CSV-Datei importieren
# Datei ist im Arbeitsverzeichnis
kabeljau <- read.csv(file = "Wachstum-Futter.csv")
# Alternativ: Angabe des Dateipfads
kabeljau <- read.csv(file = "Pfad/zur/Datei/Wachstum-Futter.csv")
Datenaufbereitung mit tidyverse:
Import/Export und Bereinigung
Data Science 1 - Programmieren & Visualisieren
Universität Hamburg, IMF
Wintersemester
Lernziele
Am Ende dieser VL- und Übungseinheit werden Sie
- Daten in R importieren und auch exportieren können.
- den Unterschied zwischen dem Export von CSV- oder TXT-Dateien und dem Speichern als R-Objekt (.rds/.Rdata) kennen.
- die Grundprinzipien der Datenaufbereitung kennen.
- wissen, was Pakete sind, wie man sie lädt und wie R Funktionen findet.
- wissen, wie die Datenprüfung und -bereinigung in R mithilfe einiger Grund- und ‘tidyverse’-Funktionen erfolgt.
Was können Sie bis jetzt?
Aber wie kommen wir …
… von hier…
nach hier?
Die Datenaufbereitung
Die Datenaufbereitung | Komponenten
Modifiziert von: R for Data Science von Wickham & Grolemund, 2017 (lizenziert unter CC-BY-NC-ND 3.0 US).
Der Import (und Export)
Import aus Calc oder Excel
Basisfunktionen zum Importieren
Beispiel read.table()
→ Liest eine Datei im Tabellenformat ein und erstellt daraus einen Dataframe:
Roadmap für den Import
Beispiel | Import LOKALER CSV-Datei
Fütterungsversuch beim Kabeljau
- Tabellenblatt in der ODS Datei (aus der Calc Übungswoche 3) → als saubere CSV-Datei abgespeichert.
- Jetzt Import mit
read.csv():
- Überprüfung des Imports mit
str(),head()/tail(),View()undsummary():
Import prüfen
str(kabeljau) # Dimensionen und Datentyp'data.frame': 11 obs. of 2 variables:
$ Verzehr : num 1868 140 256 719 1714 ...
$ Wachstum: num 482.2 -90.5 -40.3 236 512.7 ...head(kabeljau) # Teilinhalt Verzehr Wachstum
1 1868.0 482.2
2 140.3 -90.5
3 255.6 -40.3
4 718.8 236.0
5 1714.4 512.7
6 1149.1 296.6# View(kabeljau) # kompletter Inhalt
summary(kabeljau) # deskriptive Statistik -> komische Extremwerte? Verzehr Wachstum
Min. : 140.3 Min. :-90.50
1st Qu.: 323.8 1st Qu.:-15.05
Median : 718.8 Median :198.00
Mean : 856.2 Mean :180.02
3rd Qu.:1323.5 3rd Qu.:349.80
Max. :1868.0 Max. :512.70 Export von Daten
Wenn Sie Ihre Daten exportieren wollen, um sie dann mit anderen Programmen zu bearbeiten, verwenden Sie am besten das gleiche Format wie beim Import.
Die meisten Importfunktionen haben ein Äquivalent zum Exportieren:
write.table(),write.csv(),write.csv2()
Zurück zu unseren Demos..
Von Calc zu R wechseln | Demo A
Lineare Regression zum
Fütterungsversuch beim Kabeljau
Was haben wir gerade gelernt?
