4  tidy1

tidy
datawrangling
schoice
paper
Veröffentlichungsdatum

2. Februar 2023

Schlüsselwörter

Aufgaben, Statistik, Prognose, Modellierung, R, Datenanalyse, Regression

5 Question

Das Konzept von “tidy” Daten (“Tidyformat”) spielt in der Datenanalyse eine wichtige Rolle.

Betrachten Sie die Tabellen im Folgenden. Welche ist “tidy”?

Hinweise:

  • Alle Variablen sollen nicht konstant sein, also mehr als einen uniquen Wert aufweisen.
  • Alle Variablen sollen keine fehlenden Werte aufweisen, also komplett sein.
  • Alle Variablen sollen numerisch sein.
# prepare some helper constants:
rows_n <- 4
group_n <- 2
constant_factor <- 10
tidy_df <- 
  tibble(
    group = rep(c(1:group_n), times = rows_n/group_n),
    y = (1:rows_n)*constant_factor
  ) %>% 
  mutate(id1 = row_number()) %>% 
  group_by(group) %>% 
  mutate(id2 = row_number()) %>% 
  ungroup()
# more helper constants:
cols_n <-
  ncol(tidy_df)

col_random <- sample(1:cols_n, 1)
row_random <- sample(1:nrow(tidy_df), 1)
col_names <- names(tidy_df)
col_names_random <- sample(col_names, 1)
col_names_random_position <- which(names(tidy_df) == col_names_random)
untidy_tibbles <- list()
tibbles_listdf <- tibble(type = "tidy",
                         data = list(tidy_df),
                         explanation = "Das ist ein 'tidy Tibble'.")
untidy_df1 <- 
tidy_df %>% 
  pivot_wider(names_from = group,
              values_from = y)

untidy_tibbles <- 
list() %>% 
  append(list(untidy_df1))

tibbles_listdf <- 
tibbles_listdf %>% 
  bind_rows(tibble(type = "untidy", data = list(untidy_df1), 
                   explanation = "Ein Tibble im breiten Format. Die Spalten `1` und `2` sind eigentlich eine Variable."))
empty_row_df <- 
  tidy_df %>% 
  # mutate(across(everything(),
  #               as.numeric)) %>% 
  filter(row_number() == 1) %>% 
  mutate(across(everything(),
                ~ assign_in(.x, where = 1, value = NA)))
col_chosen <- sample(cols_n, 1)

empty_col_df <- 
  tidy_df %>% 
  select(all_of(col_chosen))

empty_col_df[1] <- NA
empty_col_noname_df <-
  tidy_df %>% 
  mutate(` ` = NA ) %>% 
  select(last_col())
untidy_df2 <- 
  tidy_df %>% 
  bind_rows(empty_row_df) %>% 
  sample_n(size = nrow(.))

untidy_tibbles <- 
untidy_tibbles %>% 
  append(list(untidy_df2))

tibbles_listdf <- 
tibbles_listdf %>% 
  bind_rows(tibble(type = "untidy", data = list(untidy_df2),
                   explanation = "In einem Tidy-Tibble darf keine leere Zeile vorkommen."))
untidy_df3 <- 
tidy_df %>% 
  bind_cols(empty_col_noname_df) %>% 
  relocate(last_col(), .after = col_random)

untidy_tibbles <- 
untidy_tibbles %>% 
  append(list(untidy_df3))

tibbles_listdf <- 
tibbles_listdf %>% 
  bind_rows(tibble(type = "untidy", data = list(untidy_df3),
                   explanation = "In einem Tidy-Tibble darf keine leere Spalte vorkommen."))
untidy_df4 <- 
tidy_df %>% 
  mutate(!!col_names_random := NA)

untidy_tibbles <- 
untidy_tibbles %>% 
  append(list(untidy_df4))

tibbles_listdf <- 
tibbles_listdf %>% 
  bind_rows(tibble(type = "untidy", data = list(untidy_df4),
                   explanation = "In einem Tidy-Tibble darf keine Spalte nur aus `NA` bestehen."))
untidy_df5 <-
  tidy_df %>% 
  mutate(!!col_names_random := LETTERS[1:nrow(.)])

