Selbsttest: Explorative Datenanalyse mit R

Mit diesem Selbsttest prüfst du, ob du die Grundlagen beherrschst, mit denen die explorative Datenanalyse beginnt. Wenn du den Teil Whole game aus R for Data Science durchgearbeitet hast oder die Lernpfade Einstieg in R und Datentransformation mit R und dplyr, sollten dir die meisten Aufgaben leichtfallen. Versuch jede zuerst allein; die Lösung kannst du aufklappen, wenn du nicht weiterkommst oder vergleichen willst.

In jedem Kasten liegt die Tabelle rewe bereit, mit gut 9.400 Produkten aus dem REWE-Onlineshop: Name, Kategorie, Herkunft, Preis, Bio-Kennzeichnung und Nährwerte je 100 g. dplyr und ggplot2 sind geladen. Beim ersten Klick dauert das Laden einige Sekunden, bei der ersten Grafik noch einmal.

Teil 1: Überblick

Aufgabe 1. Verschaff dir einen Überblick über rewe: Welche Spalten gibt es, welchen Typ haben sie, und wie sehen die Werte aus?

rewe

glimpse(rewe)

Aufgabe 2. Die Tabelle hat 9.438 Zeilen. Wie viele verschiedene Produkte stecken darin? Jedes Produkt hat eine eigene product_id.

rewe

rewe |>
  distinct(product_id) |>
  nrow()

Teil 2: Transformieren

Aufgabe 3. Zeige die zehn teuersten Produkte, nur mit Name und Preis.

rewe

rewe |>
  arrange(desc(price)) |>
  select(product_name, price) |>
  head(10)

Aufgabe 4. Aus welchen Ländern stammen die Produkte? Zeige jedes Land mit der Zahl seiner Produkte, das häufigste zuerst.

rewe

rewe |>
  count(country_of_origin, sort = TRUE)

Aufgabe 5. Berechne eine neue Spalte fat_unsat_in_gram, den Fettgehalt ohne die gesättigten Fettsäuren, und zeige sie mit Name, Fett und gesättigten Fettsäuren.

rewe

rewe |>
  mutate(fat_unsat_in_gram = fat_in_gram - fat_sat_in_gram) |>
  select(product_name, fat_in_gram, fat_sat_in_gram, fat_unsat_in_gram)

Aufgabe 6. Welche Produkte haben mehr als 99 g Fett je 100 g? Zeige nur Name und Fett.

rewe

rewe |>
  filter(fat_in_gram > 99) |>
  select(product_name, fat_in_gram)

Aufgabe 7. Behalte nur die Spalten, in denen Zahlen stehen.

rewe

rewe |>
  select(where(is.numeric))

Aufgabe 8. product_id und gtin sind Nummern, mit denen man nicht rechnet. Wandle beide in Text um.

rewe

rewe |>
  mutate(
    product_id = as.character(product_id),
    gtin = as.character(gtin)
  ) |>
  select(product_id, gtin, product_name)

Teil 3: Visualisieren

Aufgabe 9. Zeige in einem Balkendiagramm, wie viele Produkte es in jeder Kategorie gibt.

rewe |>
  ggplot() +
  aes()

rewe |>
  ggplot() +
  aes(y = product_category) +
  geom_bar()

Aufgabe 10. Zeige in einem Histogramm, wie sich der Energiegehalt in kcal über alle Produkte verteilt.

rewe |>
  ggplot() +
  aes()

rewe |>
  ggplot() +
  aes(x = energy_in_kcal) +
  geom_histogram(binwidth = 50)

Aufgabe 11. Vergleiche mit Boxplots den Fettgehalt der Kategorien.

rewe |>
  ggplot() +
  aes()

rewe |>
  ggplot() +
  aes(x = fat_in_gram, y = product_category) +
  geom_boxplot()

Aufgabe 12. Zeige mit gestapelten Balken, welcher Anteil der Produkte in jeder Kategorie bio ist.

rewe |>
  ggplot() +
  aes()

rewe |>
  ggplot() +
  aes(y = product_category, fill = bio) +
  geom_bar(position = "fill")

Teil 4: Genau hinsehen

Aufgabe 13. Ein Lebensmittel hat höchstens etwa 900 kcal je 100 g; mehr hat nicht einmal reines Fett. Finde die Produkte, die mehr haben, und zeige Name, Energie und Fett. Was ist da wohl passiert?

rewe

rewe |>
  filter(energy_in_kcal > 900) |>
  select(product_name, energy_in_kcal, fat_in_gram)

Wie es weitergeht

Hast du fast alles ohne die Lösungen geschafft, bist du gut vorbereitet. Wo es gehakt hat, helfen diese Inhalte weiter:

• Aufgaben 1 bis 8: der Lernpfad Datentransformation mit R und dplyr und der Teil Transform in R for Data Science.
• Aufgaben 9 bis 12: der Teil Visualize in R for Data Science und, für die Frage, welche Grafik passt, Fundamentals of Data Visualization.
• Aufgabe 13: Hier gibt es kein Rezept, nur die Gewohnheit, jedem Ergebnis erst einmal zu misstrauen.