# ------------------------------ Vorbereitung ----------------------------------
#### Laden von Paketen
library(tidyverse)
# library(readODS)
# library(readxl)
library(DSBtools)
options(DSBtools.language = "de") # Ausgabe auf Deutsch
#### Eigene Funktionen
# -------------------- Import und Datenaufbereitung ----------------------------
#### Import einer Textdatei im CSV-Format (das gängigste Format)
kabeljau_csv <- read.csv(file = "data/Wachstum-Futter.csv")
str(kabeljau_csv) # --> Output ist ein data frame
#### Import von Calc- und Excel-Dateien (ODS- und XLSX-Format)
# Import einer ODS-Datei mit dem 'readODS' Paket
kabeljau <- readODS::read_ods("data/DS1_W03_Streudiagramm_Kabeljau.ods",
sheet = "Daten_Visualisierung")
str(kabeljau) # --> Output ist ein Tibble
# Import einer XLSX-Datei mit z.B. dem 'readxl' Paket
kabeljau_xlsx <- readxl::read_excel("data/DS1_W03_Streudiagramm_Kabeljau.xlsx",
sheet = "Daten_Visualisierung")
str(kabeljau_xlsx) # --> Output ist ein Tibble
#### Datensichtung und -transformation
# Anpassen der Spaltennamen
names(kabeljau) <- c("verzehr", "wachstum")
str(kabeljau)
# Wertebereich prüfen
summary(kabeljau)
# Beziehung explorieren: Ist sie linear? Gibt es Ausreisser?
explore_var(x = kabeljau$verzehr, y = kabeljau$wachstum,
xlab = "Verzehr/Konsum (J/g/Tag)", ylab = "Wachstum (J/g/Tag)")
# ---------------------- Lineare Regression: Berechnung ------------------------
# (-> Lektion L03 in DSB-02-Datenexploration mit R)
#### Manuelle Berechnung
# Um Tipparbeit zu sparen, speichern wir die Spalten als einzelne Vektoren
x <- kabeljau$verzehr
y <- kabeljau$wachstum
# Steigungsparameter b berechnen
b <- cov(x = x, y = y)/ var(x) # der shortcut mit der Kovarianz und Varianz
b
# Achsenabschnitt a berechnen
a <- mean(y) - b*mean(x)
a
# Das Bestimmtheitsmass R^2 berechnen
y_pred <- a + b*x # die vorhergesagten Werte
ss_gesamt <- sum( (y - mean(y))^2 ) # Summenquadrate Gesamt
ss_regression <- sum( (y_pred - mean(y))^2 ) # Summenquadrate der Regression
R2 <- round(ss_regression/ss_gesamt, 4)
R2
##### Zum Vergleich die Regression automatisch berechnen mit lm()
# Erstellung des Modells
mod <- lm(formula = wachstum ~ verzehr, data = kabeljau)
mod
# Ausgabe nur der beiden Koeffizienten
coef(mod)
# Ausgabe aller wichtigen Statistiken des Modells, inklusive von R^2
# (mehr dazu in Data Science 2)
summary(mod)
# ------------------- Lineare Regression: Visualisierung ----------------------
#### Visualisierung mit den Basisfunktionen (-> Lektion L02 und L03 in DSB-02)
# Sog. high-level Funktion plot()
plot(x = kabeljau$verzehr, y = kabeljau$wachstum,
pch = 15, cex = 1.2, col = "#004586",
xlab = "Verzehr/Konsum (J/g/Tag)", ylab = "Wachstum (J/g/Tag)")
# Sog. low-level Funktionen, die Elemente in den angezeigten Plot einfügen
abline(a = a, b = b)
title(
main = paste0("wachstum = ", round(a, 3), " + ", round(b, 3), "*verzehr"),
sub = paste0("Bestimmtheitsmaß R^2 = ", R2)
) # (paste0() verkettet Zeichen miteinander)
#### Visualisierung mit ggplot2 (-> siehe swirl-Kurs DSB-04)
kabeljau |>
ggplot(aes(x = verzehr, y = wachstum)) + # initiert Plot
geom_point(colour = "#004586", shape = 15, size = 3) +
# Punktelemente hinzufügen
geom_abline(slope = b, intercept = a) +
# Achsenbeschriftung anpassen und Titel hinzufügen
labs(x = "Verzehr/Konsum (J/g/Tag)", y = "Wachstum (J/g/Tag)",
title = str_c("wachstum = ", round(a, 3), " + ", round(b, 3), "*verzehr"),
subtitle = str_c("Bestimmtheitsmaß R^2 = ", R2)) +
# das Layout anpassen
theme_bw()Von Calc zu R wechseln | Demo B
Deskriptive Statistik mit iris
Was haben wir gerade gelernt?
