Summary  
This chapter demonstrates how to transform data in a data frame by adding new computed columns, cleaning and converting text-based numeric fields into numeric types, and recoding continuous values into categorical buckets. It illustrates these tasks using base R and dplyr functions such as mutate(), gsub(), and ifelse()/case_when().

General domain of usage  
Used car pricing data analysis

**Datenumwandlung** ist ein entscheidender Schritt bei der Vorbereitung von Rohdaten für die Analyse. Dabei werden Variablen modifiziert, hinzugefügt oder umkodiert, um die Daten aussagekräftiger und analysierbar zu machen.

## Neue Spalten erstellen
Eine gängige Transformation ist die Berechnung neuer Kennzahlen aus bestehenden Spalten. Zum Beispiel kann der Preis pro Kilometer berechnet werden, um die Kosteneffizienz eines Fahrzeugs zu beurteilen.

### Base R
Eine neue Spalte kann mit dem `$`-Operator erstellt werden, indem ihr Name definiert und Werte zugewiesen werden.

```
df$price_per_km <- df$selling_price / df$km_driven
head(df)
```

### dplyr

Neue Spalten können mit der Funktion `mutate()` hinzugefügt werden. Innerhalb von `mutate()` wird der Name der neuen Spalte angegeben und definiert, wie sie berechnet werden soll.

```
df <- df %>%
  mutate(price_per_km = selling_price / km_driven)
```

## Umwandlung und Transformation von textbasierten numerischen Daten
In realen Datensätzen werden numerische Informationen häufig als Text mit nicht-numerischen Zeichen gespeichert. Beispielsweise können Motorleistungswerte als **"68 bhp"** erscheinen, die vor der Analyse bereinigt und umgewandelt werden müssen.

### Base R
Mit `gsub()` können unerwünschte Texte entfernt und anschließend mit `as.numeric()` in Zahlen umgewandelt werden. Nach der Umwandlung sind weitere Transformationen möglich, wie zum Beispiel die Umrechnung von brake horsepower (bhp) in Kilowatt.

```
df$max_power <- as.numeric(gsub(" bhp", "", df$max_power))
df$max_power_kw <- df$max_power * 0.7457  # convert to kilowatts
```


### dplyr
Der gleiche Prozess kann innerhalb eines `mutate()`-Aufrufs effizienter gestaltet werden. Textersetzung, Typumwandlung und das Erstellen neuer Spalten lassen sich in einem Schritt kombinieren, wodurch der Code übersichtlicher und leichter lesbar wird.

```
df <- df %>%
  mutate(
    max_power = as.numeric(gsub(" bhp", "", max_power)),
    max_power_kw = max_power * 0.7457
  )
```


## Kategorisierung von Daten
Neue kategoriale Variablen können erstellt werden, indem kontinuierliche Werte in sinnvolle Kategorien gruppiert werden. Beispielsweise lassen sich Autos anhand ihres Verkaufspreises in die Preisklassen **Niedrig, Mittel oder Hoch** einteilen.

### Base R
Dies kann mit verschachtelten `ifelse()`-Anweisungen erfolgen. Jede Bedingung wird der Reihe nach geprüft und der Wert entsprechend zugewiesen.

```
df$price_category <- ifelse(df$selling_price < 300000, "Low",
                            ifelse(df$selling_price < 700000, "Medium", "High"))
```

### dplyr
Die Funktion `case_when()` kann als Ersatz für verschachtelte if-else-Anweisungen verwendet werden. Dadurch können mehrere Bedingungen in einem übersichtlichen, gut lesbaren Format geschrieben werden.

```r
df <- df %>%
  mutate(price_category = case_when(
    selling_price < 300000 ~ "Low",
    selling_price < 700000 ~ "Medium",
    TRUE ~ "High"
  ))
```

Datensatz herunterladen

Kapitel-Code herunterladen

Sammeln Sie praktische Erfahrungen in der Datenanalyse mit R, indem Sie lernen, Datensätze zu bereinigen, zu transformieren und zu visualisieren. Erkunden Sie grundlegende Arbeitsabläufe wie das Auswählen und Filtern von Daten, den Umgang mit fehlenden Werten und das Zusammenfassen von Ergebnissen. Stärken Sie Ihr Vertrauen in die Vorbereitung von Daten für Erkenntnisse, Berichte und weiterführende statistische Analysen.

Erkunden Sie die Grundlagen der Datenanalyse mit R. Erfahren Sie, wie Sie die Werkzeuge installieren, Datensätze laden und inspizieren, Informationen auswählen und filtern, Daten sortieren und transformieren, fehlende Werte behandeln und Ergebnisse für tiefere Einblicke zusammenfassen.

Erlernen der Erstellung aussagekräftiger Visualisierungen mit ggplot2. Erstellung von Balkendiagrammen, Histogrammen, Dichteplots und Streudiagrammen sowie Anpassung und Verfeinerung dieser mit Stiloptionen und Facettierung zur Aufdeckung tieferer Einblicke in die Daten.

Vertiefung des Verständnisses von Statistik für die Datenanalyse. Anwendung beschreibender Kennzahlen, Identifikation und Behandlung von Ausreißern sowie Nutzung von Korrelationsmethoden mit visuellen Werkzeugen wie Heatmaps und Streudiagrammen zur Aufdeckung signifikanter Zusammenhänge.