Skip to contents

Prüft Distinct-Werte-Änderungen für alle Variablen eines Datensatzes

Source: R/check_distinct_level_change_df.r
check_distinct_level_change_df.Rd

Diese Hilfsfunktion ruft intern für jede Nicht-Gruppierungsvariable check_distinct_level_change() auf und fasst die Ergebnisse zu einem gemeinsamen tibble zusammen. Standardmäßig werden nur die Einträge zurückgegeben, die als auffällig markiert (flagged == TRUE) sind.

Usage

check_distinct_level_change_df(
  data,
  group_col,
  threshold_low = 0.7,
  threshold_high = 1.5,
  min_distinct = 5
)

Arguments

data

Ein data.frame oder tibble mit den zu prüfenden Daten.

group_col

Ungequoteter Spaltenname; Gruppierungsvariable (z. B. semester). Die Funktion verwendet rlang::ensym() zur Auswertung.

threshold_low

Numerischer unterer Schwellenwert für die Prüfung (z. B. 0.70).

threshold_high

Numerischer oberer Schwellenwert für die Prüfung (z. B. 1.50).

min_distinct

Ganzzahliger Minimalwert für den Median der Anzahl unterschiedlicher Werte, unterhalb dessen eine Variable nicht geprüft wird (Standard: 5).

Value

Ein tibble mit den markierten Abweichungen. Die Ausgabe enthält mindestens die Spalten:

  • status: Textueller Status (negativ abweichend, positiv abweichend, NORMAL)

  • variable: Name der geprüften Variable

  • semester: Wert der Gruppierungsvariable (Originalname in der Ausgabe semester)

  • unique_found: Gefundene Anzahl eindeutiger Werte in der Gruppe

  • unique_med: Median der eindeutigen Werte über alle Gruppen

  • faktor: Verhältnis unique_found / unique_med (gerundet)

Wenn keine Auffälligkeiten gefunden werden, gibt die Funktion ein leeres tibble (invisibly) zurück und schreibt eine Erfolgsmeldung.

Details

Für jede Spalte in data, die nicht der group_col entspricht, wird die Anzahl unterschiedlicher Werte pro Gruppe berechnet. Als Referenz dient der Median der Anzahl unterschiedlicher Werte über alle Gruppen. Liegt die relative Abweichung vom Median außerhalb der Intervalle threshold_low .. threshold_high, wird dieser Fall als auffällig markiert.

See also

check_distinct_level_change

Examples

if (FALSE) { # \dontrun{
  check_distinct_level_change_df(db_data_universitaet_jena, semester)
  check_distinct_level_change_df(my_data, semester, threshold_low = 0.6, threshold_high = 1.4)
} # }