In this chapter, you will learn how to create graphical and numerical summaries of two categorical variables.

Exploring categorical data

Bar chart expectations

Contingency table review

Dropping levels

Side-by-side bar charts

Bar chart interpretation

Counts vs. proportions

Conditional proportions

Counts vs. proportions (2)

Distribution of one variable

Marginal bar chart

Conditional bar chart

Improve pie chart

Exploring Categorical Data

In this chapter, you will learn how to graphically summarize numerical data.

Numerische Daten erkunden

Facet-Histogramm

Boxplots und Dichteplots

Verteilungen per Plot vergleichen

Verteilung einer Variablen

Rand- und bedingte Histogramme

Interpretation von marginalen und bedingten Histogrammen

Drei Klassenbreiten

Interpretation von drei Binbreiten

Boxplots

Boxplots zur Ausreißererkennung

Diagrammauswahl

Visualisierung in höheren Dimensionen

Plot mit 3 Variablen

3-Variablen-Diagramm interpretieren

Exploring Numerical Data

Now that we've looked at exploring categorical and numerical data, you'll learn some useful statistics for describing distributions of data.

Measures of center

Choice of center measure

Calculate center measures

Measures of variability

Choice of spread measure

Calculate spread measures

Choose measures for center and spread

Shape and transformations

Describe the shape

Transformations

Outliers

Identify outliers

Numerical Summaries

Apply what you've learned to explore and summarize a real world dataset in this case study of email spam.

Introducing the data

Spam and num_char

Spam and num_char interpretation

Spam and !!!

Spam and !!! interpretation

Check-in 1

Collapsing levels

Image and spam interpretation

Data Integrity

Answering questions with chains

Check-in 2

What's in a number?

What's in a number interpretation

Conclusion

Case Study

Cars data

Comics data

Immigration data

Raw life expectancy data

Names data

Raw U.S. income data

Wenn dein Datensatz als Tabelle oder Datenbank vorliegt, ist es schwierig, mehr als seine Größe und die enthaltenen Variablentypen zu erkennen. In diesem Kurs lernst du, wie du mit grafischen und numerischen Techniken die Struktur deiner Daten freilegst. Welche Variablen deuten auf interessante Zusammenhänge hin? Welche Beobachtungen sind ungewöhnlich? Am Ende des Kurses kannst du diese und weitere Fragen beantworten – und dabei aussagekräftige, ansprechende Grafiken erzeugen.

Introduction to Statistics in R

Introduction to Data Visualization with ggplot2

Lernen Sie, grafische und numerische Techniken zur Datenanalyse in R zu nutzen.

Explorative Datenanalyse in R

Hier erfährst du, wie du mit grafischen und numerischen Techniken die Struktur deiner Daten ermittelst.

Associate Data Scientist in R

Datenanalyst  in R

3-Variablen-Diagramm interpretieren

Interaktive praktische Übung