mutate03

datawrangling

eda

tidyverse

dplyr

num

Published

April 17, 2024

Aufgabe

Im Datensatz mariokart:

Grupieren Sie die den Datensatz in zwei Gruppen:

keinem oder einem Lenkrad
2 oder mehr Lenkräder

Berechnen Sie dann den Mittelwert zum Verkaufspreis der Spiele der 1. Gruppe.

Hinweise:

Runden Sie auf die nächste ganze Zahl.
Beachten Sie die üblichen Hinweise des Datenwerks.

Lösung

Pakete starten:

library(tidyverse)  # startet das Paket tidyverse

Daten importieren:

mariokart <- read.csv("https://vincentarelbundock.github.io/Rdatasets/csv/openintro/mariokart.csv")

Wie ist die Verteilung von wheels?

mariokart |> 
  mutate(Anz_wheels_gruppe = 
           case_when(wheels <= 1 ~ "0-1",
                     wheels >= 1 ~ "2 oder mehr")) |> 
  group_by(Anz_wheels_gruppe) |> 
  summarise(total_pr = mean(total_pr))

# A tibble: 2 × 2
  Anz_wheels_gruppe total_pr
  <chr>                <dbl>
1 0-1                   42.9
2 2 oder mehr           61.4

Die Antwort lautet: 43.

Categories:

datawrangling
eda
tidyverse
dplyr
num

---
exname: mutate03
extype: num
exshuffle: no
extol: 1
expoints: 1
categories:
- datawrangling
- eda
- tidyverse
- dplyr
- num
date: '2024-04-17'
slug: mutate03
title: mutate03

---






```{r global-knitr-options, include=FALSE}
library(tidyverse)
```






# Aufgabe

Im Datensatz `mariokart`: 

Grupieren Sie die den Datensatz in zwei Gruppen: 

- keinem oder einem Lenkrad
- 2 oder mehr Lenkräder

Berechnen Sie dann den Mittelwert zum Verkaufspreis der Spiele der 1. Gruppe. 

Hinweise:

- Runden Sie auf die nächste ganze Zahl.
- Beachten Sie die üblichen [Hinweise des Datenwerks](https://datenwerk.netlify.app/hinweise).



</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>

# Lösung

Pakete starten:

```{r}
library(tidyverse)  # startet das Paket tidyverse
```






Daten importieren:

```{r}
mariokart <- read.csv("https://vincentarelbundock.github.io/Rdatasets/csv/openintro/mariokart.csv")
```


Wie ist die Verteilung von `wheels`?

```{r}
```


```{r}
mariokart |> 
  mutate(Anz_wheels_gruppe = 
           case_when(wheels <= 1 ~ "0-1",
                     wheels >= 1 ~ "2 oder mehr")) |> 
  group_by(Anz_wheels_gruppe) |> 
  summarise(total_pr = mean(total_pr))
```


Die Antwort lautet: *43*.







---

Categories: 

- datawrangling
- eda
- tidyverse
- dplyr
- num