50 % Rabatt auf DataCamp Premium. Über 700 Kurse zum halben Preis. Beginne jetzt mit dem Lernen.
Kursbeschreibung
Daten zu analysieren, die in Tabellen vorliegen, macht Spaß. Aber was, wenn das Spannendste nicht als ordentlich organisierter Datensatz vorliegt, sondern als reiner Text? Kein Grund zur Sorge: In diesem Kurs lernst du alles, was du brauchst, um leistungsstarke reguläre Ausdrücke zu erstellen, mit denen du alle Informationen findest, die du für deine Analysen brauchst – selbst aus einem Textblock. Und nicht nur das. Mithilfe von String-Distanzen lernst du, auch mit Text zu arbeiten, der Tippfehler oder Scanfehler enthält, da du ihn seinen korrekten Entsprechungen aus anderen Datenquellen zuordnen kannst (Record Linkage). Als Lernmaterial analysieren wir reale Dokumente zu Kinoeinspielergebnissen in der Schweiz.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Reguläre Ausdrücke: Eigene Muster schreiben
Reguläre Ausdrücke können anfangs ziemlich einschüchternd wirken, weil sie viele Sonderzeichen enthalten. In diesem Kapitel lernst du, diese zu entschlüsseln und eigene Muster zu schreiben, um genau das zu finden, wonach du suchst.
- Willkommen50 XP
- Beginnt mit, endet mit100 XP
- Wenn du nicht genau weißt, wonach du suchst100 XP
- Zeichenklassen und Wiederholungen50 XP
- Ziffern, Wörter und Leerzeichen100 XP
- Wiederholungen matchen100 XP
- Welches Sonderzeichen konnte nochmal was?100 XP
- Die Pipe und das Fragezeichen50 XP
- Entweder oder100 XP
- Das Fragezeichen und seine zwei Bedeutungen100 XP
- Das kannst du jetzt lesen!50 XP
2
Zeichenketten aus Daten erstellen
In diesem Kapitel entfernen wir uns ein wenig von regulären Ausdrücken und konzentrieren uns auf String-Manipulation, indem wir Zeichenketten aus anderen Datenstrukturen wie Vektoren oder Listen erstellen.
3
Strukturierte Daten aus Text extrahieren
Eine Aufgabe, in der reguläre Ausdrücke besonders glänzen, ist, aus einem Textblock Sinn zu gewinnen. In diesem Kapitel lernst du, Informationen aus unübersichtlichen Daten zu extrahieren, die nicht in sauber angeordneten Tabellen vorliegen, sondern als reiner Text.
4
Ähnlichkeiten zwischen Zeichenketten
Im letzten Kapitel wechseln wir den Fokus von regulären Ausdrücken hin zu String-Distanzen. Indem wir die Unterschiede zwischen mehreren Zeichenketten berechnen, können wir ähnliche zueinander in Beziehung setzen. Das hilft uns, Duplikate zu finden, selbst wenn sie kleine Fehler wie Tippfehler enthalten. Das ist ein wichtiger Teil des Record Linkage, bei dem wir Datensätze aus mehreren Quellen zusammenführen.
R
Fortgeschrittene Reguläre Ausdrücke in R
Kurs
abgeschlossen
