Übung 3 - Daten Einlesen & Validieren

FS 2026

Author

Gidon Frischkorn

Wiederholung & Vertiefung: Daten Einlesen & Validieren

In dieser Übung lernen Sie, wie Sie unbekannte Datendateien inspizieren, das richtige Einlese-Format identifizieren, und nach dem Import systematisch validieren, ob die Daten korrekt eingelesen wurden.

Wenn Sie die Inhalte der Vorlesung nochmal vertiefen wollen, empfehle ich Ihnen folgende Videos:

Daten für diese Übung

In dieser Übung arbeiten Sie mit zwei Datensätzen, die Sie auch auf dieser Website herunterladen können:

Die webR-Konsole unten lädt die Datensätze automatisch für Sie herunter.

Vorgehen beim Einlesen unbekannter Dateien

  1. Dateiformat identifizieren: Endung, readLines() für die ersten Zeilen
  2. Passende Funktion wählen: read.csv(), read.csv2(), read.table(), etc.
  3. Einlesen und Struktur prüfen: str(), dim(), names()
  4. Werte validieren: summary(), table(), colSums(is.na())

Übungen

Beantworten Sie die folgenden Fragen zum Einlesen und Validieren von Daten.

Wie in den Übungen finden Sie unter den Übungsfragen die webr Konsole, die Ihnen das Schreiben und Durchführen von R Code direkt auf der Website ermöglicht. Wenn viele Studierenden die Übungen parallel machen, dann kann es sein, dass webr langsam wird.

Um den Code den Sie geschrieben haben auszuführen drücken Sie entweder Run Code, damit der gesamte Code ausgeführt wird. Alternativ können Sie auch einzelne Zeilen ausführen, indem sie CTRL+Enter (Windows) oder CMD+Enter (Mac) drücken.

Welche Funktion liest eine CSV-Datei mit Semikolon als Trennzeichen und Komma als Dezimaltrennzeichen (deutsches Format) korrekt ein?

Korrekt sind read.csv2() und read.table() mit den Argumenten sep = ";" und dec = ",". read.csv2() ist die Standardfunktion für das deutsche CSV-Format (Semikolon-getrennt, Komma als Dezimaltrennzeichen). read.table() mit den entsprechenden Argumenten erreicht dasselbe Ergebnis. read.csv() verwendet Komma als Trennzeichen und Punkt als Dezimaltrennzeichen (englisches Format) und ist hier falsch. read.delim() liest Tab-getrennte Dateien ein und passt ebenfalls nicht.

Nach dem Einlesen eines Datensatzes mit daten <- read.csv2("daten.csv") möchten Sie prüfen, ob der Import korrekt war. Welche der folgenden Funktionen sind für eine erste Validierung geeignet?

Für die erste Validierung nach dem Einlesen sind dim(), str() und names() geeignet. Diese geben schnell Auskunft darüber, ob die Dimensionen stimmen, die Variablennamen korrekt sind, und ob die Datentypen plausibel sind. plot(daten) ist kein Validierungswerkzeug für die Importqualität — es erstellt zwar Grafiken, zeigt aber nicht, ob der Import korrekt war.

Sie führen folgenden Code aus und erhalten die Ausgabe:

readLines("daten.csv", n = 3)
# [1] "id;wm_score;alter;geschlecht"
# [2] "VP01;7,5;22;weiblich"
# [3] "VP02;6,3;25;männlich"

Welche Aussagen über diese Datei sind korrekt?

Aus der Ausgabe von readLines() erkennt man: Das Trennzeichen ist ein Semikolon (nicht ein Komma), das Dezimaltrennzeichen ist ein Komma wie im deutschsprachigen Raum üblich, und die erste Zeile enthält Spaltennamen (Header). Für dieses Format verwendet man read.csv2() oder read.table(sep = ";", dec = ",").

Nutzen Sie eine Suchmaschine, wenn Sie nicht wissen welche Funktionen Ihnen ein bestimmtes Ergebnis liefern.