R-Code für das Runden von Werten mit dem Paket janitor.
R-Tipp #20 💡
Mit der Funktion round_half_up() aus dem Paket janitor kannst du Werte auf ganze Zahlen runden, während die Funktion round_to_fraction() verwendet wird, um auf einen beliebigen Bruch zu runden. Im Beispiel wurden die Zahlen auf die nächsten Viertel gerundet (Nenner = 4).
Kombination von Histogramm und Dichtediagramm, erstellt mit ggplot2.
R-Code zum Erstellen eines kombinierten Histogramms und Dichtediagramms.
R-Tipp #19 💡
Die Kombination aus #Histogramm und Dichtekurve stellt die Rohdaten in Form von Häufigkeitsbalken dar und ergänzt sie durch eine geglättete Wahrscheinlichkeitsverteilungskurve. Damit lassen sich sowohl genaue Zahlen ermitteln als auch kontinuierliche Trends erkennen.
Die Normalisierung numerischer Variablen wird in R durch die Funktion "rescale" bewerkstelligt.
R-Tipp #18 💡
Liegen numerische Daten auf unterschiedlichen Skalen, sind sie nicht so einfach vergleichbar. Eine gebräuchliche Technik ist das Normalisieren. Zu diesem Zweck wird die sogenannte Min/Max-Skalierung verwendet, bei der die Werte proportional auf einer Skala von 0 bis 1 verteilt werden.
R-Code zum Zusammenführen mehrerer Dataframe-Spalten in einer Spalte.
R-Tipp #17 💡
Das Kombinieren von Spalten ist eine gängige Operation bei der Arbeit mit Datensätzen in #R. Die Funktion unite() ist dabei eine komfortable Möglichkeit, um mehrere Spalten zu einer einzigen zusammenzufassen.
R-Code für die Ausgabe von Prozent- und Absolutwerten mit der Funktion "tabyl".
R-Tipp #16 💡
Dank der Funktion tabyl() aus dem Paket janitor können Prozent- und Absolutwerte zusammen ausgegeben werden. Mit «adorn()» lässt sich die Ausgabe zudem leicht anpassen. Du kannst beispielsweise Summen hinzufügen oder die Anzahl der Nachkommastellen für Prozentwerte festlegen.
Ersetze Google Fonts durch Bunny Fonts (bunny.net/fonts) und übernimm wieder die Kontrolle über die Privatsphäre deiner Nutzer. #BunnyFonts kann kostenlos für kommerzielle Zwecke genutzt werden, verkürzt die Ladezeiten und verfolgt keine Benutzerdaten. Das erleichtert die Umsetzung der DSGVO.
Das Streudiagramm wurde mit den R-Paketen "ggplot2" und "ggtext" erstellt. Die Pinguin-Symbole kennzeichnen Pinguine mit einem Gewicht von über 3000 Gramm.
ggplot2-Code zum Erstellen eines Streudiagramms mit Symbolen als Beschriftung der Teilmenge.
R-Tipp #15 💡
Diagramme, in denen Symbole, Logos und emotionale Bilder im Titel oder in der Bildunterschrift direkt mit wichtigen Daten im #Diagramm verknüpft sind, wecken Interesse und Aufmerksamkeit. Sie lenken den Blick zu den wichtigsten Punkten.
Die Funktion "tapply" wird zusammen mit summary() auf den palmerpenguins-Datensatz angewendet.
R-Tipp #14 💡
Mit tapply() kannst du eine Funktion auf Gruppen anwenden. Dabei kann es sich um vorhandene Funktionen wie mean() oder sd() oder um selbst geschriebene Funktionen handeln. Du kannst tapply() auch mit summary() verwenden, um einen Überblick über die Verteilung der Daten zu erhalten.
Das vergrösserte Säulendiagramm mit Daten aus dem palmerpenguins-Datensatz zeigt die mittlere Schnabellänge der verschiedenen Pinguinarten.
R-Code für das Erstellen eines vergrösserten Säulendiagramms.
R-Tipp #13 💡
Wenn kleine Abweichungen im #Säulendiagramm von Bedeutung sind, ist es empfehlenswert, beides darzustellen. Ein normales Säulendiagramm, das bei Null beginnt, aber auch eine vergrösserte Version, die es dem Leser ermöglicht, die einzelnen Säulenwerte besser zu erkennen.
R-Code für das Zusammenfassen von Kennwerten mit der Funktion "descr".
