Summary  
This chapter demonstrates how to transform data in a data frame by adding new computed columns, cleaning and converting text-based numeric fields into numeric types, and recoding continuous values into categorical buckets. It illustrates these tasks using base R and dplyr functions such as mutate(), gsub(), and ifelse()/case_when().

General domain of usage  
Used car pricing data analysis

**Datatransformation** er et afgørende trin i forberedelsen af rådata til analyse. Det indebærer at ændre, tilføje eller omkode variabler for at gøre dataene mere meningsfulde og klar til analyse.

## Oprettelse af nye kolonner
En almindelig transformation er at beregne nye målinger ud fra eksisterende kolonner. For eksempel kan du ønske at beregne prisen pr. kilometer for at vurdere, hvor omkostningseffektiv et køretøj er.

### Base R
Du kan oprette en ny kolonne ved at bruge `$`-operatoren til at definere dens navn og tildele værdier til den.

```
df$price_per_km <- df$selling_price / df$km_driven
head(df)
```

### dplyr

Nye kolonner kan tilføjes ved hjælp af funktionen `mutate()`. Inde i `mutate()` angives navnet på den nye kolonne, og hvordan den skal beregnes defineres.

```
df <- df %>%
  mutate(price_per_km = selling_price / km_driven)
```

## Konvertering og transformation af tekstbaserede numeriske data
I virkelige datasæt gemmes numerisk information ofte som tekst kombineret med ikke-numeriske tegn. For eksempel kan motoreffektværdier fremstå som **"68 bhp"**, hvilket skal renses og konverteres før analyse.

### Base R
Du kan bruge `gsub()` til at fjerne uønsket tekst og derefter anvende `as.numeric()` for at konvertere resultatet til tal. Efter konvertering kan yderligere transformationer udføres, såsom at omregne brake horsepower (bhp) til kilowatt.

```
df$max_power <- as.numeric(gsub(" bhp", "", df$max_power))
df$max_power_kw <- df$max_power * 0.7457  # convert to kilowatts
```


### dplyr
Den samme proces kan forenkles med et `mutate()`-kald. Du kan kombinere tekstudskiftning, typekonvertering og oprettelse af nye kolonner i ét trin, hvilket gør koden mere overskuelig og lettere at læse.

```
df <- df %>%
  mutate(
    max_power = as.numeric(gsub(" bhp", "", max_power)),
    max_power_kw = max_power * 0.7457
  )
```


## Kategorisering af data
Nye kategoriske variabler kan oprettes ved at gruppere kontinuerlige værdier i meningsfulde kategorier. For eksempel kan biler klassificeres i **Lav, Mellem eller Høj** prisklasser baseret på deres salgspris.

### Base R
Dette kan gøres med indlejrede `ifelse()`-udtryk. Hver betingelse kontrolleres i rækkefølge, og værdien tildeles derefter.

```
df$price_category <- ifelse(df$selling_price < 300000, "Low",
                            ifelse(df$selling_price < 700000, "Medium", "High"))
```

### dplyr
Du kan bruge funktionen `case_when()` som en erstatning for indlejrede if-else-udsagn. Dette gør det muligt at skrive flere betingelser i et overskueligt og læsbart format.

```r
df <- df %>%
  mutate(price_category = case_when(
    selling_price < 300000 ~ "Low",
    selling_price < 700000 ~ "Medium",
    TRUE ~ "High"
  ))
```

Download datasæt

Download kapitelkode

Opnå praktisk erfaring med dataanalyse i R ved at lære at rense, transformere og visualisere datasæt. Udforsk essentielle arbejdsgange såsom udvælgelse og filtrering af data, håndtering af manglende værdier og opsummering af resultater. Opbyg sikkerhed i at forberede data til indsigt, rapportering og dybere statistisk udforskning.

Udforsk grundlæggende principper for dataanalyse med R. Lær at installere værktøjer, indlæse og inspicere datasæt, udvælge og filtrere information, sortere og transformere data, håndtere manglende værdier samt opsummere resultater for dybere indsigt.

Lær at skabe overbevisende visualiseringer med ggplot2. Opbyg søjlediagrammer, histogrammer, tæthedsplot og spredningsdiagrammer, og tilpas og forfin dem med stylingmuligheder og facettering for at afdække dybere indsigter i dine data.

Styrk din forståelse af statistik til dataanalyse. Anvend beskrivende mål, identificer og håndter outliers, og brug korrelationsteknikker med visuelle værktøjer som varmekort og spredningsdiagrammer for at afdække meningsfulde sammenhænge.