{"id":177006,"date":"2023-05-27T19:08:34","date_gmt":"2023-05-27T18:08:34","guid":{"rendered":"https:\/\/liora.io\/de\/?p=177006"},"modified":"2026-02-06T06:45:14","modified_gmt":"2026-02-06T05:45:14","slug":"ggplot-alles-ueber-die-r-bibliothek-fuer-datavisualisierung","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/ggplot-alles-ueber-die-r-bibliothek-fuer-datavisualisierung","title":{"rendered":"ggplot: Alles \u00fcber die R-Bibliothek f\u00fcr Datavisualisierung"},"content":{"rendered":"<h2>In diesem Artikel werden wir die grundlegenden Konzepte von ggplot erkunden und herausfinden, wie du mit dieser Bibliothek ein Diagramm erstellen kannst, um deine Daten effektiv zu pr\u00e4sentieren.<\/h2>\n<h3>Was ist ggplot?<\/h3>\n<strong>ggplot<\/strong> ist eine Bibliothek zur <a href=\"https:\/\/liora.io\/de\/dataviz\">Datenvisualisierung<\/a> in R, die 2005 von Hadley Wickham entwickelt wurde. Die Bibliothek basiert auf der Graphgrammatik, die es erm\u00f6glicht, Grafiken durch grundlegende Komponenten wie Achsen, Legenden oder Beschriftungen zu beschreiben.\n\nSo kann man mit <strong>ggplot<\/strong> einen Graphen als eine Reihe von Schichten betrachten, die \u00fcbereinander gelegt werden, um den endg\u00fcltigen Graphen zu erzeugen. Jede Grafikschicht kann mit der Funktion + hinzugef\u00fcgt werden und kann Elemente wie Punkte, Linien, Balken, Punktwolken, Histogramme, Boxplots, Texte und vieles mehr enthalten.\n\nUm ein <a href=\"https:\/\/liora.io\/de\/dendrogramm\"><strong>Diagramm<\/strong><\/a> mithilfe des Ebenensystems auf ggplot zu erstellen, legst du zun\u00e4chst die Daten und Variablen fest, die f\u00fcr die x- und y-Achse verwendet werden sollen, und f\u00fcgst dann nach und nach weitere Diagrammschichten hinzu.\n\nEine der am h\u00e4ufigsten verwendeten Grafikschichten sind die Schichten f\u00fcr geometrische Funktionen mithilfe der entsprechenden geom_-Funktionen.\n\nHier sind einige Beispiele f\u00fcr Grafikschichten aus geometrischen Funktionen:\n<ul>\n \t<li>geom_point(): f\u00fcgt dem Graphen Punkte hinzu.<\/li>\n \t<li>geom_line(): f\u00fcgt dem Graphen eine Linie hinzu.<\/li>\n \t<li>geom_bar(): f\u00fcgt dem Graphen ein Balkendiagramm hinzu.<\/li>\n \t<li>geom_histogram(): f\u00fcgt dem Diagramm ein Histogramm hinzu.<\/li>\n \t<li>geom_boxplot(): f\u00fcgt dem Diagramm einen Boxplot hinzu.<\/li>\n \t<li>geom_text(): f\u00fcgt dem Diagramm Text hinzu<\/li>\n<\/ul>\n?Auch interessant:\n<table dir=\"ltr\" border=\"1\" cellspacing=\"0\" cellpadding=\"0\">\n<colgroup>\n<col width=\"268\"><\/colgroup>\n<tbody>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Data Engineer Skills&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/data-engineer-skills-diese-machen-dich-erfolgreich\"><a href=\"https:\/\/liora.io\/de\/data-engineer-skills-diese-machen-dich-erfolgreich\" target=\"_blank\" rel=\"noopener\">Data Engineer Skills<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Data Loss Prevention&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/data-loss-prevention-dlp-grundsaetze-und-umsetzung\"><a href=\"https:\/\/liora.io\/de\/data-loss-prevention-dlp-grundsaetze-und-umsetzung\" target=\"_blank\" rel=\"noopener\">Data Loss Prevention<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Data Warehouse&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/data-warehouse\"><a href=\"https:\/\/liora.io\/de\/data-warehouse\" target=\"_blank\" rel=\"noopener\">Data Warehouse<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Data Science Bootcamp&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/data-science-bootcamp-vorteile-fuer-deine-karriere\"><a href=\"https:\/\/liora.io\/de\/data-science-bootcamp-vorteile-fuer-deine-karriere\" target=\"_blank\" rel=\"noopener\">Data Science Bootcamp<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Wie wird man Data Analyst&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/wie-wird-man-data-analyst\"><a href=\"https:\/\/liora.io\/de\/wie-wird-man-data-analyst\" target=\"_blank\" rel=\"noopener\">Wie wird man Data Analyst<\/a><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nBeachte, dass jede <strong>Diagrammebene<\/strong> mit Hilfe von funktionsspezifischen Optionen angepasst werden kann.