library(tidyverse)
## ── Attaching packages ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────── tidyverse 1.3.0 ──
## ✓ ggplot2 3.2.1 ✓ purrr 0.3.3
## ✓ tibble 2.1.3 ✓ dplyr 0.8.3
## ✓ tidyr 1.0.0 ✓ stringr 1.4.0
## ✓ readr 1.3.1 ✓ forcats 0.4.0
## ── Conflicts ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── tidyverse_conflicts() ──
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
library(stringr)
library(modelr)
Laden der Daten: Achtung, das sind 15MB an Daten! Sie stammen von meiner eigenen Seite für den Oktober 2019. Sie wurden aus einer stark angepassten Implementierung von Google Analytics generiert.
data <- read_csv("https://alby.link/websiteboostingdata",
col_types = cols(dimension3 = col_character()))
Wir schauen uns die Daten einmal an:
data