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.

Daten mit dplyr erforschen

Deine Daten verstehen

Spalten auswählen

Die Verben filtern und ordnen

Beobachtungen arrangieren

Filtern nach Bedingungen

Filtern und Anordnen

Das Verb „mutate“ (mutieren)

Berechnung der Anzahl der Staatsbediensteten

Berechnung des Frauenanteils in einem Bezirk

Mutieren, filtern und arrangieren

Daten mit dplyr transformieren

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.

Das Verb zählen

Zählung nach Region

Zählung der Bürger nach Bundesland

Mutieren und Zählen

Die Verben group_by, summarize und ungroup

Zusammenfassend

Zusammenfassung nach Bundesland

Zusammenfassend nach Bundesland und Region

Die Verben slice_min und slice_max

Einen Bezirk aus jeder Region auswählen

Den Staat mit dem niedrigsten Einkommen in jeder Region finden

Zusammenfassen, slice_max und count zusammen verwenden

DataFrames aggregieren

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.

Wählen Sie

Hilfskräfte auswählen

Das Verb umbenennen

Umbenennen einer Spalte nach der Zählung

Umbenennen einer Spalte als Teil eines Selects

Das Verb verschieben

Verwenden von relocate

Zwischen den vier Verben wählen

Auswahl und Umwandlung von Daten

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.

Die Babynamen-Daten

Filtern und Ordnen für ein Jahr

Jedes Jahr die beliebtesten Namen finden

Visualisierung von Namen mit ggplot2

Gruppierte Mutationen

Finde das Jahr, in dem jeder Name am häufigsten vorkommt

Summe und Maximum für jeden Namen addieren

Visualisierung der normalisierten Veränderung der Popularität

Fensterfunktionen

Verhältnisse verwenden, um die Häufigkeit eines Namens zu beschreiben

Die größten Sprünge in einem Namen

Herzlichen Glückwunsch!

Fallstudie: Der babynames-Datensatz

2015 US Census

US Baby Name Records

Angenommen, du hast einen tollen Datensatz gefunden und würdest gerne mehr darüber erfahren. Wie kannst du anfangen, die Fragen zu beantworten, die du zu den Daten hast? Du kannst dplyr verwenden, um diese Fragen zu beantworten - es kann auch bei grundlegenden Transformationen deiner Daten helfen. Du lernst auch, deine Daten zu aggregieren und Variablen hinzuzufügen, zu entfernen oder zu ändern. Auf dem Weg dorthin erkundest du einen Datensatz mit Informationen über Bezirke in den Vereinigten Staaten. Zum Abschluss des Kurses wendest du diese Werkzeuge auf den babynames-Datensatz an, um Trends bei Babynamen in den USA zu untersuchen.

Angenommen, du hast einen tollen Datensatz gefunden und würdest gerne mehr darüber erfahren. Wie kannst du anfangen, die Fragen zu beantworten, die du zu den Daten hast? Verwende dplyr, um diese Fragen zu beantworten.<br><br><h2>Erste Schritte: Daten mit dplyr transformieren</h2>
In diesem Kurs lernst du, wie du mit dem dplyr-Paket in R Daten effizient manipulieren und umwandeln kannst.<br><br>Erforsche zunächst die grundlegenden Datenumwandlungstechniken, einschließlich der Verwendung der wichtigsten dplyr-Verben wie select, filter, arrange und mutate. Mit diesen Funktionen lernst du, wie du Datensätze ändern kannst, indem du bestimmte Spalten auswählst, Zeilen anhand von Bedingungen filterst, Daten sortierst und neue berechnete Spalten erstellst​.<br><br>
<h2>Aggregieren von Daten mit dplyr</h2>Als Nächstes behandelt der Kurs die Datenaggregation, bei der du lernst, wie du Daten zur besseren Interpretation zusammenfassen und verdichten kannst.<br><br> Du wirst verstehen, wie du deine Daten besser interpretieren und verwalten kannst​. Funktionen wie count, group_by und summarize werden vorgestellt, um Operationen durchzuführen, die viele Beobachtungen zu aussagekräftigen Zusammenfassungen aggregieren, die für die Datenanalyse und die Berichterstattung wichtig sind.<br><br><h2>Auswahl und Umwandlung von Daten</h2>Schließlich lernst du fortgeschrittene Techniken zur Datenauswahl und -umwandlung kennen, z. B. die Verwendung von Auswahlhilfen und das Verb umbenennen. Du wirst deine Fähigkeiten auch auf eine reale Fallstudie anwenden und gruppierte Mutationen, Fensterfunktionen und Datenvisualisierung mit ggplot2 üben.<br><br>Am Ende des Kurses wirst du robuste Fähigkeiten zur Datenmanipulation mit dplyr entwickelt haben, die eine effizientere und effektivere Datenanalyse ermöglichen-eine wichtige Fähigkeit für jeden Datenanalysten oder Wissenschaftler.

Introduction to the Tidyverse

Lernen Sie, wie Sie dplyr zur Datenverarbeitung nutzen und wenden Sie es auf eine Fallstudie an.

Datenmanipulation mit dplyr 

Erlernen Sie Tidyverse-Fähigkeiten durch Datenumwandlung und -manipulation mit dplyr.

Associate Data Scientist in R

Datenanalyst  in R

Datenbearbeitung  in R

R Entwickler

Deine Daten verstehen

Datenmanipulation mit dplyr

Interaktive Übung zum Anfassen