\n\nUm dieses Prinzip zu verstehen, sehen wir uns an, wie wir Schritt f\u00fcr Schritt das folgende Diagramm mit dem Iris-Datensatz erstellen.\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"840\" height=\"840\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image6.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image6.png 840w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image6-300x300.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image6-150x150.png 150w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image6-768x768.png 768w\" sizes=\"(max-width: 840px) 100vw, 840px\"><figcaption><\/figcaption><\/figure>\nHier ist ein \u00dcberblick \u00fcber unsere Daten:\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"370\" height=\"236\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image4-1-1.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image4-1-1.png 370w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image4-1-1-300x191.png 300w\" sizes=\"(max-width: 370px) 100vw, 370px\">\n\n<figcaption><\/figcaption><\/figure>\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">ggplot lernen<\/a><\/div><\/div>\n\n<h4>Schritt 1: Die ggplot-Bibliothek laden und die csv-Datei einlesen<\/h4>\nlibrary(ggplot2)\n\niris &lt;- read.csv(&#8222;species.csv&#8220;)\n<h4>Schritt 2: Erstelle das ggplot-Objekt<\/h4>\n<pre>p = ggplot(iris, aes(x=Sepal.Length + Petal.Length, y = Sepal.Width + Petal.Width))<\/pre>\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"840\" height=\"840\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image5.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image5.png 840w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image5-300x300.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image5-150x150.png 150w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image5-768x768.png 768w\" sizes=\"(max-width: 840px) 100vw, 840px\">\n\n<figcaption><\/figcaption><\/figure>\nDiese Zeile erstellt ein<strong> ggplot-Grafikobjekt<\/strong> mit dem Namen p, das den <a href=\"https:\/\/liora.io\/de\/datasets-top-5-websites-fuer-qualitativ-hochwertige-datensaetze\">Datensatz<\/a> iris mit den Variablen Sepal.Length, Petal.Length, Sepal.Width und Petal.Width darstellt.\n\nDie Werte von Sepal.Length und Petal.Length werden hinzugef\u00fcgt, um die x-Achse zu erstellen, w\u00e4hrend die Werte von Sepal.Width und Petal.Width hinzugef\u00fcgt werden, um die y-Achse zu erstellen.\n<h4>Schritt 3: Erstellen einer Punktwolke<\/h4>\np = ggplot(iris, aes(x=Sepal.Length + Petal.Length, y = Sepal.Width + Petal.Width))\n\n+ geom_jitter(aes(color = Species), alpha =0.6, width = 1)\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"840\" height=\"840\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image3-1-1.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image3-1-1.png 840w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image3-1-1-300x300.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image3-1-1-150x150.png 150w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image3-1-1-768x768.png 768w\" sizes=\"(max-width: 840px) 100vw, 840px\">\n\n<figcaption><\/figcaption><\/figure>\nDiese Zeile f\u00fcgt der Grafik eine Punktwolke (geom_jitter) hinzu. Die Punkte werden entsprechend der Variable Species eingef\u00e4rbt und haben eine Transparenz von 0,6 und eine Breite von 1.\n<h4>Schritt 4: Erstellen einer linearen Regression<\/h4>\n<pre>p = ggplot(iris, aes(x=Sepal.Length + Petal.Length, y = Sepal.Width + Petal.Width))&nbsp;<\/pre>\n+ geom_jitter(aes(color = Species), alpha =0.6, width = 1)\n\n+ geom_smooth(method=&#8217;lm&#8216;, se = FALSE)\n\nAuch interessant:<a href=\"https:\/\/liora.io\/de\/logistische-regression-was-ist-das-denn\"> Logistische Regression<\/a>\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"840\" height=\"840\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image7-2.