# ------------------------------ Vorbereitung ----------------------------------
#### Laden von Paketen
library(tidyverse) # laedt 9 Pakete
# # (das gleiche wie alle Pakete einzeln zu laden)
# library(dplyr)
# library(forcats)
# library(ggplot2)
# library(lubridate)
# library(purrr)
# library(readr)
# library(stringr)
# library(tibble)
# library(tidyr)
library(DSBtools)
options(DSBtools.language = "de") # Ausgabe auf Deutsch
#### Eigene Funktionen
# Variantionskoeffizient
cv <- function(x) {
sd(x)/mean(x)
}
# -------------------- Import und Datenaufbereitung ----------------------------
#### Import von CSV-Dateien
# (-> Swirl-Lektion L01 in DSB-03-Datenaufbereitung oder per Anleitung durchs Tidyversum)
# Import der ODS-Datei, welche in den Zeilen 66-68 noch Text enthaelt
iris <- readODS::read_ods("data/DS1_W03_Saeulendiagramm_mit_iris.ods")
#### Prüfung des Imports und Datensichtung
# (-> Swirl-Lektion L02 in DSB-03)
# Prüfung des Datentyps --> IMMER DIREKT NACH DEM IMPORT VERWENDEN!
str(iris) # str = structure
# Betrachtung des Inhalts
iris
# View(iris)
# Korrektur des Datentyps und der Zeilen
iris <- iris[1:60, ] |>
mutate(across(Sepal.Length:Petal.Width, as.numeric)) |>
mutate(Species = as.factor(Species))
str(iris)
# Welche Werte kommen in jeder Spalte vor?
lapply(iris, unique)
### Weitere Funktionen zur Sichtung einzelner Aspekte
head(iris) # zeigt erste 6 Zeilen (Kopfzeilen)
tail(iris) # zeigt letzte 6 Zeilen (Endzeilen)
class(iris) # Identifikation der Objektklasse (Vektor, Matrix, dataframe,..)
nrow(iris) # Anzahl Zeilen
ncol(iris) # Anzahl Spalten
dim(iris) # Anzahl aller Dimensionen
names(iris) # Spaltennamen
typeof(iris$Sepal.Length) # Datentyp von Spalte 'Sepal.Length'
typeof(iris$Species) # Datentyp von Spalte 'Species'
# ----------------------- Deskriptive Statistik --------------------------------
#### Berechnung mehrerer Statistiken für jede Spalte im data frame
# Klassische Zusammenfassung mit base R (Ausgabe nur in der Konsole)
summary(iris)
# Shortcut mit DSBtools: Statistiken für jede Spalte, passend zum erkannten
# Variablentyp (z.B. Häufigkeiten bei 'Species', Mittelwert & Co. bei den
# metrischen Spalten). Das Ergebnis ist ein Objekt, mit dem Sie weiterarbeiten
# können - speichern Sie es dazu unter einem Namen:
describe_df(data = iris)
#### Berechnung versch. Statistiken der Kronblattlaenge, gruppiert nach Art
# (-> Lektion L01 in DSB-02-Datenexploration mit R)
# (-> Lektion L06-Gruppierte Aggregation in DSB-03)
iris_summary <- iris |>
group_by(Species) |>
summarise(
PL_mean = mean(Petal.Length), # Mittelwert
PL_median = median(Petal.Length), # Median
PL_var = var(Petal.Length), # Varianz
PL_sd = sd(Petal.Length), # Standardabweichung
PL_se = sd(Petal.Length)/sqrt(length(Petal.Length)), # Standardfehler
PL_cv = cv(Petal.Length) # Variationskoeffizient
) |>
# die Artnamen anpassen (hier Gattungsnamen anfügen) und als Faktor speichern
mutate(Species = factor(paste0("Iris ", Species))) |>
# nun die Reihenfolge der Faktorstufen nach PL_mean sortieren
mutate(Species = fct_reorder(.f = Species, .x = PL_mean, .desc = TRUE))
# Zusammenfassung ansehen
iris_summary
