Explorative Datenanalyse mit R The R Bootcamp |
from unsplash.com
In diesem Practical wirst du R’s Datenklassen besser kennenlernen und das Einlesen und Schreiben von Daten üben.
Am Ende des Practicals wirst du wissen:
Öffne dein TheRBootcamp
R project. Es sollte die Ordner 1_Data
und 2_Code
enthalten.
Öffne ein neues R Skript. Schreibe deinen Namen, das Datum und “Daten Practical” als Kommentare an den Anfang des Skripts.
## NAME
## DATUM
## Daten Practical
Speichere das neue Skript unter dem Namen daten_practical.R
im 2_Code
Ordner.
Lade die Pakete tidyverse
, haven
, und readxl
. Falls eines der Pakete noch nicht installiert ist, installiere es zunächst mit install.packages("PAKETNAME"s)
.
# Pakete laden
library(tidyverse)
library(haven)
library(readxl)
# Pakete laden
library(tidyverse)
library(haven)
library(readxl)
Die folgende Tabelle zeigt die Daten von fünf hypothetischenn Baselern. Im ersten Teil dieses Practicals ist es zunächst deine Aufgabe diese Tabelle Schritt für Schritt nachzubauen.
id | geschlecht | alter | groesse | gewicht | sex |
---|---|---|---|---|---|
1 | f | 87 | 165 | F | |
2 | m | 54 | 175 | 86 | M |
3 | f | 34 | 147 | 54 | F |
4 | m | 31 | 166 | 105 | M |
5 | m | 24 | 180 | 102 | M |
id
, der die id
Werte der 5 Baseler Tabelle enthält. Wenn du ihn erstellt hast, printe das Vektor-Objekt. Wann immmer du XX
siehst, bedeutet das, dass du etwas an dessen Stelle eintragen sollst. Siehe Tabelle.# Erstelle Vektor namens id
XX <- c(XX, XX, XX, XX, XX)
# Printe den Vektor
XX
# Erstelle Vektor namens id
id <- 1:5
# Printe den Vektor
id
[1] 1 2 3 4 5
class()
, um zu überprüfen welche Klasse der id
Vektor hat. Ist er numeric
?# Zeige die Klasse von id
class(XX)
# Zeige die Klasse von id
class(id)
[1] "integer"
length()
Funktion, um die Länge von id
zu bestimmen. Hat er die Länge 5? Wenn nicht, stelle sicher, dass du den Vektor korrekt definiert hast.# Zeige die Länge des Vektors
length(XX)
# Zeige die Länge des Vektors
length(id)
[1] 5
geschlecht
, der die entsprechenden Werte aus der Baseler Tabelle enthält. Stelle sicher, dass du Anführungszeichen ""
um die einzelnen Elemente setzt, damit R weiss, dass es sich um character
Werte handelt. Wenn du fertig bist, lasse dir den Vektor anzeigen.# Kreiere Vektor geschlecht
XX <- c("XX", "XX", "XX", "XX", "XX")
# Kreiere Vektor geschlecht
geschlecht <- c("m", "m", "f", "m", "m")
# Zeige den Vektor
geschlecht
[1] "m" "m" "f" "m" "m"
class()
und length()
, um die Klasse (character
) und die Länge (5) zu überprüfen?# Zeige die Klasse und die Länge von geschlecht
class(geschlecht)
[1] "character"
length(geschlecht)
[1] 5
alter
und groesse
durch.# Kreiere Vektor alter
alter <- c(44, 65, 31, 27, 24)
# Zeige Vektor alter
alter
[1] 44 65 31 27 24
# Zeige Klasse von Vektor alter
class(alter)
[1] "numeric"
# Zeige Länge von Vektor alter
length(alter)
[1] 5
# Kreiere Vektor groesse
groesse <- c(174, 180, 168, 209, 177)
# Zeige Vektor groesse
groesse
[1] 174 180 168 209 177
# Zeige Klasse von Vektor groesse
class(groesse)
[1] "numeric"
# Zeige Länge von Vektor groesse
length(groesse)
[1] 5
gewicht
an. Du solltest sehen, dass sie einen fehlenden Wert beinhaltet. Kreiere einen Vektor gewicht
mit denselben Schritten wie zuvor. Spezifiziere den fehlenden Wert dabei als NA
(ohne Anführungszeichen).# Kreiere Vektor gewicht