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image7-2.png 840w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image7-2-300x300.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image7-2-150x150.png 150w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image7-2-768x768.png 768w\" sizes=\"(max-width: 840px) 100vw, 840px\">\n\n<figcaption><\/figcaption><\/figure>\nDiese Zeile f\u00fcgt der Grafik eine Ebene mit einer Regressionsgeraden (geom_smooth) hinzu. Die verwendete Modellierungsmethode ist die lineare Regression (method=&#8217;lm&#8216;). Die Option se = FALSE wird verwendet, um die Konfidenzintervalle nicht anzuzeigen.\n\n<a href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">\nWeiterbildung mit ggplot bei  Liora\n<\/a>\n<h4>5. Schritt: Trenne die Grafik in Unterteile<\/h4>\n<pre>p = ggplot(iris, aes(x=Sepal.Length + Petal.Length, y = Sepal.Width + Petal.Width))\n\n+ geom_jitter(aes(color = Species), alpha =0.6, width = 1)\n\n+ geom_smooth(method='lm', se = FALSE)&nbsp;\n\n+ facet_wrap(~Species)<\/pre>\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"840\" height=\"840\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image2-1.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image2-1.png 840w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image2-1-300x300.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image2-1-150x150.png 150w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image2-1-768x768.png 768w\" sizes=\"(max-width: 840px) 100vw, 840px\">\n\n<figcaption><\/figcaption><\/figure>\nDiese Linie unterteilt das Diagramm in Panels (facet_wrap) entsprechend der Variablen Species. Dies erm\u00f6glicht es, die Beziehung zwischen den Variablen f\u00fcr jede Art separat zu sehen.\n<h4>Schritt 6: Hinzuf\u00fcgen von Etiketten<\/h4>\n<pre>p = ggplot(iris, aes(x=Sepal.Length + Petal.Length, y = Sepal.Width + Petal.Width)) + geom_jitter(aes(color = Species), alpha =0.6, width = 1)\n\n+ geom_smooth(method='lm', se = FALSE)&nbsp;\n\n+ facet_wrap(~Species)&nbsp;\n\n+ labs(title = \"Relation Length\/Width\", x= \"Length\", y= \"Width\")<\/pre>\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"840\" height=\"840\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image1-5.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image1-5.png 840w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image1-5-300x300.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image1-5-150x150.png 150w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image1-5-768x768.png 768w\" sizes=\"(max-width: 840px) 100vw, 840px\">\n\n<figcaption><\/figcaption><\/figure>\nDiese Zeile f\u00fcgt dem Diagramm Titel- und Achsenbeschriftungen hinzu. Der Titel lautet &#8222;Relation Length\/Width&#8220;, die x-Achse wird mit &#8222;Length&#8220; und die y-Achse mit &#8222;Width&#8220; beschriftet.\n<h4>Schritt 7: Hinzuf\u00fcgen des Themas<\/h4>\n<pre>p = ggplot(iris, aes(x=Sepal.Length + Petal.Length, y = Sepal.Width + Petal.Width))&nbsp;\n\n+ geom_jitter(aes(color = Species), alpha =0.6, width = 1)\n\n+ geom_smooth(method='lm', se = FALSE)&nbsp;\n\n+ facet_wrap(~Species)&nbsp;\n\n+ labs(title = \"Relation Length\/Width\", x= \"Length\", y= \"Width\")\n\n+&nbsp; theme(plot.background = element_rect(fill = '#E8EAF6', color = \"#08104E\", size = 3))<\/pre>\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"840\" height=\"840\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image6-1.png\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image6-1.png 840w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image6-1-300x300.png 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image6-1-150x150.png 150w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/05\/image6-1-768x768.png 768w\" sizes=\"(max-width: 840px) 100vw, 840px\">\n\n<figcaption><\/figcaption><\/figure>\nDiese Zeile legt mithilfe der Funktion theme() ein benutzerdefiniertes Thema f\u00fcr die Grafik fest. Das Argument plot.background wird verwendet, um den Hintergrund der Grafik festzulegen. Die Funktion element_rect() wird verwendet, um ein Rechteck mit einer F\u00fcllfarbe von &#8218;#E8EAF6&#8216;, einem Rand in der Farbe &#8222;#08104E&#8220; und einer Dicke von 3 Pixel zu erstellen.