# Kontrolle mit DSBtools: Stimmen Ihre Werte? describe_var() berechnet die
# Statistiken der Variable 'x' getrennt für jede Gruppe in 'by'
# (Angaben zum 95%-Konfidenzintervall -> kommt in Data Science 2)
iris_stats <- describe_var(x = iris$Petal.Length, by = iris$Species)
iris_stats
#### Saeulendiagramm erstellen mit dem 'ggplot2' Paket
# (siehe auch swirl-Kurs DSB-04-Datenvisualisierung mit ggplot2)
iris_summary |>
ggplot(aes(x = Species, y = PL_mean)) + # initiert Plot
# die Saeulen hinzufügen
geom_col(fill = "#004586") +
# die Fehlerbalken hinzufügen
geom_errorbar((aes(ymin = PL_mean - PL_sd, ymax = PL_mean + PL_sd)),
width = 0.2) +
# Achsenbeschriftung anpassen
ylab("Kronblattlänge (in cm)") +
xlab("Schwertlilienart (Gattung Iris)") +
# das Layout anpassen
theme_bw()‘Tidy (uni)verse’
Ist eine Sammlung von R Paketen, die die gleiche Philosophie teilen und aufeinander abgestimmt sind:
Modifiziert von: R for Data Science von Wickham & Grolemund, 2017 (lizenziert unter CC-BY-NC-ND 3.0 US).
Moment … ein kurzer Abstecher zu Paketen
Der Suchpfad
Wenn ein spezifisches Paket geladen wird, wird es als ‘default’ zum Suchpfad hinzugefügt:
Reihenfolge der Suchumgebungen
- Um eine Funktion aufrufen zu können, muss R sie erstmal finden. Dafür sucht R als erstes in der globalen Umgebung.
- Anschließend sucht R im Suchpfad, also der Liste aller geladenen Pakete, und zwar in einer spezifischen Reihenfolge.
- Wenn R mehrere Funktionen mit dem gleichen Namen findet, verwendet es die Funktion des zuletzt geladenen Pakets.
Modifiziert von: Advanced R von H. Wickham, 2014
Suchpfad anzeigen
Sie können sich den Suchpfad explizit anzeigen lassen mit search().
Suchpfad einer frischen Sitzung
search() [1] ".GlobalEnv" "tools:rstudio" "package:stats"
[4] "package:graphics" "package:grDevices" "package:utils"
[7] "package:datasets" "package:methods" "Autoloads"
[10] "package:base" Beim Laden von tidyverse werden 9 weitere ‘tidyverse’ Pakete mit geladen (es wird dabei auch ein Konflikt mit Funktionsnamen angezeigt - filter() und lag() existieren in 2 Paketen):
tidyverse laden
library(tidyverse)── Attaching core tidyverse packages ──────────────── tidyverse 2.0.0 ──
✔ dplyr 1.1.4 ✔ readr 2.1.6
✔ forcats 1.0.1 ✔ stringr 1.6.0
✔ ggplot2 4.0.1 ✔ tibble 3.3.1
✔ lubridate 1.9.4 ✔ tidyr 1.3.2
✔ purrr 1.2.1
── Conflicts ────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
ℹ Use the conflicted package to force all conflicts to become errors(Die Versionsnummern können bei Ihnen abweichen.)
Wie kann man Pakete aus der Sitzung deaktivieren?
Pakete werden aus dem Suchpfad mit detach() entfernt - dabei muss package: vor den Paketnamen gesetzt werden:
Paket entfernen
detach("package:dplyr")Oder indem die Box neben dem Paketnamen im ‘Packages’ Fenster entfernt wird:
Your turn …
Quiz 1 | Funktionskonflikte
Datenbereinigung mit ‘tidyr’
Handling fehlender Werte
3 hilfreiche Funktionen für den Umgang mit NAs
tidyr::drop_na(data, ...): Entfernt alle Zeilen, die fehlende Werte enthalten.tidyr::fill(data, ..., .direction = c("down", "up")): Füllt fehlende Werte mit den vorherigen (direction = “down”) oder nachfolgenden (direction = “up”) Einträgen auf.tidyr::replace_na(data, replace = list(), ...): Ersetzt fehlende Werte mit einem spezifischen Wert für jede Spalte.