gewicht <- c(113, 75, 56, 934, NA)
# Zeige Vektor gewicht
gewicht
[1] 113 75 56 934 NA
# Zeige Klasse von Vektor gewicht
class(gewicht)
[1] "numeric"
# Zeige Länge von Vektor gewicht
length(gewicht)
[1] 5
tibbles
tibble()
, um einen data frame namens basel
zu erstellen, der die eben erstellten Vektoren enthält, d.h., id
, alter
, geschlecht
, groesse
, und gewicht
.# Kreiere data frame aus den Vektoren
XX <- tibble(XX, XX, XX, XX, XX, XX)
# Kreiere data frame aus den Vektoren
basel <- data.frame(id, alter, geschlecht, groesse, gewicht)
# Print basel
basel
id alter geschlecht groesse gewicht
1 1 44 m 174 113
2 2 65 m 180 75
3 3 31 f 168 56
4 4 27 m 209 934
5 5 24 m 177 NA
summary()
um deskriptive Statistiken für die Variablen in basel
zu erstellen.# Zeige deskriptive Statistiken
summary(basel)
id alter geschlecht groesse gewicht
Min. :1 Min. :24.0 Length:5 Min. :168 Min. : 56
1st Qu.:2 1st Qu.:27.0 Class :character 1st Qu.:174 1st Qu.: 70
Median :3 Median :31.0 Mode :character Median :177 Median : 94
Mean :3 Mean :38.2 Mean :182 Mean :294
3rd Qu.:4 3rd Qu.:44.0 3rd Qu.:180 3rd Qu.:318
Max. :5 Max. :65.0 Max. :209 Max. :934
NA's :1
$
-Operator, um allein die Variable alter
zu printen.# Printe alter
basel$XX
# Printe alter
basel$alter
mean()
, max()
, min()
, und median()
umd deskriptive Statistiken direkt für die Variable alter
zu berechnen# Deskriptive Statistiken für alter
mean(basel$alter)
median(basel$alter)
max(basel$alter)
min(basel$alter)
In diesem Abschnitt importierst du den bekannten diamonds
Datensatz und bearbeitest ihn.
diomands.csv
Datensatz. Setze hierzu den Cursor zwischen zwei Anführungszeichen ""
und drücke ⇥ (tab). Speichere den Filepath zunächst in einem eigenen Objekt namens diamonds_path
.# Setze den Cursor zwischen "" und drücke tab
diamonds_path <- ""
# Setze den Cursor zwischen "" und drücke tab
diamonds_path <- "1_Data/diamonds.csv"
diamonds_path
in der Funktion read_csv()
, um den Datensatz einzulesen und als neues Objekt diamonds
zu speichern. (Der Umweg über das Objekt diamonds_path
ist natürlich nicht zwingend nötig. Man kann den Filepath auch direkt als Argument einsetzen.)# Lese den diamonds Datensatz ein
diamonds <- read_csv(file = XX)
# Lese den diamonds Datensatz ein
diamonds <- read_csv(file = diamonds_path)
Rows: 99 Columns: 7
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (4): 0.8, Very Good, H, VVS1
dbl (3): 62.9, 58, 4468
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
diamonds
Datensatz. Inspiziere die Variablennamen. Etwas stimmt nicht, oder?# Print diamonds
diamonds
# A tibble: 99 × 7
`0.8` `Very Good` H VVS1 `62.9` `58` `4468`
<chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
1 0.74 Ideal H IF 60.9 57 3760
2 2.03 Premium I SI1 61.4 58 15683
3 0.41 Ideal G VVS1 62.1 55 1151
4 1.54 Premium G VS1 61.1 56 14438
5 0.3 Ideal E VS2 61.8 55 795
6 0.3 Ideal H VVS2 61.5 56 605
7 1.2 Ideal D SI1 61.8 58 7508
8 0.58 Ideal E VS2 62.3 54 1809
9 0.31 Ideal H VS2 62.6 57 489
10 1.24 Very Good F VS1 59 60 9885
# … with 89 more rows
character
Vektor mit Namen dem col_names
-Argument zuweist. Der Vektor soll folgende Namen enthalten: karat
, cut
, farbe
, klarheit
, tiefe
, tabelle
, preis
.# lese dimaonds nochmal ein, diesmal mit expliziten Spaltennamen
diamonds <- read_csv(file = XX,
col_names = c('XX','XX', ...))
