Produkte aus dem REWE-Onlineshop
Gut 9.400 Lebensmittel und Drogerieartikel mit Preis, Kategorie, Herkunft, Bio-Kennzeichnung und Nährwerten: echte Daten mit Lücken, Dubletten und einigen Werten, die nicht stimmen können.
Was du lernst
Mit diesem Datensatz übst du die explorative Datenanalyse an echten Produktdaten mit Lücken, Dubletten und fehlerhaften Werten und kannst damit:
- Produkte nach Kategorie, Herkunft, Preis und Bio-Kennzeichnung auswerten
- erklären, warum Nährwerte bei vielen Produkten fehlen und
veganundvegetariannur selten angegeben sind - Zeilen finden, die mehrfach vorkommen, und die verschiedenen Produkte über
product_idzählen - Nährwerte aufspüren, die so nicht stimmen können
rewe_products.csv9.438 Zeilen22 Spalten1,9 MB
Lege die Datei in den Ordner deines Projekts und lade sie dann in R oder Python:
R
library(readr)
rewe_products <- read_csv("rewe_products.csv")Python
import pandas as pd
rewe_products = pd.read_csv("rewe_products.csv", low_memory=False)Die Daten stammen aus dem Onlineshop von REWE und wurden für die Lehre gesammelt; sie liegen im Repository zu den Data-Analytics-Kursen, das unten verlinkt ist. Jede Zeile ist ein Produkt mit Name, Marke, Kategorie in drei Stufen, Herkunftsland, Preis und, wo angegeben, den Nährwerten.
| Spalten | Inhalt |
|---|---|
product_id, gtin |
Nummer im Shop und Strichcode |
product_name, brand |
Name und Marke |
product_category, product_sub_category, product_type |
Kategorie, grob bis fein, etwa Frische und Kühlung, Milch und Milchersatz, H-Milch |
country_of_origin |
Herkunftsland |
bio, vegan, vegetarian |
Kennzeichnungen als TRUE oder FALSE |
price, grammage |
Preis in Euro und die Packungsangabe als Text |
energy_in_kcal bis salt_in_gram |
Nährwerte je 100 g oder 100 ml |
Die Spaltennamen sind in snake_case, so wie sie janitor::clean_names() aus
den Namen der Originaldatei macht. Weggelassen sind gegenüber dem Original
Produkttexte, Zutatenlisten, Bildlinks und eine immer leere Spalte, damit die
Datei schnell lädt.
Worauf man achten sollte
- Nicht jedes Produkt hat Nährwerte. Bei Drogerieartikeln, Haushaltswaren
und Tierbedarf fehlen sie naturgemäß, bei manchen Lebensmitteln auch.
veganundvegetariansind nur bei rund jedem zehnten Produkt angegeben. - Manche Produkte stehen mehrfach in der Tabelle, Zeile für Zeile gleich. Gut 9.400 Zeilen sind knapp 8.000 verschiedene Produkte.
- Nicht jeder Wert stimmt. Wer die Nährwerte ansieht, findet einige, die so nicht sein können.
Genau das macht die Daten für die explorative Datenanalyse geeignet; der Selbsttest arbeitet damit.
Mehr dazu
Siehe auch
Details
- Niveau
- Einstieg
- Module
- Empirisches Arbeiten
- Code
5862- Stand
- 1. November 2026
- Status
- veröffentlicht