Your turn …
Quiz 2-4 | Handling fehlender Werte
Der Datensatz
Gegeben sind folgende hydrografische Messungen der Ostsee-Station 1321 vom August 2015:
sample1 station lat long depth pres temp psal doxy
1 1321 55 13.3 47 0.2 17.93 8.167 NA
2 1321 55 13.3 47 1.0 NA NA NA
3 1321 55 13.3 47 5.0 NA 8.328 4.60
4 1321 55 13.3 47 10.0 17.49 8.349 4.50
5 1321 55 13.3 47 15.0 17.44 NA 4.50
6 1321 55 13.3 47 20.0 17.04 8.340 4.50
7 1321 55 13.3 47 25.0 NA 8.303 4.60
8 1321 55 13.3 47 30.0 15.56 NA 4.60
9 1321 55 13.3 47 35.0 11.29 7.915 4.78
10 1321 55 13.3 47 40.0 NA 8.417 NA
11 1321 55 13.3 47 45.0 11.19 NA NApres = Druck, temp = Temperatur, psal = Salinität, doxy = gelöster Sauerstoff
2 | Zeilen mit NAs entfernen
sample1_mod1 <- drop_na(sample1, psal)
sample1_mod1[ ,5:8] pres temp psal doxy
1 0.2 17.93 8.167 NA
2 5.0 NA 8.328 4.60
3 10.0 17.49 8.349 4.50
4 20.0 17.04 8.340 4.50
5 25.0 NA 8.303 4.60
6 35.0 11.29 7.915 4.78
7 40.0 NA 8.417 NA3 | NAs ersetzen
sample1_mod2 <- fill(sample1, temp:doxy, .direction = 'downup')
sample1_mod2[ ,5:8] pres temp psal doxy
1 0.2 17.93 8.167 4.60
2 1.0 17.93 8.167 4.60
3 5.0 17.93 8.328 4.60
4 10.0 17.49 8.349 4.50
5 15.0 17.44 8.349 4.50
6 20.0 17.04 8.340 4.50
7 25.0 17.04 8.303 4.60
8 30.0 15.56 8.303 4.60
9 35.0 11.29 7.915 4.78
10 40.0 11.29 8.417 4.78
11 45.0 11.19 8.417 4.784 | NAs austauschen
sample1_mod3 <- replace_na(sample1, list(
temp = median(sample1$temp, na.rm = TRUE),
psal = median(sample1$psal, na.rm = TRUE),
doxy = median(sample1$doxy, na.rm = TRUE) )
)
sample1_mod3[ ,5:8] pres temp psal doxy
1 0.2 17.93 8.167 4.60
2 1.0 17.04 8.328 4.60
3 5.0 17.04 8.328 4.60
4 10.0 17.49 8.349 4.50
5 15.0 17.44 8.328 4.50
6 20.0 17.04 8.340 4.50
7 25.0 17.04 8.303 4.60
8 30.0 15.56 8.328 4.60
9 35.0 11.29 7.915 4.78
10 40.0 17.04 8.417 4.60
11 45.0 11.19 8.328 4.60Anpassung der Daten an ein standardisiertes Muster
Wechsel zwischen dem langen und weiten Format
Pivot-Tabellenmanager in Calc
Funktionen im R Paket tidyr
Das ‘tidyr’ Paket bietet zwei Funktionen für den Wechsel des Formats:
- Von weit zu lang:
pivot_longer()(ehemalsgather()) - Von lang zu weit:
pivot_wider()(ehemalsspread())
Wechsel von weitem zum langen Format | 1
pivot_longer() → bewegt Spaltennamen in eine Schlüsselspalte und rafft die Werte der Spalten in eine einzelne Spalte zusammen.
