[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-1-en-105":3,"doc-seo-571699-105":53,"doc-detail-571699-en":127},{"code":4,"msg":5,"data":6},0,"success",[7,14,19,24,29,34,39,44,49],{"id":8,"doc_module":9,"doc_module_name":10,"category_name":11,"show_sort_weight":12,"slug":13},11,1,"Template","Presentations",90,"presentations",{"id":15,"doc_module":9,"doc_module_name":10,"category_name":16,"show_sort_weight":17,"slug":18},12,"Resumes",80,"resumes",{"id":20,"doc_module":9,"doc_module_name":10,"category_name":21,"show_sort_weight":22,"slug":23},14,"Invoices",70,"invoices",{"id":25,"doc_module":9,"doc_module_name":10,"category_name":26,"show_sort_weight":27,"slug":28},15,"Posters",60,"posters",{"id":30,"doc_module":9,"doc_module_name":10,"category_name":31,"show_sort_weight":32,"slug":33},16,"Social Media",50,"social-media",{"id":35,"doc_module":9,"doc_module_name":10,"category_name":36,"show_sort_weight":37,"slug":38},17,"Forms",40,"forms",{"id":40,"doc_module":9,"doc_module_name":10,"category_name":41,"show_sort_weight":42,"slug":43},18,"Letters",30,"letters",{"id":45,"doc_module":9,"doc_module_name":10,"category_name":46,"show_sort_weight":47,"slug":48},21,"Paper Templates",5,"papers-templates",{"id":50,"doc_module":9,"doc_module_name":10,"category_name":51,"show_sort_weight":4,"slug":52},158,"General","general-158",{"code":4,"msg":54,"data":55},"ok",{"site_id":56,"language":57,"slug":58,"title":59,"keywords":60,"description":61,"schema_data":62,"social_meta":120,"head_meta":122,"extra_data":124,"updated_unix":126},105,"de","taming-data-with-dplyr-and-tidyr-helpful-formatting-conventions-clean-and-reshape-data","Daten bändigen mit dplyr und tidyr - hilfreiche Konventionen zur Formatierung - daten aufräumen und umformen","","Umfassender Leitfaden zum Bearbeiten von Daten in R mit den Paketen dplyr und tidyr. Erläutert die Umwandlung von Daten in „tbl“-Objekte, das Erkunden von Strukturen und das Nutzen der Pipe „%>%“ für gut lesbaren Code. Zeigt Methoden zum Aufräumen, Filtern, Sortieren, Umbenennen, Auswählen sowie Entfernen von Duplikaten. Beschreibt außerdem das Umformen von Daten durch separate/unite sowie zentrale dplyr-Funktionen wie summarize, mutate, transmute und Zähl- bzw. Stichprobentechniken.",{"@graph":63,"@context":119},[64,80,102],{"@type":65,"itemListElement":66},"BreadcrumbList",[67,71,74,77],{"item":68,"name":69,"@type":70,"position":9},"https://docshare.wps.com","Home","ListItem",{"item":72,"name":10,"@type":70,"position":73},"https://docshare.wps.com/template/",2,{"item":75,"name":11,"@type":70,"position":76},"https://docshare.wps.com/template/presentations/",3,{"item":78,"name":59,"@type":70,"position":79},"https://docshare.wps.com/template/taming-data-with-dplyr-and-tidyr-helpful-formatting-conventions-clean-and-reshape-data/571699/",4,{"url":78,"name":59,"@type":81,"image":82,"author":87,"headline":59,"publisher":90,"fileFormat":93,"inLanguage":57,"description":61,"dateModified":94,"datePublished":95,"encodingFormat":93,"isAccessibleForFree":96,"interactionStatistic":97},"DigitalDocument",{"url":83,"@type":84,"width":85,"height":86},"https://docshare.wps.com/thumbnails/taming-data-with-dplyr-and-tidyr-helpful-formatting-conventions-clean-and-reshape-data/571699.png","ImageObject",442,249,{"name":88,"@type":89},"Oliver","Person",{"url":68,"name":91,"@type":92},"DocShare","Organization","application/pdf","2026-10-23","2026-10-13",true,{"@type":98,"interactionType":99,"userInteractionCount":101},"InteractionCounter",{"@type":100},"ViewAction",8,{"@type":103,"mainEntity":104},"FAQPage",[105,111,115],{"name":106,"@type":107,"acceptedAnswer":108},"Was