Wiederholung

# Wiederholung
### Explorative Datenanalyse mit R <a href='https://therbootcamp.github.io'>The R Bootcamp</a> <a href='https://therbootcamp.github.io/EDA_2020Sep/'> </a>  <a href='https://therbootcamp.github.io'> </a>  <a href='mailto:therbootcamp@gmail.com'> </a>  <a href='https://www.linkedin.com/company/basel-r-bootcamp/'> </a>
### September 2020

---

<div class="my-footer">
 
 
 <img src="https://raw.githubusercontent.com/therbootcamp/therbootcamp.github.io/master/_sessions/_image/by-sa.png" height=14 style="vertical-align: middle"/>
 
 <a href="https://therbootcamp.github.io/">
 
 
 www.therbootcamp.com
 
 
 </a>
 <a href="https://therbootcamp.github.io/">
 
 Explorative Datenanalyse mit R | September 2020
 
 </a>
 
 </div>

---

# 3 Klassen von Datenobjekten

<high>`list`</high> - R's Mehrzweck-Container
- Kann alle Daten beinhalten, inkl. `list`s
- Nützlich für komplexe Funktionsoutputs

<high>`data_frame`</high>, <high>`tibble`</high> - R's Tabelle
- Spezialfall einer `list`
- R's `Tidy`-Format für Daten

<high>`vector`</high> - R's Daten-Container 
- Primärer Daten-Container
- Beinhaltet daten von genau einem Klasse
 
]

---

# Datentypen ausserhalb von R

<table class="tg" style="cellspacing:0; cellpadding:0; border:none;" width="95%">
<col width=30%>
<col width=30%>
<col width=30%>
<tr>
 <td bgcolor = 'white' style='vertical-align:top'>
 <ul>
 <li class="m1"><high>Strukturierte Daten</high>
 <ul class="level">
 <li>Delimiter getrennt: <mono>.csv</mono>, <mono>.txt</mono>, etc.</li>
 <li>Relationale Datenbanken: <mono>SQL</mono></li>
 </ul>
 <img src="image/structured.png" height=250px>
 </li>
 </ul>
 </td>
 <td bgcolor = 'white' style='vertical-align:top'>
 <ul>
 <li class="m2"><high>Semi-strukturierte Daten</high>
 <ul class="level">
 <li>Markup: <mono>.xml</mono>, <mono>.xls</mono>, <mono>.html</mono> etc.</li>
 <li>Non markup: <mono>JSON</mono>, <mono>MongoDB</mono></li>
 </ul>
 <img src="image/html.png" height=250px>
 </li>
 </ul>
 </td>
 <td bgcolor = 'white' style='vertical-align:top'>
 <ul>
 <li class="m3"><high>Unstrukturierte Daten</high>
 <ul class="level">
 <li>z.B. Text</li>
 </ul>
 <br2><img src="image/text.png" height=250px>
 </li>
 </ul>
 </td>
 </tr>
</table>

---

# Delimiter getrennte Daten

<ul>
 <li class="m1"><high>Delimiter</high> separieren die Spalten.</li>
 <li class="m2">Meist als <high>lokale Textdatei</high> vorliegend.</li>
 <li class="m3"><high>Datenklassen</high> werden inferiert.</li>
</ul>

]

```r
# Lese Basel Datensatz ein
basel <- read_csv("1_Data/basel.csv")

# Benutze expliziten Delimiter
basel <- read_delim("1_Data/basel.csv",
 delim = ",")
basel
```

```
## # A tibble: 10,000 x 20
## id geschlecht alter groesse
## <dbl> <chr> <dbl> <dbl>
## 1 1 f 87 165 
## 2 2 m 54 175.
## 3 3 f 34 147.
## 4 4 m 31 166.
## 5 5 m 24 180.
## # … with 9,995 more rows, and 16
## # more variables
```

]

---

# Das mächtige <mono>tidyverse</mono>

<ul>
 <li class="m1">Das <a href="https://www.tidyverse.org/"><mono>tidyverse</mono></a> ist im Kern eine Sammlung hoch-performanter, nutzerfreundlicher Pakete, die speziell für eine effizientere Datenanalyse entwickelt wurden.</li>
</ul>

<ol style="padding-left:72px">
 <li><mono>ggplot2</mono> für Grafiken.</li>
 <li><high><mono>dplyr</mono> für Datenverarbeitung</high>.</li>
 <li><high><mono>tidyr</mono> für Datenverarbeitung</high>.</li>
 <li><mono>readr</mono> für Daten I/O.</li>
 <li><mono>purrr</mono> für funktionales Programmieren.</li>
 <li><mono>tibble</mono> für moderne <mono>data_frame</mono>'s.</li>
</ol>

