Aktion	Zweigstelle	Standorte	Status	Frist	Vorbestellungen
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NN.MNS Wick / College 6a - Naturwissenschaften	Status: Verfügbar	Frist:	Vorbestellungen: 0
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NN.MNS Wick / College 6a - Naturwissenschaften	Status: Entliehen	Frist: 02.12.2024	Vorbestellungen: 0

Lernen Sie, wie Sie mit R Ihre Rohdaten in Erkenntnisse und Wissen umwandeln. Dieses Buch führt Sie ein in R, RStudio und tidyverse - eine Sammlung von R-Paketen, die ineinandergreifen, um Data Science schnell, flüssig und komfortabel zu machen. R für Data Science ist geeignet für Leser ohne vorherige Programmierkenntnisse und zielt darauf ab, dass Sie Techniken der Data Science so schnell wie möglich in der Praxis umsetzen können.Die Autoren Hadley Wickham und Garrett Grolemund zeigen, wie Sie Daten importieren, aufbereiten, untersuchen und modellieren und wie Sie die Ergebnisse kommunizieren können. So bekommen Sie einen vollständigen Überblick über den Data-Science-Zyklus und die Tools, die für die Detailarbeit erforderlich sind.Verlagstext

 

 

Aus dem Inhalt:

Vorwort XI / / Teil I Erkunden / 1 Datenvisualisierung mit ggplot2 3 / Einführung 3 / Erste Schritte 4 / Zuordnungen visueller Eigenschaften 7 / Häufige Probleme 13 / Facetten 14 / Geometrische Objekte 16 / Statistische Transformationen 23 / Positionsanpassungen 28 / Koordinatensysteme 32 / Die »Layered Grammar of Graphics« 35 / / 2 Workflow: Grundlagen 37 / Grundlagen der Codierung 37 / Was macht einen Namen aus? 38 / Funktionen aufrufen 39 / / 3 Datentransformation mit dplyr 41 / Einführung 41 / Zeilen mit filter() filtern 43 / Zeilen mit arrange() anordnen 47 / Spalten mit select() auswählen 49 / Neue Variablen mit mutate() hinzufügen 51 / Gruppierte Zusammenfassungen mit summarize() 55 / Gruppierte Veränderungen (und Filter) 69 / / / 4 Workflow: Skripte 73 / Code ausführen 74 / RStudio-Fehlerdiagnose 75 / / 5 Explorative D atenanalyse 77 / Einführung 77 / Fragen 78 / Variation 79 / Fehlende Werte 87 / Kovariation 89 / Muster und Modelle 101 / ggplot2-Aufrufe 104 / Mehr lernen 104 / / 6 Workflow: Projekte 105 / Was ist real? 105 / Wo ist Ihre Analyse untergebracht? 106 / Pfade und Verzeichnisse 107 / RStudio-Projekte 108 / Zusammenfassung 110 / / Teil II Aufbereiten / 7 Tibbles mit tibble 113 / Einführung 113 / Tibbles erzeugen 113 / Tibbles versus data.frame 115 / Teilgruppen 116 / Mit älterem Code arbeiten 117 / / 8 Datenimport mit readr 119 / Einführung 119 / Erste Schritte 119 / Einen Vektor parsen 122 / Eine Datei parsen 130 / In eine Datei schreiben 135 / Andere Datentypen 137 / / 9 Daten aufbereiten mit tidyr 139 / Einführung 139 / Aufbereitete Daten 140 / Ausbreiten und Zusammenziehen 143 / Aufteilen und Vereinigen 147 / Fehlende Werte 151 / Fallstudie 153 / Unaufbereitete Daten 158 / / 10 Relationale Daten mit dplyr 159 / Einführung 159 / nycflightsl3 160 / Schlüssel 162 / Verändernde Verknüpfungen 165 / Filternde Verknüpfungen 175 / Verknüpfungsprobleme 178 / Mengenoperationen 178 / / 11 Strings mit stringr 181 / Einführung 181 / Grundlagen von Strings 181 / Musterübereinstimmung mit regulären Ausdrücken 185 / Tools 192 / Andere Mustertypen 203 / Andere Verwendungen von regulären Ausdrücken 206 / stringi 206 / / 12 Faktoren mit forcats 207 / Einführung 207 / Faktoren erzeugen 207 / General Social Survey 209 / Faktorenreihenfolge ändern 211 / Faktorstufen modifizieren 216 / / 13 Datum und Uhrzeit mit lubridate 219 / Einführung 219 / Datums-/Zeitwerte erzeugen 220 / Datums-/Zeitkomponenten 224 / Zeiträume 230 / Zeitzonen 235 / / Teil III Programmieren / 14 Pipes mit magrittr 243 / Einführung 243 / Alternativen zu Pipes 243 / Wann man Pipes nicht verwenden sollte 247 / Andere Tools von magrittr 248 / / 15 Funktionen 251 / Einführung 251 / Wann sollte man eine Funktion schreiben? 252 / Funktionen - nützlich für Menschen und Computer 255 / Bedingte Ausführung 258 / Funktionsargumente 262 / Rückgabewerte 267 / Umgebung 269 / / 16 Vektoren 271 / Einführung 271 / Grundlagen von Vektoren 272 / Wichtige Typen atomarer Vektoren 273 / Atomare Vektoren verwenden 276 / Rekursive Vektoren (Listen) 281 / Attribute 286 / Erweiterte Vektoren 287 / / 17 Iteration mit purrr 291 / Einführung 291 / for-Schleifen 292 / Varianten von for-Schleifen 294 / Die map-Funktionen 302 / Fehlerverarbeitung 306 / Zuordnungen über mehrere Argumente 308 / Walk 311 / Andere Muster von for-Schleifen 312 / / Teil IV Modellieren / 18 Grundlagen der Modellierung mit modelr 321 / Einführung 321 / Ein einfaches M odell 323 / Modelle visualisieren 331 / Formel und Modellfamilien 335 / Fehlende Werte 348 / Andere Modellfamilien 348 / / 19 Modelle erstellen 351 / Einführung 351 / Warum sind Diamanten geringer Qualität teurer als höherwertige? 352 / Was beeinflusst die Anzahl der täglichen Flüge? 361 / Mehr über Modelle lernen 373 / / 20 Viele Modelle mit purrr und broom 375 / Einführung 375 / Gapminder 376 / Listenspalten 386 / Listenspalten erzeugen 388 / Listenspalten vereinfachen 392 / Daten bereinigen mit broom 395 / / Teil V Kommunizieren / 21 R Markdown 399 / Einführung 399 / R-Markdown-Grundlagen 400 / Textformatierung mit Markdown 403 / Codebereiche 404 / Fehlerbehebung 410 / YAML-Header 410 / Mehr lernen 413 / / 22 Grafik für Kommunikation mit ggplot2 415 / Einführung 415 / Beschriftungen 416 / Anmerkungen 419 / Skalen 425 / Zoomen 436 / Themen 438 / Diagramme speichern 440 / Mehr lernen 443 / / 23 R-Markdown-Formate 445 / Einführung 445 / Ausgabeoptionen 446 / Dokumente 446 / Notebooks 447 / Präsentationen 448 / Dashboards 448 / Interaktivität 450 / Websites 452 / Andere Form ate 453 / Mehr lernen 453 / / 24 R-Markdown-Workflow 455 / Index 457