tidydata1

Aufgabe

Laden Sie die folgende Tabellen mit folgendem Befehl aus dem Paket tidyverse:

table1_path <- "https://raw.githubusercontent.com/sebastiansauer/Lehre/main/data/tidy-table1.csv"
table1 <- read_csv(table1_path)

Insgesamt sollten Sie als folgende Tabellen in Ihrem environment verfügbar haben:

• table1
• table2
• table3
• table4
• table5

Welche der Tabellen ist in der Normalform?

Answerlist

• table1
• table2
• table3
• table4
• table5

Lösung

Laden wir noch die übrigen Tabellen

table2_path <- "https://raw.githubusercontent.com/sebastiansauer/Lehre/main/data/tidy-table2.csv"
table2 <- read_csv(table2_path)

table3_path <- "https://raw.githubusercontent.com/sebastiansauer/Lehre/main/data/tidy-table3.csv"
table3 <- read_csv(table3_path)

table4_path <- "https://raw.githubusercontent.com/sebastiansauer/Lehre/main/data/tidy-table4.csv"
table4 <- read_csv(table4_path)

table5_path <- "https://raw.githubusercontent.com/sebastiansauer/Lehre/main/data/tidy-table5.csv"
table5 <- read_csv(table5_path)

Betrachten wir alle fünf Tabellen:

table1

# A tibble: 6 × 4
  country      year  cases population
  <chr>       <dbl>  <dbl>      <dbl>
1 Afghanistan  1999    745   19987071
2 Afghanistan  2000   2666   20595360
3 Brazil       1999  37737  172006362
4 Brazil       2000  80488  174504898
5 China        1999 212258 1272915272
6 China        2000 213766 1280428583

table2

# A tibble: 12 × 4
   country      year type            count
   <chr>       <dbl> <chr>           <dbl>
 1 Afghanistan  1999 cases             745
 2 Afghanistan  1999 population   19987071
 3 Afghanistan  2000 cases            2666
 4 Afghanistan  2000 population   20595360
 5 Brazil       1999 cases           37737
 6 Brazil       1999 population  172006362
 7 Brazil       2000 cases           80488
 8 Brazil       2000 population  174504898
 9 China        1999 cases          212258
10 China        1999 population 1272915272
11 China        2000 cases          213766
12 China        2000 population 1280428583

table3

# A tibble: 6 × 3
  country      year rate             
  <chr>       <dbl> <chr>            
1 Afghanistan  1999 745/19987071     
2 Afghanistan  2000 2666/20595360    
3 Brazil       1999 37737/172006362  
4 Brazil       2000 80488/174504898  
5 China        1999 212258/1272915272
6 China        2000 213766/1280428583

table4

# A tibble: 3 × 3
  country     `1999` `2000`
  <chr>        <dbl>  <dbl>
1 Afghanistan    745   2666
2 Brazil       37737  80488
3 China       212258 213766

table5

# A tibble: 6 × 4
  country     century year  rate             
  <chr>         <dbl> <chr> <chr>            
1 Afghanistan      19 99    745/19987071     
2 Afghanistan      20 00    2666/20595360    
3 Brazil           19 99    37737/172006362  
4 Brazil           20 00    80488/174504898  
5 China            19 99    212258/1272915272
6 China            20 00    213766/1280428583

Man sieht, dass nur Tabelle 1 “tidy” ist.

Quelle

Answerlist

• Wahr
• Falsch
• Falsch
• Falsch
• Falsch

---

Categories:

• datawrangling
• tidy
• schoice