Beispiele zur Datenaufbereitung aus Woche 3.Rmd

---
title: "R Notebook"
output:
  html_document:
    df_print: paged
---
neue Version

Einbinden benötigter Bibliotheken
```{r}
library(readr)
library(dplyr)
library(skimr)

# Es wird überprüft ob "devtools" installiert ist; devtools ist ein Package, um Package von GitHub zu installieren
if (!require(devtools)) install.packages("devtools")
# Es wird überprüft, ob das Package DataExplorer bereits installiert ist, ansonsten wird es von GitHub installiert
if (!require(DataExplorer)) devtools::install_github("boxuancui/DataExplorer")

library(DataExplorer)

```


Einlesen der Daten
```{r}
umsatzdaten <- read_csv("https://raw.githubusercontent.com/opencampus-sh/wise20-datascience/main/umsatzdaten_gekuerzt.csv")
kiwo <- read_csv("https://raw.githubusercontent.com/opencampus-sh/wise20-datascience/main/kiwo.csv")


```


Zusammenführen der Daten
```{r}
daten <- left_join(umsatzdaten, kiwo, by="Datum")

```


```{r}
library(ggplot2) # Einbinden von ggplot2, um den darin enthaltenen Datensatz mpg zu nutzen
library(dplyr)
library(lubridate)
library(stringr)


#### Gruppenweise Ausführung eines T-Tests ####
mpg %>%
  group_by(cyl) %>%
  summarise(n(), t.test(cty,hwy)$p.value)
```


```{r}
#### Beispiel für die Aufbereitung mit dplyr ####
mpg %>%
  select (class, hwy, cty) %>%    # Beschränkung des mpg Datensatzes auf die Variablen class, hwy und cty
  filter (class=="suv") %>%       # Beschränkung des Datensatzes auf alle Fälle (Cases), bei denen die Variable class dem Wert 'suv' entspricht
  mutate (mix = .5*hwy + .5*cty)  # Berechnen und Hinzufügen einer neuen Variable mit dem Namen mix und den entsprechend berechneten Werten
```


```{r}
#### Beispiel für die Aufbereitung mit lubridate #### 
mdy("4/1/17")  # Umwandlung eines Strings in ein Datum
```


```{r}
#### Beispiel 1 für die Aufbereitung/Transformation mit stringr #### 
str_replace("AAA", "A", "B")
```

```{r}
#### Beispiel 2 für die Aufbereitung/Transformation mit stringr #### 
str_replace_all("AAA", "A", "B")
```


```{r}
#### Beispiel 3 für die Aufbereitung/Transformation mit stringr #### 
str_replace("AAA", "A$", "B")
```


```{r}
#### Beispiel 4 für die Aufbereitung/Transformation mit stringr #### 
str_trim("   Vorname   ")
```


```{r}
#### Beispiel 5 für die Aufbereitung/Transformation mit stringr #### 
str_replace_all("   Vorna me   ","^[ \\s]+|[ \\s]+$", "")

```

```{r}
#### Beispiel für die Nutzung von skim
umsatzdaten$Warengruppe = as.factor(umsatzdaten$Warengruppe)
skim(umsatzdaten)

```

```{r}
library(DataExplorer)

plot_missing(umsatzdaten)
plot_histogram(umsatzdaten)

```