In R werden kategoriale Daten als Faktoren behandelt. Definitionsgemäß sind kategoriale Daten insofern begrenzt, als sie eine bestimmte Anzahl von möglichen Werten annehmen können. Zum Beispiel gibt es 12 Monate in einem Kalenderjahr. Bei einer Monatsvariable kann jede Beobachtung nur einen dieser zwölf Werte annehmen. Mit einer begrenzten Anzahl von möglichen Werten ist der Monat also eine kategoriale Variable. Kategoriale Daten, die wir im weiteren Verlauf dieser Lektion als Faktoren bezeichnen werden, kommen in Daten regelmäßig vor. Wenn Sie lernen, wie Sie mit dieser Art von Variablen effektiv arbeiten können, ist das unglaublich hilfreich.

Die Arbeit mit Textdaten wird in datenwissenschaftlichen Projekten immer häufiger. Textmanipulation ist oft erforderlich, um unordentliche Datensätze zu bereinigen und um numerische Messungen aus Texteingaben zu erstellen. Darüber hinaus sind oft die Texte selbst die Daten und dieses Modul behandelt Tools zur Extraktion von Informationen aus dem Text.

Das Ziel einer explorativen Analyse ist es, die Daten zu untersuchen oder zu erforschen und Beziehungen zu finden, die vorher nicht bekannt waren. Bei explorativen Analysen wird untersucht, wie verschiedene Messgrößen miteinander in Beziehung stehen könnten, aber es wird nicht bestätigt, dass diese Beziehung kausal ist, d. h. dass eine Variable eine andere verursacht. Wahrscheinlich haben Sie schon einmal den Satz "Korrelation impliziert keine Kausalität" gehört, und explorative Analysen sind die Wurzel dieses Spruchs. Nur weil Sie bei einer explorativen Analyse eine Beziehung zwischen zwei Variablen feststellen, bedeutet dies nicht, dass die eine zwangsläufig die andere verursacht.

Jetzt werden wir anhand unserer Fallstudienbeispiele demonstrieren, wie Sie Daten importieren können. Wenn Sie die Schritte der Fallstudien durcharbeiten, können Sie entweder RStudio auf Ihrem eigenen Computer oder die für jede Fallstudie bereitgestellten Coursera-Laborplätze verwenden.

In diesem Projekt üben Sie die Datenexploration und Datenverarbeitung mit tidyverse anhand von Daten über Verbraucherbeschwerden des Consumer Financial Protection Bureau (CFPB).