Data Analysis

Schritt-für-Schritt-Hypothesentests für 2×2- und R×C-Tafeln: Pearson-Chi-Quadrat, Yates-Stetigkeitskorrektur, G-Test (Likelihood-Ratio), exakter Fisher-Test bei kleinen erwarteten Häufigkeiten, Effektstärken (Cramérs V / Phi / Kontingenzkoeffizient), Habermans adjustierte Residuen zur Zelllokalisierung, BH-FDR-Hinweis und optionale Chapman-Schätzung (Capture-Recapture).

Data Processing

Validiert die CSV-Struktur, erkennt fehlerhafte Zeilen, unausgewogene Anführungszeichen und Spaltenabweichungen

Data Processing

Laden Sie eine CSV-Datei hoch oder fuegen Sie CSV-Text ein, entfernen Sie doppelte Zeilen per exakter oder unscharfer Erkennung und laden Sie eine bereinigte CSV herunter.

Data Processing

Leitet aus CSV-Daten ein relationales Schema ab und erzeugt CREATE-TABLE- und ALTER-Plaene fuer PostgreSQL, MySQL, SQLite oder SQL Server

Data Processing

Vergleicht zwei CSV- oder XLSX-Quellen und exportiert einen PDF-Bericht mit Zeilen-, Spalten- und Zellunterschieden

Data Processing

Weist eigene und geerbte Eigenschaften mit lodash _.assignIn zu

Data Processing

Weist Quelleigenschaften dem Zielobjekt mit lodash _.assign zu

Data Processing

Zaehlt Elemente nach abgeleitetem Schluessel mit lodash _.countBy

Data Processing

Teilt ein Array in Blöcke der angegebenen Größe mit lodash _.chunk

Data Processing

Entferne falsy-Werte aus einem Array mit lodash _.compact

Data Processing

Mehrere Arrays mit lodash _.concat verketten

Data Processing

Berechnungen in Spalten durchführen und neue Zeilen hinzufügen