Data Analysis in R an der TU München

Karteikarten und Zusammenfassungen für Data Analysis in R an der TU München

Arrow Arrow

Komplett kostenfrei

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs Data Analysis in R an der TU München.

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Check the attributes of the vectors and the list. What is the difference and why? # A. Create vectors aa <- 1:10 names(aa) <- letters[aa] bb <- seq(1, 11) names(bb) <- letters[bb] cc <- seq(1, 12, by = 1) names(cc) <- letters[cc] # B. Combine in a list myList <- list(aa, bb, cc)

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

What is the difference between a factor and a vector?

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

What happens if you replace the second element of the vector with Shredder?

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Why does it fail whenn coerce a list to a data frame and how to fix?

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Change attribute of a list now to any name you like. What happens now? What happens if you remove the class attribute.

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Why are vals[c(2, 5)] and vals[2, 5] differen

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

To access the column y in a data table (as a data table) you need to do: DT[,list(y)]. What to do for a data frame (to return data frame)?

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Mit was filter ich alle Werte heraus die Species virginica entsprechen? iris_dt[, Species=="virginica"] iris_dt[Species=="virginica",]

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

What do barplots do?

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Plots for one (continous) variable

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

plots for 2 variables (one discrete, one continuous)

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

plots for 2 variables (both continous)

Kommilitonen im Kurs Data Analysis in R an der TU München. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für Data Analysis in R an der TU München auf StudySmarter:

Data Analysis in R

Check the attributes of the vectors and the list. What is the difference and why? # A. Create vectors aa <- 1:10 names(aa) <- letters[aa] bb <- seq(1, 11) names(bb) <- letters[bb] cc <- seq(1, 12, by = 1) names(cc) <- letters[cc] # B. Combine in a list myList <- list(aa, bb, cc)
attributes(aa) ## $names ## [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" attributes(myList) ## NULL Because List has no names

Data Analysis in R

What is the difference between a factor and a vector?
# A factor is a vector that can contain only predefined values, # and is used to store categorical data. It is stored as an integer with # a character string associated with each integer value

Data Analysis in R

What happens if you replace the second element of the vector with Shredder?
# It doesn't work, as we can only use one of the predefined labels.

Data Analysis in R

Why does it fail whenn coerce a list to a data frame and how to fix?
List Elements have different lengths # Fixing the length myList[[1]] <- c(myList[[1]], NA, NA) myList[[2]] <- c(myList[[2]], NA)

Data Analysis in R

Change attribute of a list now to any name you like. What happens now? What happens if you remove the class attribute.
# 'class' is a generic mechanism for a simple object-oriented style of # programming in R. In this course we will never really need it, as all # higher objects in R provide accessor functions to extract information # from them. However from the exercise you can already see, that data.frame # is a class which is build on list. Whereas list itself is not a class.

Data Analysis in R

Why are vals[c(2, 5)] and vals[2, 5] differen
#Answer : # Because when you subset matrix with a vector, the 2d matrix behaves # like a vector and vals[c(2, 5)] returns the elements at indices 2 # and 5 in column-major order. vals[2, 5] returns the element at row 2, column 5.

Data Analysis in R

To access the column y in a data table (as a data table) you need to do: DT[,list(y)]. What to do for a data frame (to return data frame)?
as.data.frame(DT)["y"] (not [,"y"], this returns a vector )

Data Analysis in R

Mit was filter ich alle Werte heraus die Species virginica entsprechen? iris_dt[, Species=="virginica"] iris_dt[Species=="virginica",]
iris_dt[Species=="virginica",] (iris_dt[, Species=="virginica"] gibt True oder False für jede Zeile zurück)

Data Analysis in R

What do barplots do?
- emphasize the individual values of the thing being measured per categorical subdivision - focus attention primarily on individual values and support comparison on one another

Data Analysis in R

Plots for one (continous) variable
histogram, density plot, boxplot

Data Analysis in R

plots for 2 variables (one discrete, one continuous)
boxplot by category, violin plot, beanplot, barplot

Data Analysis in R

plots for 2 variables (both continous)
scatterplot, 2D density plot, line plot

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Data Analysis in R an der TU München zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Data Analysis in R an der TU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur TU München Übersichtsseite

Blockchain

Cognitive System

Databases for modern CPU

Protein Prediction I

18WS_Strategisches_IT_Management

Patterns

Softwaretechnik

Autonomous Driving

Requirements Engineering

Web Application Engineering

Business Analytics

Echtzeitsysteme

Patterns in Software Engineering

Principles of Economics

Data Mining and Knowledge Discovery

Introduction to Deep Learning

Data Mining and KD

Visual data analytics

Security Engineering

SE betr Anw

Algorithmic Game Theory

Grundlagen der Künstlichen Intelligenz

Virtual Machines

SEBA Master

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für Data Analysis in R an der TU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards

So funktioniert's

Top-Image

Individueller Lernplan

StudySmarter erstellt dir einen individuellen Lernplan, abgestimmt auf deinen Lerntyp.

Top-Image

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus deinen Inhalten.

Top-Image

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und bekomme deine Zusammenfassung.

Top-Image

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile deine Lerninhalte mit Freunden und erhalte Antworten auf deine Fragen.

Top-Image

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter führt dich zur Traumnote.

1

Lernplan

2

Karteikarten

3

Zusammenfassungen

4

Teamwork

5

Feedback