Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Daten in freier Wildbahn können einschüchternd sein – bei einem komplizierten, chaotischen Datensatz fragst du dich vielleicht: Wo fange ich überhaupt an? Mit dem Paket tidyr kannst du solche Ungetüme in saubere, übersichtliche Datensätze verwandeln. Schwer zugängliche Werte, die in Spaltennamen stecken, kommen in Zeilen, JSON-Dateien werden zu Data Frames, und fehlende Werte gehen dir nicht länger verloren. Du übst diese Techniken an ganz unterschiedlichen, „unordentlichen“ Datensätzen und erfährst dabei unter anderem, wie viele Hunde die Sowjetunion ins All geschickt hat und welcher Vogel in Neuseeland am beliebtesten ist. Mit tidyr in deinem tidyverse-Werkzeugkasten kannst du nahezu jeden Datensatz in ein aufgeräumtes Format bringen – das zahlt sich für den Rest deiner Analyse aus.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Tidy Data
Du lernst das Konzept von „tidy data“ kennen, das im Kurs zentral ist. In den ersten beiden Lektionen legst du direkt los: Du zerlegst unübersichtliche Zeichenketten-Spalten in saubere Variablen und Beobachtungen, die bereit für die Analyse sind. In der letzten Lektion lernst du, fehlende Werte zu überschreiben und zu entfernen.
- Was ist Tidy Data?50 XP
- Tidy-Datenstruktur100 XP
- Mehrere Variablen pro Spalte100 XP
- Spalten mit mehreren Werten50 XP
- Internationale Telefonnummern100 XP
- Beobachtungen aus Werten extrahieren100 XP
- In Spalten und Zeilen aufteilen100 XP
- Fehlende Werte50 XP
- Und der Oscar für die beste Regie geht an ... <NA>100 XP
- Fehlende Verkaufsdaten imputieren100 XP
- Atomwaffen pro Kontinent100 XP
2
Von breit zu lang – und zurück
In diesem Kapitel drehst du Daten mithilfe der Funktionen pivot_longer() und pivot_wider() vom breiten ins lange Format und wieder zurück. Diese Funktionen brauchst du, wenn Variablen in unübersichtlichen Spaltennamen versteckt sind oder wenn Variablen in Zeilen statt in Spalten gespeichert wurden. Unterwegs geht es um Weltraumhunde, Atombomben und Planetentemperaturen.
3
Daten erweitern
In deinen Daten fehlen oft Werte – manchmal sogar ganze Beobachtungen. In diesem Kapitel lernst du, wie du deinen Datensatz mit diesen fehlenden Beobachtungen vervollständigst. Du fügst Beobachtungen mit Nullwerten zu gezählten Daten hinzu, erweiterst Zeitreihen zu vollständigen Folgen von Intervallen und mehr!
4
Daten rechteckig machen
Im letzten Kapitel lernst du, wie du verschachtelte Datenstrukturen wie JSON- und XML-Dateien in saubere, rechteckige Daten überführst. Diese Fähigkeit ermöglicht es dir, Daten aus Web-APIs zu verarbeiten. Du lernst auch, wie sich verschachtelte Strukturen für elegante Modellierungs-Pipelines nutzen lassen, die aufgeräumte Ergebnisse liefern.
R
Daten umformen mit tidyr
Kurs
abgeschlossen
