Weiter zum Inhalt

Kurs

Datenmanipulation mit data.table in R

BasicSchwierigkeitsgrad

Aktualisiert 08/2024

Lerne die wichtigsten Konzepte der Datenbearbeitung, wie Filtern, Auswählen und Berechnen von Gruppenstatistiken mit data.table.

Kurs kostenlos starten

RData Manipulation4 Std.15 Videos59 Übungen5,050 XP26,202Leistungsnachweis

Kostenloses Konto erstellen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

Beliebt bei Lernenden in Tausenden Unternehmen

Training für 2 oder mehr Personen?

Probiere es mit DataCamp for Business

Kursbeschreibung

Das Paket data.table bietet eine leistungsstarke Variante von base R's data.frame mit Verbesserungen in Syntax und Funktionen für bessere Benutzerfreundlichkeit, Komfort und Programmiergeschwindigkeit. In diesem Kurs lernst du, wie du data.tables erstellst, subsettest und manipulierst. Außerdem lernst du die datenbankinspirierten Funktionen von data.tables kennen, einschließlich integrierter gruppenweiser Operationen. Der Kurs endet mit schnellen Methoden zum Importieren und Exportieren tabellarischer Textdaten wie CSV-Dateien. Nach Abschluss des Kurses kannst du data.table in R für eine effizientere Datenmanipulation und -analyse einsetzen. Im gesamten Kurs arbeitest du mit dem Bay-Area-Bikeshare-Trip-Datensatz aus San Francisco aus dem Jahr 2014.

Voraussetzungen

1

Introduction to data.table

This chapter introduces data.tables as a drop-in replacement for data.frames and shows how to use data.table's i argument to filter rows.

Welcome to the course!

data.table pop quiz

Creating a data.table

Introducing bikes data

Filtering rows in a data.table

Filtering rows using positive integers

Filtering rows using negative integers

Filtering rows using logical vectors

Helpers for filtering

I %like% data.tables

Filtering with %in%

Filtering with %between% and %chin%

Kapitel starten

2

Selecting and Computing on Columns

Just as the i argument lets you filter rows, the j argument of data.table lets you select columns and also perform computations. The syntax is far more convenient and flexible when compared to data.frames.

Selecting columns from a data.table

Selecting a single column

Selecting columns by name

Deselecting specific columns

Computing on columns the data.table way

Computing in j (I)

Computing in j (II)

Advanced computations in j

Computing in j (III)

Combining i and j

Kapitel starten

3

Groupwise Operations

This chapter introduces data.table's by argument that lets you perform computations by groups. By the end of this chapter, you will master the concise DT[i, j, by] syntax of data.table.

Computations by groups

Computing stats by groups (I)

Computing stats by groups (II)

Computing multiple stats

Chaining data.table expressions

Ordering rows

What are the top 5 destinations?

What is the most popular destination from each start station?

Combining i, j, and by (I)

Computations in j using .SD

Using .SD (I)

Using .SD (II)

Kapitel starten

4

Reference Semantics

You will learn about a unique feature of data.table in this chapter: modifying existing data.tables in place. Modifying data.tables in place makes your operations incredibly fast and is easy to learn.

Adding and updating columns by reference

Adding a new column

Updating an existing column (I)

Updating an existing column (II)

Grouped aggregations

Adding columns by group

Updating columns by group

Advanced aggregations

Adding multiple columns (I)

Adding multiple columns (II)

Combining i, j, and by (II)

Kapitel starten

5

Importing and Exporting Data

Not only does the data.table package help you perform incredibly fast computations, it can also help you read and write data to disk with amazing speeds. This chapter focuses on data.table's fread() and fwrite() functions which let you import and export flat files quickly and easily!

Fast data reading with fread()

Fast reading from disk

Importing a CSV file

Importing selected columns

Importing selected rows

Advanced file reading

Reading large integers

Specifying column classes

Dealing with empty and incomplete lines

Dealing with missing values

Fast data writing with fwrite()

Writing files to disk

Writing date and time columns

Fast writing to disk

Kapitel starten

Datenmanipulation mit data.table in R

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 Datenmanipulation mit data.table in R heute!

Kostenloses Konto erstellen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

DataCamp gibt es auch für Mobilgeräte

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