16 Fallstudie Penguins Lösungen

Diese Fallstudie soll dazu dienen, den bisher gelernten Stoff sinnvoll auf einen Datensatz anzuwenden. Beschreibt in eurer Lösung am besten die einzelnen Schritte, die ihr ausführt, mit #Erklärungstext über dem Code. So ist euer Code nachvollziehbarer und in der Prüfung solltet ihr das genauso machen.

16.1 Pakete laden

Lade die erforderlichen Pakte (tidyverse, visdat)

library(tidyverse)
library(visdat)

16.2 Datenimport

Importiere den penguins Datensatz:

penguins <- read.csv("https://vincentarelbundock.github.io/Rdatasets/csv/palmerpenguins/penguins.csv")

16.3 Datenjudo

Lass dir die obersten Zeilen ausgeben

penguins %>% 
  head()

ABCDEFGHIJ0123456789

	rownames <int>	species <chr>	island <chr>	bill_length_mm <dbl>	bill_depth_mm <dbl>
1	1	Adelie	Torgersen	39.1	18.7
2	2	Adelie	Torgersen	39.5	17.4
3	3	Adelie	Torgersen	40.3	18.0
4	4	Adelie	Torgersen	NA	NA
5	5	Adelie	Torgersen	36.7	19.3
6	6	Adelie	Torgersen	39.3	20.6

Verschaffe dir einen Überblick über die Variablentypen

penguins %>% 
  sapply(class)

         rownames           species            island    bill_length_mm 
        "integer"       "character"       "character"         "numeric" 
    bill_depth_mm flipper_length_mm       body_mass_g               sex 
        "numeric"         "integer"         "integer"       "character" 
             year 
        "integer"

Prüfe auf fehlende Werte

penguins %>% 
  summarise((across(everything(),~sum(is.na(.x)))))

ABCDEFGHIJ0123456789

rownames <int>	species <int>	island <int>	bill_length_mm <int>	bill_depth_mm <int>
0	0	0	2	2

Prüfe die Variablen auf Ausreißer/Extremwerte

# Am Beipiel von flipper_length_mm:

ggplot(penguins, aes(flipper_length_mm))+
  geom_boxplot()

Warning: Removed 2 rows containing non-finite outside the scale range
(`stat_boxplot()`).

16.4 Datenvisualisierung

Plotte die Variablentypen

vis_dat(penguins)

Sieh dir die Verteilung von flipper_length_mm an

ggplot(penguins, aes(x = flipper_length_mm)) +
  geom_histogram()

`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Warning: Removed 2 rows containing non-finite outside the scale range
(`stat_bin()`).

Sieh dir die Verteilung von flipper_length_mm in Abhängigkeit von der Spezies an

ggplot(penguins, aes(x = flipper_length_mm)) +
  geom_histogram(aes(fill = species),  alpha = 0.7)

`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Warning: Removed 2 rows containing non-finite outside the scale range
(`stat_bin()`).

Sieh dir die Verteilung der verschiedenen Spezies auf die unterschiedlichen Inseln an

ggplot(penguins, aes(x = island, fill = species)) +
  geom_bar(alpha = 0.8) +
  facet_wrap(~species, ncol = 1) +
  coord_flip()

Sieh dir die Verteilung der Geschlechter unter den verschiedenen Spezies an

ggplot(penguins, aes(x = sex, fill = species)) +
  geom_bar(alpha = 0.8) +
  facet_wrap(~species, ncol = 1) +
  coord_flip()

Sieh dir das Verhältnis von body_mass_g zu flipper_length_mm in Abhängigkeit der Spezies an und hebe, falls vorhanden, einen linearen Trend hervor

ggplot(data = penguins, aes(x = flipper_length_mm, y = body_mass_g)) +
  geom_point(aes(color = species, 
                 shape = species))+
  geom_smooth(method = lm)

`geom_smooth()` using formula = 'y ~ x'

Warning: Removed 2 rows containing non-finite outside the scale range
(`stat_smooth()`).

Warning: Removed 2 rows containing missing values or values outside the scale range
(`geom_point()`).

Sieh dir das Verhältnis von body_mass_g zu flipper_length_mm in Abhängigkeit des Geschlechts für jede Spezies an

ggplot(penguins, aes(x = flipper_length_mm,
                     y = body_mass_g)) +
  geom_point(aes(color = sex)) +
  facet_wrap(~species)

Warning: Removed 2 rows containing missing values or values outside the scale range
(`geom_point()`).