# lese dimaonds nochmal ein, diesmal mit expliziten Spaltennamen
diamonds <- read_csv(file = diamonds_path,
col_names = c("karat", "cut", "farbe", "klarheit", "tiefe", "tabelle", "preis"))
Rows: 100 Columns: 7
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (4): karat, cut, farbe, klarheit
dbl (3): tiefe, tabelle, preis
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
# print diamonds
diamonds
# A tibble: 100 × 7
karat cut farbe klarheit tiefe tabelle preis
<chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
1 0.8 Very Good H VVS1 62.9 58 4468
2 0.74 Ideal H IF 60.9 57 3760
3 2.03 Premium I SI1 61.4 58 15683
4 0.41 Ideal G VVS1 62.1 55 1151
5 1.54 Premium G VS1 61.1 56 14438
6 0.3 Ideal E VS2 61.8 55 795
7 0.3 Ideal H VVS2 61.5 56 605
8 1.2 Ideal D SI1 61.8 58 7508
9 0.58 Ideal E VS2 62.3 54 1809
10 0.31 Ideal H VS2 62.6 57 489
# … with 90 more rows
Richte nun deine Aufmerksamkeit auf die Klassen der Variablen. Wurden die Klassen aller Variablen richtig inferiert?
Finde heraus was mit der karat
Variable passiert ist. Wähle die karat
Variable aus und schaue dir die Werte genau an. Zwischen dem 10. und 20. Eintrag solltest du eine Irregularität erkennen, die dafür verantwortlich ist, dass die Variable als character
anstatt als numeric
erkannt wurde.
# Zeige die Variable Karat
diamonds$karat
[1] "0.8" "0.74" "2.03" "0.41" "1.54" "0.3" "0.3" "1.2" "0.58" "0.31"
[11] "1.24" "0.91" "1.28" "0.31" "1.02" "1" "0,37" "0.55" "0.54" "0.34"
[21] "0.91" "0.9" "0.5" "0.31" "1.66" "0.47" "0.3" "0.7" "1.72" "0.41"
[31] "1.06" "0.32" "0.4" "0.71" "0.3" "1.31" "1.08" "0.45" "0.3" "0.62"
[41] "1.01" "2" "0.38" "2.03" "1" "0.38" "0.41" "0.49" "0.71" "1.51"
[51] "1.02" "1.3" "0.32" "1.52" "0.59" "1.31" "1.05" "1.08" "0.43" "1.08"
[61] "0.3" "0.4" "0.52" "0.41" "1" "0.33" "0.75" "0.26" "0.34" "1.49"
[71] "0.3" "0.4" "0.71" "0.92" "0.7" "0.55" "1.47" "0.42" "0.58" "0.44"
[81] "0.31" "0.3" "0.55" "0.41" "0.31" "0.33" "0.32" "2.67" "0.88" "0.57"
[91] "0.36" "0.53" "0.79" "0.9" "0.31" "1.03" "0.39" "0.51" "0.34" "0.25"
karat
indem du unten im Code XX
durch die Position (Zahl zwischen 10 und 20) des falschen Wertes ersetzt und YY
mit dem korrekten Wert mit .