Wechsel von weitem zum langen Format | 2
Beispiel iris
Vom weiten ins lange Format
iris_long <- pivot_longer(
data = iris,
cols = Sepal.Length:Petal.Width,
names_to = "Leaf.Param",
values_to = "Size"
)Objektklasse prüfen
class(iris_long)[1] "tbl_df" "tbl" "data.frame"Aus dem Dataframe ist ein Tibble geworden - das machen alle tidyverse-Funktionen so (dazu gleich mehr).
Die ersten 12 Zeilen
print(iris_long, n = 12)# A tibble: 600 × 3
Species Leaf.Param Size
<fct> <chr> <dbl>
1 setosa Sepal.Length 5.1
2 setosa Sepal.Width 3.5
3 setosa Petal.Length 1.4
4 setosa Petal.Width 0.2
5 setosa Sepal.Length 4.9
6 setosa Sepal.Width 3
7 setosa Petal.Length 1.4
8 setosa Petal.Width 0.2
9 setosa Sepal.Length 4.7
10 setosa Sepal.Width 3.2
11 setosa Petal.Length 1.3
12 setosa Petal.Width 0.2
# ℹ 588 more rowsWozu? Z.B. facettierte Plots
Ein Panel pro Parameter
iris_long |>
ggplot(aes(x = Species, y = Size)) +
geom_boxplot() +
facet_wrap(~Leaf.Param)
Zur Erinnerung: ‘Tibbles’
Wann entstehen sie?
- beim Import mit
read_csv()& Co. (readr) sowie mit readODS oder readxl - bei Umformungen mit Funktionen aus den ‘tidyverse’ Paketen
- oder gezielt mit
as_tibble():
Dataframe umwandeln
iris_tbl <- as_tibble(iris)
class(iris)[1] "data.frame"class(iris_tbl)[1] "tbl_df" "tbl" "data.frame"Ein ‘Tibble’ ist weiterhin ein ‘Dataframe’, hat aber zusätzlich die Klassen ‘tbl_df’ und ‘tbl’.
Anzeige anpassen
Standardmäßig zeigt ein ‘Tibble’ nur die ersten 10 Zeilen und alle Spalten, die in die Konsole passen. Mit print() lässt sich das ändern:
Zeilen (n) und Spalten (width) festlegen
print(iris_tbl, n = 2, width = Inf) # Inf = alle Spalten# A tibble: 150 × 5
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
<dbl> <dbl> <dbl> <dbl> <fct>
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3 1.4 0.2 setosa
# ℹ 148 more rowsMehr zu ‘Tibbles’: vignette("tibble")
Trennen und verbinden von Spalten bzw. Informationen
→ separate() wurde in neueren tidyr-Versionen durch separate_wider_delim() abgelöst (‘superseded’), funktioniert aber weiterhin.
Your turn …
Quiz 5-7 | Datenformat ändern
Ein Vergleich
Warum sind pivot_longer() und pivot_wider() nicht perfekt symmetrisch? Begutachten Sie sorgfältig folgenden Datensatz (hier wieder ein Tibble):
stocks# A tibble: 9 × 3
year quarter stock_return
<dbl> <int> <dbl>
1 2014 2 0.97
2 2014 3 1.13
3 2014 4 0.77
4 2015 1 0.61
5 2015 2 0.77
6 2015 3 1
7 2015 4 0.95
8 2016 1 0.79
9 2016 2 1.365 | Von lang zu weit
Vervollständigen Sie den Code, um den Datensatz in folgendes Format zu bringen:
# A tibble: 3 × 5
year `2` `3` `4` `1`
<dbl> <dbl> <dbl> <dbl> <dbl>
1 2014 0.97 1.13 0.77 NA
2 2015 0.77 1 0.95 0.61
3 2016 1.36 NA NA 0.79stocks_mod1 <- pivot_wider(
stocks,
names_from = quarter,
values_from = stock_return
)
stocks_mod1# A tibble: 3 × 5
year `2` `3` `4` `1`
<dbl> <dbl> <dbl> <dbl> <dbl>
1 2014 0.97 1.13 0.77 NA
2 2015 0.77 1 0.95 0.61
3 2016 1.36 NA NA 0.796 | Von weit zu lang
Vervollständigen Sie den Code, um den Datensatz zurück ins ursprüngliche Format zu bringen.