bedeutet „tbl“ in dplyr, und warum ist es nützlich?","Question",{"text":109,"@type":110},"„tbl“ ist eine Datenklasse, die die Anzeige vereinfacht. R zeigt dabei nur die Daten an, die auf den Bildschirm passen, wodurch der Überblick schneller und besser wird.","Answer",{"name":112,"@type":107,"acceptedAnswer":113},"Wie funktioniert die Pipe „%>%“ in dplyr?",{"text":114,"@type":110},"„%>%“ verwendet das Objekt links vom Operator als ersten Eingabeparameter der Funktion rechts. So entsteht lesbarer, verketteter Code, z. B. zum Gruppieren und Summarisch-Auswerten.",{"name":116,"@type":107,"acceptedAnswer":117},"Welche Aufgaben deckt tidyr beim Umformen von Daten ab?",{"text":118,"@type":110},"tidyr trennt und vereinigt Spalten, z. B. mit „separate“, um eine Spalte in mehrere aufzuteilen, und „unite“, um mehrere Spalten zu einer zu verbinden.","https://schema.org",{"og:url":78,"og:type":121,"og:title":59,"og:site_name":91,"og:description":61},"article",{"robots":123,"canonical":78},"index,follow",{"doc_id":125,"site_id":56},571699,1792128103,{"code":4,"msg":5,"data":128},{"doc_id":125,"user_id":129,"nickname":88,"user_avatar":130,"doc_module":9,"category_id":8,"category_name":11,"doc_title":59,"doc_description":61,"doc_content":131,"file_id":132,"file_url":133,"file_type":134,"file_size":135,"view_count":101,"is_deleted":4,"is_public":9,"is_downloadable":9,"audit_status":9,"page_count":73,"language":136,"language_code":57,"site_id":56,"html_lang":137,"table_of_contents":138,"faqs":139,"seo_title":140,"seo_description":61,"update_tm":141,"read_time":9},8796095461610,"https://ap-avatar.wpscdn.com/davatar_276721f389ce27ea32af1340a28f341c","Daten bändigen  \nmit dplyr und tidyr  \nSchummelzettel  \nSyntax -hilfreiche Konventionen zur Formatierung  \ndplyr::tbl_df(iris)  \nVerwandelt Daten in eine „tbl“ Klasse. Eine „tbl“(alias Tabelle) ist einfacher einzusehen als ein „data frame“(alias Datenframe) . R zeigt nur die Daten an, die auf den Bildschirm passen:  \nSource: local data frame [150 x 5]  \nSepal . Length Sepal.Width Petal . Length 1 5.1 3.5 1.4  \n2 4.9 3.0 1.4  \n3 4.7 3.2 1.3  \n4 4.6 3.1 1.5  \n5 5.0 3.6 1.4  \n.. ... ... ...  \nVariables not shown: Petal .Width (dbl), Species (fctr)  \ndplyr::glimpse(iris)  \nZusammenfassung der „tbl“ Daten.  \nutils::View(iris)  \nZeigt den Datensatz in Tabellenformat an (Großschreibung von V beachten) .  \ndplyr::%>%  \nVerwendet das Objekt links vom Symbol als ersten Eingabeparameter (oder . Eingabeparameter) der Funtion auf der rechten Seite des Symbols.  \nx %>% f(y) ist identisch zu f(x, y) y %>% f(x, ., z) ist identisch zu f(x, y, z)  \nDie „Pipe“(alias Verkettung) mit %>% macht den Code lesbarer, z. B.  \niris %>%  \ngroup_by(Species) %>%  \nsummarise(avg = mean(Sepal.Width)) %>% arrange(avg)  \nDaten aufräumen-eine Basis der Datenmanipulation in R  \nIn einem aufgeräumten Datensatz:  \n&  \nJede Variable ist in einer eigenen Spalte  \nJede Beobachtung istin einer eigenen Zeile  \nAufgeräumte Daten ergänzen die vektorisierten Operationen in R. Beobachtungen (Zeilen) bleiben automatisch erhalten wenn Variablen (Spalten) manipuliert werden. Kein anderes Format hat ein solch intuitives Zusammenspiel mit R.  \nM * A  \nDaten umformen -verändert das Layout eines Datensatzes  \ntidyr::separate(storms, date, c(\"y\", \"m\", \"d\")) Eine Spalte in mehrere aufteilen.  \ntidyr::unite(data, col, ..., sep)  \nMehrere Spalten zu einer vereinigen.  \ndplyr::data_frame(a = 1:3, b = 4:6) Vektoren in einem „data frame“verbinden (optimiert) .  \ndplyr::arrange(mtcars, mpg) Zeilen anhand von Werten in einer Spalte sortieren (von klein nach groß) . dplyr::arrange(mtcars, desc(mpg)) Zeilen anhand von Werten in einer Spalte sortieren (von groß nach klein) . dplyr::rename(tb, y = year) Spalten von einem „data frame“umbenennen.  \nBeobachtungen (Zeilen) filtern  \ndplyr::filter(iris, Sepal. Length > 7)  \nZeilen herausfiltern die eine Bedingung erfüllen.  \ndplyr::distinct(iris)  \nDuplikate entfernen (zeilenweise) .  \ndplyr::sample_frac(iris, 0.5, replace = TRUE) Bruchteil der Zeilen stichprobenartig auswählen. dplyr::sample_n(iris, 10, replace = TRUE) n Zeilen stichprobenartig auswählen.  \ndplyr::slice(iris, 10:15)  \nZeilen anhand ihrer Position auswählen.  \ndplyr::top_n(storms, 2, date)  \nBeste n Einträge auswählen und sortieren (nach Gruppe falls die Daten gruppiert sind) .  \n\n| Logik in R - ?Comparison, ?base::Logic |  |  |  |\n| --- | --- | --- | --- |\n| \u003C | kleiner als | != | ungleich |\n| > | größer als | %in% | Gruppenzugehörigkeit |\n| == | gleich | [is.na](is.na) | ist NA |\n| \u003C= | kleiner gleich | ! [is.na](is.na) | ist keinNA |\n| >= | größer gleich | &, | ,!,xor,any,all | boolesche Operatoren |\n\nVariablen (Spalten) filtern  \ndplyr::select(iris, Sepal.Width, Petal. Length, Species) Spalten anhand ihres Namens (oder mittels nachstehendangeführter Hilfsfunktionen) auswählen.  \n\n| Hilfsfunktionen für select- ?select |\n| --- |\n| select(iris, contains(\".\"))\u003Cbr>Spalten auswählen deren Name eine Zeichenkette beinhaltet.\u003Cbr>select(iris, ends_with(\"Length\"))\u003Cbr>Spalten auswählen deren Name mit einer Zeichenkette ended.\u003Cbr>select(iris, everything())\u003Cbr>Alle Spalten auswählen.\u003Cbr>select(iris, matches(\".t.\"))\u003Cbr>Spalten auswählen deren Name mit einem regulärenAusdruck übereinstimmt.\u003Cbr>select(iris, num_range(\"x\", 1:5))\u003Cbr>Spalten mit den Name x1, x2, x3, x4 und x5 auswählen.\u003Cbr>select(iris, one_of(c(\"Species\", \"Genus\")))\u003Cbr>Spalten auswählen deren Namen in einer List mehrerer Namen sind.\u003Cbr>select(iris, starts_with(\"Sepal\"))\u003Cbr>Spalten auswählen deren Name mit einer Zeichenkette beginnt.\u003Cbr>select(iris, Sepal.Length:Petal.Width)\u003Cbr>Alle Spalten von Sepal. Length bis Petal.Width (inklus","cbCaild9r8OOkgEv","https://ap.wps.com/l/cbCaild9r8OOkgEv","pdf",526803,"German","en","# Daten in „tbl“-Struktur bringen\n## Überblick: tbl, glimpse, View\n# Verkettung mit der Pipe „%>%“\n## Lesbarkeit durch Pipelines\n# Daten aufräumen (Basis der Manipulation)\n## Saubere Tabellenstruktur\n# Daten umformen (Layout ändern)\n## separate und unite\n# Kerndatenoperationen in dplyr\n## arrange, rename, filter, distinct, select\n# Aggregation und Transformation\n## summarise, mutate, transmute, count, sample","[{\"question\":\"Was bedeutet „tbl“ in dplyr, und warum ist es nützlich?\",\"answer\":\"„tbl“ ist eine Datenklasse, die die Anzeige vereinfacht. R zeigt dabei nur die Daten an, die auf den Bildschirm passen, wodurch der Überblick schneller und besser wird.\"},{\"question\":\"Wie funktioniert die Pipe „%\\u003e%“ in dplyr?\",\"answer\":\"„%\\u003e%“ verwendet das Objekt links vom Operator als ersten Eingabeparameter der Funktion rechts. So entsteht lesbarer, verketteter Code, z. B. zum Gruppieren und Summarisch-Auswerten.\"},{\"question\":\"Welche Aufgaben deckt tidyr beim Umformen von Daten ab?\",\"answer\":\"tidyr trennt und vereinigt Spalten, z. B. mit „separate“, um eine Spalte in mehrere aufzuteilen, und „unite“, um mehrere Spalten zu einer zu verbinden.\"}]","Daten bändigen mit dplyr und tidyr - hilfreiche Konventionen zur Formatierung - daten aufräumen und umformen | PDF",1791923178]