anstatt ,
.# Ersetze den falschen Wert
diamonds$karat[XX] <- YY
# Ersetze den falschen Wert
diamonds$karat[17] <- 0.37
karat
ist immer noch character
. Verwende die Funktion type_convert()
um dies zu beheben. Siehe unten.# Re-inferiere Datentypen
diamonds <- type_convert(diamonds)
── Column specification ────────────────────────────────────────────────────────
cols(
karat = col_double(),
cut = col_character(),
farbe = col_character(),
klarheit = col_character()
)
diamonds
, um sicher zu stellen, dass karat
jetzt numeric
ist, bzw. dbl
(ein Fall von numeric
).# Zeige diamonds
diamonds
# A tibble: 100 × 7
karat cut farbe klarheit tiefe tabelle preis
<dbl> <chr> <chr> <chr> <dbl> <dbl> <dbl>
1 0.8 Very Good H VVS1 62.9 58 4468
2 0.74 Ideal H IF 60.9 57 3760
3 2.03 Premium I SI1 61.4 58 15683
4 0.41 Ideal G VVS1 62.1 55 1151
5 1.54 Premium G VS1 61.1 56 14438
6 0.3 Ideal E VS2 61.8 55 795
7 0.3 Ideal H VVS2 61.5 56 605
8 1.2 Ideal D SI1 61.8 58 7508
9 0.58 Ideal E VS2 62.3 54 1809
10 0.31 Ideal H VS2 62.6 57 489
# … with 90 more rows
diamonds_sauber.csv
mit der Funktion write_csv()
.# Schreibe den sauberen diamonds Datensatz
write_csv(x = XX, path = "XX/XX.csv")
# Schreibe den sauberen diamonds Datensatz
write_csv(x = diamonds, "1_Data/diamonds_sauber.csv")
diamonds_clean.csv
wieder ein und schaue dir die Spaltennamen und die Spaltentypen an. Alles in Ordnung?# Lese den sauberen diamonds Datensatz ein
diamonds_clean <- read_csv(file = "1_Data/diamonds_sauber.csv")
mean()
, median()
, etc.) für die verschiedenen Variablen. Du kannst mehr über die Variablen erfahren mit ?diamonds
. (Namen sind aus dem Englischen übersetzt.)# Deskriptive Statistiken
mean(diamonds$karat)
[1] 0.742
mean(diamonds$preis)
[1] 3543
table(diamonds$cut)
Fair Good Ideal Premium Very Good
2 5 46 31 16
table(diamonds$klarheit)
I1 IF SI1 SI2 VS1 VS2 VVS1 VVS2
1 4 17 19 15 24 10 10
TRUE
und FALSE
(und NA
s). Kreiere einen logischen Vektor names teuer
, welcher TRUE
enthält, wenn der preis
des Diamanten teurer als $10,000 ist, und FALSE
, wenn er günstiger ist. Siehe Code template# Kreiere Vektor teuer
ZZ <- diamonds$XX > YY
# Kreiere Vektor teuer
teuer <- diamonds$preis > 10000
teuer
Vektor. Er sollte nur TRUE
und FALSE
enthalten. Falls ja, decken sich die ersten Werte in preis
mit den Werten in teuer
?# Print teuer
teuer
[1] FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[25] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[37] FALSE FALSE FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE FALSE
[49] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[61] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
[73] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[85] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[97] FALSE FALSE FALSE FALSE
teuer
.# Ergänze Vektor
XX$YY <- ZZ
# Ergänze Vektor
diamonds$teuer <- teuer
table()
, um auszuzählen wie viele Diamanten teuer sind. Benutze hierzu wiederum den $
-Operator um die Variable auszuwählen.# Zähle die teuren Diamanten
table(diamonds$teuer)
FALSE TRUE
92 8
mean()
Funktion, um auszuzählen welcher Anteil teuer ist. Erinnere, mean()
funktioniert auch mit logischen Vektoren.# Anteil teuerer Diamanten
mean(diamonds$teuer)
[1] 0.08
>
oder <
, als auch die mean()
Funktion, um zu bestimmen welcher Anteil Diamanten mehr als 1 Karat besitzt.# Anteil Diamanten mit karat > 1
mean(diamonds$karat > 1)
[1] 0.26
In diesem Abschnitt liest du den ebenfalls sehr bekannten titanic
Datensatz aus einem Excel Format und speicherst die Daten als .csv
.
