Weiter zum Inhalt

Kurs

Kategorische Daten im Tidyverse

BasicSchwierigkeitsgrad

Aktualisiert 01/2026

Kurs kostenlos starten

RData Manipulation

4 Std.

13 Videos

44 Übungen

3,600 XP

16,516

Leistungsnachweis

Beliebt bei Lernenden in Tausenden Unternehmen

Ein Team schulen?

Für Unternehmen ausprobieren

Kursbeschreibung

Als Data Scientist arbeitest du oft mit nicht-numerischen Daten wie Berufsbezeichnungen, Umfrageantworten oder demografischen Informationen. R hat eine spezielle Darstellung dafür: Faktoren. In diesem Kurs lernst du, wie du mit ihnen mithilfe des tidyverse-Pakets forcats souverän arbeitest. Außerdem nutzen wir weitere tidyverse-Pakete wie ggplot2, dplyr, stringr und tidyr und setzen reale Datensätze ein, etwa den fivethirtyeight-Flugdatensatz und Kaggle’s State of Data Science and ML Survey. Nach diesem Kurs kannst du Faktorvariablen erkennen und bearbeiten, deine Daten schnell und effizient visualisieren und deine Ergebnisse wirkungsvoll kommunizieren. Mach dich bereit zum Kategorisieren!

Voraussetzungen

Reshaping Data with tidyr

1

Introduction to Factor Variables

In this chapter, you’ll learn all about factors. You’ll discover the difference between categorical and ordinal variables, how R represents them, and how to inspect them to find the number and names of the levels. Finally, you’ll find how forcats, a tidyverse package, can improve your plots by letting you quickly reorder variables by their frequency.

Introduction to qualitative variables

Recognizing factor variables

Qualitative variables in theory

Understanding your qualitative variables

Getting number of levels

Examining number of levels

Examining levels

Making better plots

Reordering a variable by its frequency

Ordering one variable by another

Kapitel starten

2

Manipulating Factor Variables

You’ll continue to dive into the forcats package, learning how to change the order and names of levels and even collapse them into one another.

Reordering factors

Changing the order of factor levels

Tricks of fct_relevel()

Renaming factor levels

Distinguishing between forcats functions

Renaming a few levels

When you have a typo

Collapsing factor levels

Manually collapsing levels

Lumping variables by proportion

Preserving the most common levels

Kapitel starten

3

Creating Factor Variables

Having gotten a good grasp of forcats, you’ll expand out to the rest of the tidyverse, learning and reviewing functions from dplyr, tidyr, and stringr. You’ll refine graphs with ggplot2 by changing axes to percentage scales, editing the layout of the text, and more.

Examining common themed variables

Grouping and reshaping similar columns

Summarizing data

Creating an initial plot

Tricks of ggplot2

Editing plot text

Reordering graphs

Changing and creating variables with case_when()

case_when() with single variable

case_when() from multiple columns

Kapitel starten

4

Case Study on Flight Etiquette

In this final chapter, you’ll take all that you’ve learned and apply it in a case study. You’ll learn more about working with strings and summarizing data, then replicate a publication quality 538 plot.

Case study introduction

Changing characters to factors

Tidying data

Data preparation and regex

Cleaning up strings

Dichotomizing variables

Summarizing data

Recreating the plot

Creating an initial plot

Fixing labels

Flipping things around

Finalizing the chart

End of course recap

Kapitel starten

Kategorische Daten im Tidyverse

Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in deiner LeistungsbeurteilungJetzt anmelden

Schließe dich 19 Millionen Lernenden an und starte Kategorische Daten im Tidyverse heute!

DataCamp gibt es auch für Mobilgeräte

Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.