untidy_tibbles <- 
untidy_tibbles %>% 
  append(list(untidy_df5))


tibbles_listdf <- 
tibbles_listdf %>% 
  bind_rows(tibble(type = "untidy", data = list(untidy_df5),
                   explanation = "Alle Werte sollen numerisch sein"))
untidy_df6 <-
  tidy_df %>% 
  mutate(!!col_names_random := 1)

untidy_tibbles <- 
untidy_tibbles %>% 
  append(list(untidy_df6))


tibbles_listdf <- 
tibbles_listdf %>% 
  bind_rows(tibble(type = "untidy", data = list(untidy_df6),
                   explanation = "Variablen sollen nicht konstant sein."))
untidy_df7 <-
  tidy_df %>% 
  mutate(!!col_names_random := na_if(id1, row_random))

untidy_tibbles <- 
untidy_tibbles %>% 
  append(list(untidy_df7))



tibbles_listdf <- 
tibbles_listdf %>% 
  bind_rows(tibble(type = "untidy", data = list(untidy_df7),
                   explanation = "Fehlende Werte sind nicht erlaubt"))
untidy_df8 <-
  tidy_df %>% 
  mutate(!!col_names_random := "1,2")

untidy_tibbles <- 
untidy_tibbles %>% 
  append(list(untidy_df8))



tibbles_listdf <- 
tibbles_listdf %>% 
  bind_rows(tibble(type = "untidy", data = list(untidy_df8),
                   explanation = "In einer Zelle darf nur ein (numerischer) Wert stehen."))
untidy_df9 <-
  tidy_df %>% 
  mutate(across(!!col_names_random,
                   .fns = ~max(.)))

untidy_tibbles <- 
untidy_tibbles %>% 
  append(list(untidy_df9))



tibbles_listdf <- 
tibbles_listdf %>% 
  bind_rows(tibble(type = "untidy", data = list(untidy_df9),
                   explanation = "Eine Spalte soll nicht aus einem uniquen Wert bestehen."))
untidy_df10 <-
  tidy_df %>% 
  mutate(!!col_names_random := as.character(!!col_names_random))

untidy_df10[row_random, col_names_random_position] <- "1,2"

untidy_tibbles <- 
untidy_tibbles %>% 
  append(list(untidy_df10))


tibbles_listdf <- 
tibbles_listdf %>% 
  bind_rows(tibble(type = "untidy", data = list(untidy_df10),
                   explanation = paste0("Die Spalte ", col_names_random, 
                                        "weißt einen nicht erlaubten Wert auf.")))
untidy_tibbles_chosen_nr <- sample(2:nrow(tibbles_listdf), size = 4)


tibbles_chosen <-
  tibbles_listdf %>% 
  mutate(id = row_number(), .before = type) %>% 
  filter(id == 1 | id %in% untidy_tibbles_chosen_nr) %>% 
  sample_n(size = 5) %>%  # Reihenfolge permutieren
  mutate(id2 = paste0("Tabelle ", LETTERS[row_number()])) %>% 
  mutate(is_correct = ifelse(type == "tidy", TRUE, FALSE))

Tabelle A:

gt(tibbles_chosen$data[[1]]) %>% tab_header(title = tibbles_chosen$id2[[1]])
Tabelle A
id1 id2 1 2
1 1 10 NA
2 1 NA 20
3 2 30 NA
4 2 NA 40

Tabelle B:

gt(tibbles_chosen$data[[2]]) %>% tab_header(title = tibbles_chosen$id2[[2]])
Tabelle B
group y id1 id2
1 10 A 1
2 20 B 1
1 30 C 2
2 40 D 2

Tabelle C:

gt(tibbles_chosen$data[[3]]) %>% tab_header(title = tibbles_chosen$id2[[3]])
Tabelle C
group y id1 id2
1 10 1 1
2 20 1 1
1 30 1 2
2 40 1 2

Tabelle D:

gt(tibbles_chosen$data[[4]]) %>% tab_header(title = tibbles_chosen$id2[[4]])
Tabelle D
group y id1 id2
1 10 1 1
2 20 2 1
1 30 3 2
2 40 4 2

Tabelle E:

gt(tibbles_chosen$data[[5]]) %>% tab_header(title = tibbles_chosen$id2[[5]])
Tabelle E
group y id1 id2
2 40 4 2
NA NA NA NA
2 20 2 1
1 30 3 2
1 10 1 1

6 Solution

7 Meta-information

exname: tidy1 extype: schoice exsolution: 00010 exshuffle: FALSE

Categories:

  • tidy
  • datawrangling
  • schoice