read_excel()
Funktion, um den Datensatz titanic.xls
als ein neues Objekt titanic
einzulesen.# Lese titanic.xls
titanic <- read_excel(path = "XX")
# Lese titanic.xls
titanic <- read_excel("1_Data/titanic.xls")
titanic
und evaluiere die Ausmasse des Datensatzes mit dim()
.# Printe und evaluiere Ausmasse
titanic
# A tibble: 1,309 × 14
pclass survived name sex age sibsp parch ticket fare cabin embarked
<dbl> <dbl> <chr> <chr> <dbl> <dbl> <dbl> <chr> <dbl> <chr> <chr>
1 1 1 Allen, … fema… 29 0 0 24160 211. B5 S
2 1 1 Allison… male 0.917 1 2 113781 152. C22 … S
3 1 0 Allison… fema… 2 1 2 113781 152. C22 … S
4 1 0 Allison… male 30 1 2 113781 152. C22 … S
5 1 0 Allison… fema… 25 1 2 113781 152. C22 … S
6 1 1 Anderso… male 48 0 0 19952 26.6 E12 S
7 1 1 Andrews… fema… 63 1 0 13502 78.0 D7 S
8 1 0 Andrews… male 39 0 0 112050 0 A36 S
9 1 1 Appleto… fema… 53 2 0 11769 51.5 C101 S
10 1 0 Artagav… male 71 0 0 PC 17… 49.5 <NA> C
# … with 1,299 more rows, and 3 more variables: boat <chr>, body <dbl>,
# home.dest <chr>
dim(titanic)
[1] 1309 14
table()
um auszuzählen wie viele Leute das Unglück der Titanic überlebt haben (Variable survived
).# Wie viele haben überlebt?
table(titanic$XX)
# Wie viele haben überlebt?
table(titanic$XX)
< table of extent 0 >
table()
, um auszuzählen wie viele Leute in jeder der einzelnen Passagierklassen (Variable pclass
) das Unglück der Titanic überlebt haben.# Wie viele haben pro Passagierklasse überlebt?
table(titanic$XX, titanic$XX)
# Wie viele haben pro Passagierklasse überlebt?
table(titanic$pclass, titanic$survived)
0 1
1 123 200
2 158 119
3 528 181
write_csv()
, um den Datensatz titanic
als .csv
auf in deinen 1_Data
Ordner zu schreiben.# Schreiben Daten als .csv
write_csv(x = titanic,
path = "1_Data/titanic.csv")
In diesem Abschnitt liest du den sleep
Datensatz, welcher Informationen über das Schlafverhalten der Mitarbeiter der Universität Melbourne enthält, aus einem SPSS-Format ein und speicherst die ihn im .csv
-Format.