stocks_mod2 <- pivot_longer(
stocks_mod1,
cols = -year,
names_to = 'quarter',
values_to = 'stock_return'
)
stocks_mod2# A tibble: 12 × 3
year quarter stock_return
<dbl> <chr> <dbl>
1 2014 2 0.97
2 2014 3 1.13
3 2014 4 0.77
4 2014 1 NA
5 2015 2 0.77
6 2015 3 1
7 2015 4 0.95
8 2015 1 0.61
9 2016 2 1.36
10 2016 3 NA
11 2016 4 NA
12 2016 1 0.797 | Unterschied
Zurück zur Eingangsfrage: Warum sind pivot_longer() und pivot_wider() nicht perfekt symmetrisch?
Quiz 8 | Trennen von Spalten
stocks1 <- unite(
stocks, quarter, year,
col = 'time',
sep = '/')
stocks1# A tibble: 9 × 2
time stock_return
<chr> <dbl>
1 2/2014 0.97
2 3/2014 1.13
3 4/2014 0.77
4 1/2015 0.61
5 2/2015 0.77
6 3/2015 1
7 4/2015 0.95
8 1/2016 0.79
9 2/2016 1.36stocks2 <- separate(
stocks1, time,
into = c('quarter', 'year'))
stocks2# A tibble: 9 × 3
quarter year stock_return
<chr> <chr> <dbl>
1 2 2014 0.97
2 3 2014 1.13
3 4 2014 0.77
4 1 2015 0.61
5 2 2015 0.77
6 3 2015 1
7 4 2015 0.95
8 1 2016 0.79
9 2 2016 1.36Übungen
Optionale swirl-Lektionen zur Vertiefung
Kurs DSB-03-Datenaufbereitung oder per Anleitung durchs Tidyversum
- L01-Import und Export von Daten
- L02-Daten sichten
- L03-Einführung ins Tidyversum
- L04-Datenbereinigung mit tidyr
Übungsaufgaben Woche 7
Alle Aufgaben der Übungswoche finden Sie im Handbuch:
- die zu bearbeitenden Übungsskripte
- die (optionalen) swirl-Lektionen und
- den aktuellen Stand der Fallstudie.
- Die Übungsskripte und Daten liegen in Ihrem R-Projektordner DS1-R-Uebungen (Unterordner uebungsskripte bzw. data).
- Öffnen Sie immer zuerst die Projektdatei DS1-R-Uebungen.Rproj, dann stimmen alle Dateipfade.
Wie fühlen Sie sich jetzt…?
Total konfus?
Lesetipps
- Kapitel Data import und
- Kapitel Data tidying in ‘R for Data Science’ (2. Auflage).
- Posit und DSB Cheatsheets (s. nächste Folien)
Posit Cheatsheet | 1
Überblick an tidyverse Funktionen zum Datenimport
Cheatsheet zum readr Paket frei verfügbar unter diesem Link.
Posit Cheatsheet | 2
Überblick an Funktionen im tidyr Paket
Cheatsheet zum tidyr Paket frei verfügbar unter diesem Link.
DSB Cheatsheet: R-Grundlagen und Data Wrangling
Enthält wichtigste Funktionen der Datenaufbereitung.
Total gelangweilt?
Dann testen Sie doch Ihr Wissen in folgendem Abschlussquiz…
Abschlussquiz
Bei weiteren Fragen: saskia.otto(at)uni-hamburg.de
Diese Arbeit ist lizenziert unter einer Creative Commons Attribution-ShareAlike 4.0 International License mit Ausnahme der entliehenen und mit Quellenangabe versehenen Abbildungen.