R-Tipp #12 💡
Um detaillierte deskriptive Statistiken für deine numerischen Variablen zu erhalten, kannst du die Funktion descr() aus dem Paket summarytools nutzen. Dabei kannst du auswählen, welche Statistiken generiert werden sollen, wie z.B. "common", "fivenum", usw.
Mithilfe der R-Funktionen "keep" oder "discard" lassen sich bestimmte Spalten mit logischen Ausdrücken auswählen oder verwerfen.
R-Tipp #11 💡
Mit keep() lassen sich alle Variablen auswählen, die anhand einer von dir ausgewählten Funktion den Wert TRUE zurückgeben. discard() verfolgt den umgekehrten Ansatz. Damit werden alle Variablen ausgewählt, die gemäss einer bestimmten Funktion den Wert FALSE zurückgeben.
Mehrere Histogramme des Datensatzes "palmerpenguins" wurden mit der Funktion par() ausgegeben.
R-Tipp #10 💡
Mit der Funktion par() lassen sich mehrere Plots nebeneinander ausgegeben. Das ist hilfreich, wenn du beispielsweise die Verteilung mehrerer Variablen vergleichen möchtest.
R-Code zum Hinzufügen oder Entfernen von Levels sowie zum Zusammenfassen der seltensten bzw. häufigsten Werte.
R-Code, um die Levels von Faktorenwerten manuell zu ändern.
R-Tipp #9 💡
Mit dem Paket "forcats" lassen sich häufige Aufgaben mit Faktoren einfach erledigen. Es enthält beispielsweise Funktionen zum Hinzufügen oder Entfernen eines Levels sowie zum Ändern der Faktorwerte. Auch das Zusammenfassen bestimmter Werte eines Faktors ist möglich.
R-Code zum Neuordnen der Levels im Plot.
R-Code für das Sortieren der Levels nach ihrer Häufigkeit.
R-Code, um die Reihenfolge der Levels zu ändern.
R-Tipp #8 💡
Das forcats-Paket enthält Funktionen, die das Bearbeiten von Faktoren vereinfachen. forcats unterstützt dich bei vielen Aufgaben, z.B. beim Neuanordnen der Levels basierend auf einer anderen Variable, dem Sortieren der Levels nach ihrer Häufigkeit oder dem Neuordnen der Levels im Plot.
R-Code zum Erstellen von Faktoren. Das Sortieren der Levels wird je nach Funktion unterschiedlich gehandhabt.
R-Tipp #7 💡
Sowohl das Paket readr mit parse_factor() als auch Base R verfügen über eine Funktion zum Erstellen von Faktoren. Dabei gehen beide davon aus, dass die Levels die eindeutigen Werte des Vektors sind. Sie verfolgen jedoch unterschiedliche Ansätze, wie die Levels sortiert werden.
Das animierte Streudiagramm visualisiert den Weg nach oben der drei Tennisspielerinnen Amanda Anisimova, Belinda Bencic und Eva Lys in der #WTA Tennisweltrangliste 🎾 Die Datenvisualisierung in Form einer Punktwolke wurde mithilfe der R-Pakete "ggplot2" und "gganimate" erstellt.
R-Code für das Erstellen eines Histogramms der letzten Käufe.
Der R-Code umfasst das Berechnen des letzten Kaufdatums pro Kunde sowie das Ermitteln der Zeitspanne seit dem letzten Kauf.
Der R-Code umfasst das Ziehen einer Stichprobe, um im nachfolgenden Code ein anschauliches Beispiel erstellen zu können.
R-Tipp #6 💡
Wann haben Kund:innen zuletzt gekauft und wie verändert sich das Kaufverhalten im Laufe der Zeit? In diesem #R-Tipp erfährst du, wie du das Verhalten deiner Kundschaft mit R analysieren kannst – für bessere Insights, gezieltes Marketing und passende Anreize für inaktive Kundschaft.
R-Code des Diagramms, erstellt mit ggplot2.
R-Code für das Erstellen des Dataframes und das Formatieren der Daten.
Diagramm der Top 10 der Tennis ATP-Weltrangliste. Mithilfe der Funktion geom_richtext() wurden die Spielernamen und Flaggen der Nationalität im Label kombiniert.
R-Tipp #5 💡
Dank der Funktion geom_richtext() können Labels von ggplot2-Diagrammen aufgewertet und um informative Fakten erweitert werden. Im Diagramm der Top 10 der #ATP Weltrangliste lassen sich so die Spielernamen beispielsweise mit den Flaggen ihrer Nationalität kombinieren.
R-Tipp #4 💡😅
Code für ein Balkendiagramm erstellt mit den R-Paketen ggplot2 und gganimate