read_spss()
Funktion, um den Datensatz sleep.sav
als ein neues Objekt sleep
einzulesen.XX <- read_spss(file = "XX")
# Lese sleep Daten
sleep <- read_spss(file = "1_Data/sleep.sav")
sleep
und evaluiere die Ausmasse des Datensatzes mit dim()
. Du wirst sehen, R war so clever die Labels der Variablen mit zu übernehmen.# Printe und evaluiere Ausmass
sleep
# A tibble: 271 × 55
id sex age marital edlevel weight height healthrate fitrate
<dbl> <dbl+lb> <dbl> <dbl+lbl> <dbl+lbl> <dbl> <dbl> <dbl+lbl> <dbl+l>
1 83 0 [fema… 42 2 [marri… 2 [secondary… 52 162 10 [very … 7
2 294 0 [fema… 54 2 [marri… 5 [postgradu… 65 174 8 7
3 425 1 [male] NA 2 [marri… 2 [secondary… 89 170 6 5
4 64 0 [fema… 41 2 [marri… 5 [postgradu… 66 178 9 7
5 536 0 [fema… 39 2 [marri… 5 [postgradu… 62 160 9 5
6 57 0 [fema… 66 2 [marri… 4 [undergrad… 62 165 8 8
7 251 0 [fema… 36 1 [singl… 3 [trade tra… 62 165 9 7
8 255 0 [fema… 35 2 [marri… 5 [postgradu… 75 174 6 6
9 265 1 [male] NA 2 [marri… 5 [postgradu… 90 180 6 6
10 290 1 [male] 41 2 [marri… 5 [postgradu… 75 187 9 9
# … with 261 more rows, and 46 more variables: weightrate <dbl+lbl>,
# smoke <dbl+lbl>, smokenum <dbl>, alchohol <dbl>, caffeine <dbl>,
# hourwnit <dbl>, hourwend <dbl>, hourneed <dbl>, trubslep <dbl+lbl>,
# trubstay <dbl+lbl>, wakenite <dbl+lbl>, niteshft <dbl+lbl>,
# liteslp <dbl+lbl>, refreshd <dbl+lbl>, satsleep <dbl+lbl>,
# qualslp <dbl+lbl>, stressmo <dbl+lbl>, medhelp <dbl+lbl>,
# problem <dbl+lbl>, impact1 <dbl+lbl>, impact2 <dbl+lbl>, impact3 <dbl+lbl>,
# impact4 <dbl+lbl>, impact5 <dbl+lbl>, impact6 <dbl+lbl>, impact7 <dbl+lbl>,
# stopb <dbl+lbl>, restlss <dbl+lbl>, drvsleep <dbl+lbl>, drvresul <dbl+lbl>,
# ess <dbl>, anxiety <dbl>, depress <dbl>, fatigue <dbl>, lethargy <dbl>,
# tired <dbl>, sleepy <dbl>, energy <dbl>, stayslprec <dbl+lbl>,
# getsleprec <dbl+lbl>, qualsleeprec <dbl+lbl>, totsas <dbl>,
# cigsgp3 <dbl+lbl>, agegp3 <dbl+lbl>, probsleeprec <dbl+lbl>,
# drvslprec <dbl+lbl>
dim(sleep)
[1] 271 55
mean()
Funktion um auszuzählen wie viele alkoholische Getränke die Mitarbeiter im Durchschnitt pro Tag zu sich nehmen (Variable alchohol
; Typo im Originaldatensatz). Achte auf etwaige fehlende Werte!# Berechne die mittlere Anzahl drinks
mean(x = sleep$alchohol, na.rm = TRUE)
[1] 1
write_csv()
um den Datensatz sleep
als .csv
auf in deinen 1_Data
Ordner zu schreiben.# Schreibe Daten als .csv
write_csv(x = sleep,
path = "1_Data/sleep.csv")
library(tidyverse)
library(readxl)
library(haven)
# Kreiere Vektoren für (falsche) Aktiendaten
name <- c("apple", "microsoft", "dell", "google", "twitter")
gestern <- c(100, 89, 65, 54, 89)
heute <- c(102, 85, 72, 60, 95)
# Deskriptive Statistiken
mean(heute)
mean(gestern)
# Zeige Klassen
class(name)
class(gestern)
# Rechne mit Vektoren
change <- heute - gestern
change # Printe Resultat
# Verwende einen logischen Vektor
increase <- heute > gestern
increase # Printe Resultat
# Kreiere einen tibble aus den Vektoren
stocks <- tibble(name, gestern, heute, change, increase)
