Zusammenfassung
Im Exkurs tidyverse besprechen wir eine alternative Vorgehensweise des Datenmanagements. Zunächst werden das Paket tidyverse und das dahinterliegende Universum vorgestellt, wobei wir insbesondere auf die Unterschiede in der Struktur der Codes zwischen Base R und tidyverse eingehen. Anschließend stellen wir fünf wichtige Methoden des Datenmanagements mit tidyverse vor: Rekodieren von Faktoren, Erzeugen von Teildatensätzen, Berechnen und Sortieren von Variablen sowie Umgang mit fehlenden Werten.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Aus Platzgründen zeigen wir nur die ersten 10 Zeilen des Datensatzes.
Literatur
de Vries, A., & Meys, J. (2015). R for dummies: Learn to: use R for data analysis and processing : write functions and scripts for repeatable analysis: create high-quality charts and graphics: Perform statistical analysis and build models (2. Aufl.). Wiley.
Hadley, C. J. (2017). Learning the R Tidyverse. Linkedin. https://www.linkedin.com/learning/learning-the-r-tidyverse/.
Lüdtke, O., Robitzsch, A., Trautwein, U., & Köller, O. (2007). Umgang mit fehlenden Werten in der psychologischen Forschung. Psychologische Rundschau, 58(2), 103–117. https://doi.org/10.1026/0033-3042.58.2.103
Milton, S., & Wickham, H. (2014). magrittr: A Forward-Pipe Operator for R: R package version 1.5. https://CRAN.R-project.org/package=magrittr.
R Core Team. (2020). R: A language and environment for statistical. R foundation for statistical computing. https://www.R-project.org/.
Wickham, H. (2020). forcats: Tools for Working with Categorical Variables (Factors): R package version 0.5.0. https://CRAN.R-project.org/package=forcats.
Wickham, H., & Grolemund, G. (2017). R for data science: Import, tidy, transform, visualize and model data. O‘Reilly.
Wickham, H., & Grolemund, G. (2018). R für Data Science: Daten importieren, bereinigen, umformen, modellieren und visualisieren ((F. Langenau, Übers.)) (1. Aufl.). O’Reilly.
Wickham, H., & Henry, L. (2020). tidyr: Tidy Messy Data. R package version 1.1.1. https://CRAN.R-project.org/package=tidyr.
Wickham et al. (2019). Welcome to the tidyverse. Journal of Open Source Software, 4(43), 1686. https://doi.org/10.21105/joss.01686.
Wickham, H., François, R., Henry, L., & Müller, K. (2020). dplyr: A grammar of data manipulation: R package version 1.0.1. https://CRAN.R-project.org/package=dplyr.
Xie, Y. (2020). knitr: A General-Purpose Package for Dynamic Report Generation in R: R package version 1.29.
Author information
Authors and Affiliations
Corresponding author
5.1 Elektronisches Zusatzmaterial
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Gehrau, V., Maubach, K., Fujarski, S. (2022). Exkurs tidyverse. In: Einfache Datenauswertung mit R. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-34285-2_5
Download citation
DOI: https://doi.org/10.1007/978-3-658-34285-2_5
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-34284-5
Online ISBN: 978-3-658-34285-2
eBook Packages: Social Science and Law (German Language)