von Verhältnissen zur Beschreibung der Häufigkeit eines Namens Exercise 11: Die größten Sprünge in der Namensverwendung Exercise 12: Herzlichen Glückwunsch!