# Zeige Spaltennamen
names(stocks)
# Wähle Variablen aus
stocks$name
stocks$today
# Berechne deskriptive Werte
mean(stocks$yesterday)
median(stocks$today)
table(stocks$increase)
max(stocks$increase)
# Lese/Schreibe Delimiter-separierte Werte -------------------
# lese chickens Daten
chickens <- read_csv(file = "1_Data/chickens.csv")
# Korrigiere die Spaltennamen
chickens <- read_csv(file = "1_Data/chickens_nohead.csv",
col_names = c("weight", "time", "chick", "diet"))
# Korrigiere NA Werte beim einlesen
chickens <- read_csv(file = "1_Data/chickens_na.csv",
na = c('NA', 'NULL'))
# Schreibe saubere Daten
write_csv(x = chickens,
path = "1_Data/chickens_sauber.csv")
# Korrogiere einzelne Werte -------------------
# remove character from rating
survey$beurteilung[survey$beurteilung == "2,1"] <- 2.1
# Re-inferiere die Datentypen
survey <- type_convert(survey)
# Andere Formate -------------------
# .xlsx (Excel)
chickens <- read_excel("1_Data/chickens.xlsx")
# .sav (SPSS)
chickens <- read_spss("1_Data/chickens.sav")
library(tidyverse)
library(readxl)
library(haven)
Datei | Zeilen | Spalten | Beschreibung |
---|---|---|---|
diamonds.csv | 100 | 7 | Bestandteil aus dem bekannten diamonds Datensatz, welcher die Eigenschaften und Preise einer grossen Anzahl Diamanten enthält. |
titanic.xls | 1309 | 14 | Daten über die Überlebenden und Verstorbenen des Titanic Unglücks. |
sleep.sav | 271 | 55 | Survey über das Schlafverhalten der Mitarbeiter der Universität Melbourne. |
Paket | Installation |
---|---|
tidyverse |
install.packages("tidyverse") |
haven |
install.packages("haven") |
readxl |
install.packages("readxl") |
Kreiere Vektoren
Funktion | Beschreibung |
---|---|
c("a", "b", "c") |
Kreiere character Vektor |
c(1, 2, 3) |
Kreiere numeric Vektor |
c(TRUE, FALSE, TRUE) |
Kreiere logical Vektor |
Vektor Funktionen
Funktion | Beschreibung |
---|---|
mean(x), median(x), sd(x), sum(x) |
Mittelwert, Median, Standardabweichung, Summe |
max(x), min(x) |
Maximum, Minimum |
table(x) |
Höufigkeitstabelle |
Zugriff auf Variablen in Data Frames
Funktion | Beschreibung |
---|---|
df$name |
Greife auf Variable (Vektor) name aus dem data frame df zu |
Lese/Schreibe Textdateien
Dateiendung | Dateityp | Lesen | Schreiben |
---|---|---|---|
.csv |
Komma-separierte Textdatei | read_csv(file) |
write_csv(x, file) |
.csv |
Semi-colon separierte Textdatei | read_csv2(file) |
not available |
.txt |
Andere Textdatei | read_delim(file) |
write_delim(x, file) |
Lese/Schreibe andere Formate
Dateiendung | Dateityp | Lesen | Schreiben |
---|---|---|---|
.xls , .xlsx |
Excel | read_excel(file) |
xlsx::write.xlsx() |
.sav |
SPSS | read_spss(file) |
write_spss(x, file) |
Kreiere data frames
Function | Description |
---|---|
tibble(a, b, c) |
Kreiere tibble data frame mit den Vektoren a, b, c |
tibble
s, Daten Lesen und Schreiben schaut euch Grolemund`s und Wickham’s R for Data Science an.