Summary  
This chapter covers basic data selection in R, demonstrating how to subset datasets by choosing specific rows and columns using numeric indexing (`[ , ]`) and the `$` operator, and it contrasts the base R and dplyr approaches.  

General domain of usage  
Automotive market data analysis

Sobald Ihr Datensatz in **R** geladen ist, ist es wichtig, gezielt mit bestimmten Teilen davon zu arbeiten. Das bedeutet, bestimmte Zeilen und Spalten auszuwählen, auf die Sie sich konzentrieren möchten. Ob bei der Datenbereinigung oder der Analyse spezifischer Trends – die Fähigkeit, Daten effizient zu unterteilen, ist unerlässlich.

## Laden Ihres Datensatzes
Bevor Sie mit Daten arbeiten, müssen diese geladen und angezeigt werden:

```
library(tidyverse) # load the tidyverse package
df <- read_csv("car_details.csv")  # read the dataset
View(df) # open the dataset in a spreadsheet-style viewer
```

## Auswahl von Zeilen
In R können Sie Zeilen anhand ihrer numerischen Position auswählen. Da das Indexieren bei 1 beginnt, gibt `df[3, ]` die dritte Zeile des Datensatzes zurück.

```
df[3, ]
```

## Auswahl einer Spalte nach Position
Ähnlich wie bei Zeilen kann eine Spalte anhand ihrer numerischen Position ausgewählt werden. Wenn der Zeilenindex leer bleibt und der Spaltenindex angegeben wird, gibt `df[, 5]` die fünfte Spalte des Datensatzes zurück.

```
df[, 5]
```


## Auswahl einer Spalte nach Name
Eine Spalte kann auch direkt über ihren Namen mit dem `$`-Operator angesprochen werden. Dies bietet eine schnelle und übersichtliche Möglichkeit, eine einzelne Spalte zu extrahieren. Zum Beispiel wählt `df$km_driven` die Spalte mit dem Namen **km\_driven** aus.

```
view(df$km_driven)
```


Datensatz herunterladen

Kapitel-Code herunterladen

Welches Symbol wird in Base R verwendet, um auf eine Spalte anhand ihres Namens zuzugreifen?

Sammeln Sie praktische Erfahrungen in der Datenanalyse mit R, indem Sie lernen, Datensätze zu bereinigen, zu transformieren und zu visualisieren. Erkunden Sie grundlegende Arbeitsabläufe wie das Auswählen und Filtern von Daten, den Umgang mit fehlenden Werten und das Zusammenfassen von Ergebnissen. Stärken Sie Ihr Vertrauen in die Vorbereitung von Daten für Erkenntnisse, Berichte und weiterführende statistische Analysen.

Erkunden Sie die Grundlagen der Datenanalyse mit R. Erfahren Sie, wie Sie die Werkzeuge installieren, Datensätze laden und inspizieren, Informationen auswählen und filtern, Daten sortieren und transformieren, fehlende Werte behandeln und Ergebnisse für tiefere Einblicke zusammenfassen.

Erlernen der Erstellung aussagekräftiger Visualisierungen mit ggplot2. Erstellung von Balkendiagrammen, Histogrammen, Dichteplots und Streudiagrammen sowie Anpassung und Verfeinerung dieser mit Stiloptionen und Facettierung zur Aufdeckung tieferer Einblicke in die Daten.

Vertiefung des Verständnisses von Statistik für die Datenanalyse. Anwendung beschreibender Kennzahlen, Identifikation und Behandlung von Ausreißern sowie Nutzung von Korrelationsmethoden mit visuellen Werkzeugen wie Heatmaps und Streudiagrammen zur Aufdeckung signifikanter Zusammenhänge.

Datenauswahl – Grundlagen

Laden Ihres Datensatzes

Auswahl von Zeilen

Auswahl einer Spalte nach Position

Auswahl einer Spalte nach Name