Spalten auswählen

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

Diese Übung ist Teil des Kurses

Datenmanipulation mit dplyr

Anleitung zur Übung

Verwende glimpse(), um alle Variablen in der Tabelle counties zu untersuchen.
Wähle die Spalten für state, county, population und (unter Verwendung eines Doppelpunkts) alle fünf dieser branchenbezogenen Variablen aus; es gibt fünf aufeinander folgende Variablen in der Tabelle, die sich auf die Branche beziehen, in der die Menschen arbeiten: professional, service, office, construction und production.
Ordne die Tabelle in absteigender Reihenfolge auf service an, um herauszufinden, welche Landkreise die höchste Quote an Beschäftigten im Dienstleistungssektor haben.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# Glimpse the counties table
___

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

Bearbeiten und Ausführen von Code

Diese Übung ist Teil des Kurses

Datenmanipulation mit dplyr

Geringe SchwierigkeitSchwierigkeitsgrad

4.9+

Kurs kostenlos starten

Lerne Verben kennen, mit denen du deine Daten transformieren kannst, z.B. auswählen, filtern, anordnen und verändern. Mit diesen Funktionen kannst du den Datensatz der Landkreise verändern, um bestimmte Beobachtungen anzuzeigen und Fragen zu den Daten zu beantworten.

Exercise 1: Daten mit dplyr erforschen Exercise 2: Deine Daten verstehen Exercise 3: Spalten auswählen Exercise 4: Die Verben filtern und ordnen Exercise 5: Beobachtungen arrangieren Exercise 6: Filtern nach Bedingungen Exercise 7: Filtern und Anordnen Exercise 8: Das Verb „mutate“ (mutieren)Exercise 9: Berechnung der Anzahl der Staatsbediensteten Exercise 10: Berechnung des Frauenanteils in einem Bezirk Exercise 11: Mutieren, filtern und arrangieren

Jetzt, wo du weißt, wie du deine Daten umwandeln kannst, willst du sicher mehr darüber wissen, wie du deine Daten aggregieren kannst, um sie besser interpretieren zu können. Du lernst eine Reihe von Funktionen kennen, mit denen du viele Beobachtungen in deinen Daten zusammenfassen kannst, darunter count, group_by, summarize, ungroup und slice_min/slice_max.

Exercise 1: Das Verb zählen Exercise 2: Zählung nach Region Exercise 3: Zählung der Bürger nach Bundesland Exercise 4: Mutieren und Zählen Exercise 5: Die Verben group_by, summarize und ungroup Exercise 6: Zusammenfassend Exercise 7: Zusammenfassung nach Bundesland Exercise 8: Zusammenfassend nach Bundesland und Region 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: Zusammenfassen, slice_max und count zusammen verwenden

Lerne fortgeschrittene Methoden zum Auswählen und Transformieren von Spalten. Außerdem lernst du die Select-Helfer kennen, d.h. Funktionen, die Kriterien für die auszuwählenden Spalten angeben, sowie das Verb umbenennen.

Exercise 1: Wählen Sie Exercise 2: Spalten auswählen

Aktuelle Übung

Exercise 3: Hilfskräfte auswählen Exercise 4: Das Verb umbenennen Exercise 5: Umbenennen einer Spalte nach der Zählung Exercise 6: Umbenennen einer Spalte als Teil eines Selects Exercise 7: Das Verb verschieben Exercise 8: Verwenden von relocate Exercise 9: Zwischen den vier Verben wählen

Arbeite mit einem neuen Datensatz, der die Namen der Babys enthält, die jedes Jahr in den Vereinigten Staaten geboren werden. Lerne, wie du gruppierte Mutationen und Fensterfunktionen nutzen kannst, um komplexere Fragen zu deinen Daten zu stellen und zu beantworten. Und verwende eine Kombination aus dplyr und ggplot2, um interessante Diagramme zu erstellen und deine Daten weiter zu untersuchen.

Exercise 1: Die Babynamen-Daten Exercise 2: Filtern und Ordnen für ein Jahr Exercise 3: Jedes Jahr die beliebtesten Namen finden Exercise 4: Visualisierung von Namen mit ggplot2 Exercise 5: Gruppierte Mutationen Exercise 6: Finde das Jahr, in dem jeder Name am häufigsten vorkommt Exercise 7: Summe und Maximum für jeden Namen addieren Exercise 8: Visualisierung der normalisierten Veränderung der Popularität Exercise 9: Fensterfunktionen Exercise 10: Verhältnisse verwenden, um die Häufigkeit eines Namens zu beschreiben Exercise 11: Die größten Sprünge in einem Namen Exercise 12: Herzlichen Glückwunsch!