---

# Was ist Wrangling?

<ul>
 <li class="m1"><high>Transformieren</high>
 
 <ul class="level">
 <li>Spaltennamen verändern</li>
 <li>Neue Variablen kreieren</li>
 </ul></li>
 <li class="m2"><high>Organisieren</high>
 
 <ul class="level">
 <li>Sortieren</li>
 <li>Datensätze zusammenführen</li>
 <li>Spalten zu Zeilen flippen</li>
 </ul></li>
 <li class="m3"><high>Aggregieren</high>
 
 <ul class="level">
 <li>Datengruppen bilden</li>
 <li>Statistiken für Gruppen berechnen</li>
 </ul></li>
</ul>

]

]

---

# <mono>%>%</mono>

<ul>
 <li class="m1">Der präferierte Gebrauch von <mono>dplyr</mono> beinhaltet einen <high>neuen Operator</high>, die Pipe <highm>%>%</highm>.</li>
</ul>

<img src="image/pipe.jpg" width = "300px"> 
from <a href="https://upload.wikimedia.org/wikipedia/en/thumb/b/b9/MagrittePipe.jpg">wikimedia.org</a>

]

]

---

# Transformation

<ul>
 <li class="m1"><high>Umbenennen</high>: Intuitive Spaltennamen vergeben.
 
 <ul class="level">
 <li><mono>rename()</mono></li>
 </ul>
 </li>
 <li class="m2"><high>Umkodieren</high>: Angemessene Einheiten und Datenlabels vergeben.
 
 <ul class="level">
 <li><mono>mutate()</mono></li>
 <li><mono>case_when()</mono></li>
 </ul>
 </li>
 <li class="m3"><high>Verbinden</high>: Datensätze zusammenführen.
 
 <ul class="level">
 <li><mono>left_join()</mono></li>
 </ul>
 </li>
</ul>

]

```r
patienten
```

```
## # A tibble: 5 x 3
## id X1 X2
## <dbl> <dbl> <dbl>
## 1 1 37 1
## 2 2 65 2
## 3 3 57 2
## 4 4 34 1
## 5 5 45 2
```

```r
ergebnisse
```

```
## # A tibble: 5 x 3
## id t_1 t_2
## <dbl> <dbl> <dbl>
## 1 4 100 105
## 2 92 134 150
## 3 1 123 135
## 4 2 143 140
## 5 99 102 68
```

]

---

# Organisation

<ul>
 <li class="m4"><high>Sortieren</high>: Datensatz ordnen.
 
 <ul class="level">
 <li><mono>arrange()</mono></li>
 </ul>
 </li>
 <li class="m5"><high>Filtern</high>: Relevante Fälle auswählen.
 
 <ul class="level">
 <li><mono>slice()</mono></li>
 <li><mono>filter()</mono></li>
 </ul>
 </li>
 <li class="m6"><high>Auswählen</high>: Relevante Variablen auswählen.
 
 <ul class="level">
 <li><mono>select()</mono></li>
 </ul>
 </li>
</ul>

]

```r
# Verbundener tibble
patienten_ergebnisse
```

```
## # A tibble: 5 x 6
## id alter bedingung bed_label
## <dbl> <dbl> <dbl> <chr> 
## 1 1 37 1 placebo 
## 2 2 65 2 medikame…
## 3 3 57 2 medikame…
## 4 4 34 1 placebo 
## 5 5 45 2 medikame…
## # … with 2 more variables
```

]

---

# Aggregation

<ul>
 <li class="m1"><high>Aggregation</high>
 
 <ul class="level">
 <li><mono>summarise()</mono></li>
 <li><mono>summarise_if()</mono></li>
 <li><mono>group_by(), summarise()</mono></li>
 <li><mono>n(), first(), last(), nth()</mono></li>
 <li><mono>pull()</mono></li>
 </ul>
 </li>
</ul>

]

```r
basel
```

```
## # A tibble: 10,000 x 20
## id geschlecht alter groesse gewicht
## <dbl> <chr> <dbl> <dbl> <dbl>
## 1 1 f 87 165 NA 
## 2 2 m 54 175. 85.6
## 3 3 f 34 147. 53.9
## 4 4 m 31 166. 105 
## 5 5 m 24 180. 102. 
## # … with 9,995 more rows, and 15 more
## # variables: einkommen <dbl>,
## # bildung <chr>, konfession <chr>,
## # kinder <dbl>, glueck <dbl>,
## # fitness <dbl>, essen <dbl>,
## # alkohol <dbl>, tattoos <dbl>,
## # rhein <dbl>, …
```

]

---

<h1><a href=https://therbootcamp.github.io/EDA_2020Feb/index.html>Agenda</a></h1>