\n\nDieser Code erstellt eine 7-stufige ggplot-Grafik, die das Verh\u00e4ltnis zwischen der L\u00e4nge und Breite der Kelch- und Bl\u00fctenbl\u00e4tter f\u00fcr die verschiedenen Arten von Irisblumen zeigt. Die Punkte werden entsprechend der Art eingef\u00e4rbt und eine lineare Regression wird f\u00fcr jede Art angepasst.\n\n?Auch interessant:\n<table dir=\"ltr\" border=\"1\" cellspacing=\"0\" cellpadding=\"0\">\n<colgroup>\n<col width=\"268\"><\/colgroup>\n<tbody>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Imageio Python Bibliothek&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/imageio-die-python-bibliothek-fuer-bilddaten\"><a href=\"https:\/\/liora.io\/de\/imageio-die-python-bibliothek-fuer-bilddaten\" target=\"_blank\" rel=\"noopener\">Imageio Python Bibliothek<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;PySpark Python Bibliothek &quot;}\" data-sheets-textstyleruns=\"{&quot;1&quot;:0,&quot;2&quot;:{&quot;2&quot;:{&quot;1&quot;:2,&quot;2&quot;:1136076},&quot;9&quot;:1}}\uee10{&quot;1&quot;:25,&quot;2&quot;:{&quot;2&quot;:{&quot;1&quot;:2,&quot;2&quot;:0},&quot;9&quot;:0}}\" data-sheets-hyperlinkruns=\"{&quot;1&quot;:0,&quot;2&quot;:&quot;https:\/\/liora.io\/de\/pyspark-alles-wissenswerte-uber-die-python-bibliothek&quot;}\uee10{&quot;1&quot;:25}\"><a href=\"https:\/\/liora.io\/de\/pyspark-alles-wissenswerte-uber-die-python-bibliothek\" target=\"_blank\" rel=\"noopener\">PySpark Python Bibliothek<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Folium Open Source Bibliothek von Python&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/folium-entdecke-die-open-source-bibliothek-von-python\"><a href=\"https:\/\/liora.io\/de\/folium-entdecke-die-open-source-bibliothek-von-python\" target=\"_blank\" rel=\"noopener\">Folium Open Source Bibliothek von Python<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Top 10 Python Bibliotheken&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/top-10-der-python-bibliotheken-fur-data-scientists\"><a href=\"https:\/\/liora.io\/de\/top-10-der-python-bibliotheken-fur-data-scientists\" target=\"_blank\" rel=\"noopener\">Top 10 Python Bibliotheken<\/a><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>Was ist von ggplot zu halten?<\/h3>\nggplot ist eine <strong>Bibliothek f\u00fcr die Datenvisualisierung<\/strong> in R. Dank des flexiblen Layersystems k\u00f6nnen wir individuelle und komplexe Grafiken erstellen, indem wir nach und nach zus\u00e4tzliche Grafikkomponenten hinzuf\u00fcgen.\n\nWenn du dich f\u00fcr die Datenvisualisierung interessierst, kannst du dich gerne unserem Data Analyst-Kurs anschlie\u00dfen!\n\n<a href=\"https:\/\/liora.io\/de\/weiterbildung-data-analyst\">\nData Analyst Weiterbildung\n<\/a>","protected":false},"excerpt":{"rendered":"<p>In diesem Artikel werden wir die grundlegenden Konzepte von ggplot erkunden und herausfinden, wie du mit dieser Bibliothek ein Diagramm erstellen kannst, um deine Daten effektiv zu pr\u00e4sentieren. Was ist ggplot? ggplot ist eine Bibliothek zur Datenvisualisierung in R, die 2005 von Hadley Wickham entwickelt wurde. Die Bibliothek basiert auf der Graphgrammatik, die es erm\u00f6glicht, [&hellip;]<\/p>\n","protected":false},"author":76,"featured_media":177008,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-177006","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/177006","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/76"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=177006"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/177006\/revisions"}],"predecessor-version":[{"id":217509,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/177006\/revisions\/217509"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/177008"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=177006"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=177006"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}