Summary  
This chapter covers how to import tabular data from a CSV file into a data frame and inspect or print its contents and structure using functions like read_csv(), head(), tail(), and View().  

General domain of usage  
Data analysis

Voordat je data kunt analyseren, moet je deze in je **R-omgeving** laden. In de meeste praktijksituaties wordt data opgeslagen in externe bestanden of databases. De eerste stap in elke data-analyseworkflow is het importeren van die data, zodat je kunt beginnen met verkennen en bewerken.

## Veelvoorkomende databronnen
Praktijkdata komt vaak uit verschillende bronnen, zoals:
- CSV-bestanden (comma-separated values);
- Excel-spreadsheets;
- Platte tekstbestanden (TXT);
- Databases (bijv. SQL, SQLite, PostgreSQL);
- Web-API's of andere online bronnen.

R biedt diverse functies en pakketten om eenvoudig data uit elk van deze bronnen te lezen.

## Een CSV-bestand lezen
CSV is een van de meest gebruikte formaten voor het opslaan van tabeldata. Om een CSV-bestand in R te importeren, gebruiken we meestal een functie die het bestand leest en opslaat in een data frame - een structuur die data in rijen en kolommen organiseert.

```
df <- read_csv("car_details.csv")
```

## Je gegevens bekijken
Zodra de gegevens zijn geladen, is het handig om er snel naar te kijken. Een eenvoudige manier om dit te doen in **RStudio** is met de functie `View()`:

```
View(df)
```

Dataset downloaden

Hoofdstukcode downloaden

Welke functie leest CSV-bestanden in tidyverse?

Verkrijg praktische ervaring in data-analyse met R door te leren hoe datasets opgeschoond, getransformeerd en gevisualiseerd worden. Verken essentiële workflows zoals het selecteren en filteren van data, omgaan met ontbrekende waarden en het samenvatten van resultaten. Vergroot het vertrouwen in het voorbereiden van data voor inzichten, rapportages en diepgaandere statistische verkenning.

Verken de basisprincipes van data-analyse met R. Leer hoe u de tools installeert, datasets laadt en inspecteert, informatie selecteert en filtert, gegevens sorteert en transformeert, ontbrekende waarden verwerkt en resultaten samenvat voor diepgaandere inzichten.

Leer het maken van overtuigende visualisaties met ggplot2. Bouw staafdiagrammen, histogrammen, dichtheidsplots en spreidingsdiagrammen, en pas deze vervolgens aan en verfijn ze met opmaakopties en facettering om diepere inzichten in uw gegevens te onthullen.

Verdiep uw begrip van statistiek voor data-analyse. Toepassing van beschrijvende maten, identificatie en behandeling van uitschieters, en gebruik van correlatietechnieken met visuele hulpmiddelen zoals heatmaps en spreidingsdiagrammen om betekenisvolle relaties te ontdekken.

Lezen en Bekijken

Veelvoorkomende databronnen

Een CSV-bestand lezen

Je gegevens bekijken