+ - 0:00:00
Notes for current slide
Notes for next slide

Wrangling

Explorative Datenanalyse mit R
The R Bootcamp
     

März 2022

1 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

Was ist Wrangling?

  • Transformieren

    • Spaltennamen verändern
    • Neue Variablen kreieren
  • Organisieren

    • Sortieren
    • Datensätze zusammenführen
    • Spalten zu Zeilen flippen
  • Aggregieren

    • Datengruppen bilden
    • Statistiken für Gruppen berechnen


2 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

2 'dreckige' Datensätze

  • Umbenennen: Intuitive Spaltennamen vergeben.
  • Umkodieren: Angemessene Einheiten und Datenlabels vergeben.
  • Verbinden: Datensätze zusammenführen.
  • Sortieren: Datensatz ordnen.
  • Filtern: Relevante Fälle auswählen.
  • Auswählen: Relevante Variablen auswählen.


patienten
## # A tibble: 5 × 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
ergebnisse
## # A tibble: 5 × 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
3 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

Das tidyverse

  • Das tidyverse ist eine Sammlung hoch-performanter, nutzerfreundlicher Pakete für eine effiziente Datenaufbereitung und -analyse.
  1. readr für Daten I/O.
  2. tibble für moderne data_frame's.
  3. dplyr für Datenverarbeitung.
  4. tidyr für Datenverarbeitung.
  5. ggplot2 für Grafiken.
4 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

%>%

  • Der präferierte Gebrauch von dplyr beinhaltet einen neuen Operator, die Pipe %>%.



from wikimedia.org 

# Numerischer Vektor
score <- c(8, 4, 6, 3, 7, 3)
score
## [1] 8 4 6 3 7 3
# Mittelwert: Base-R-style
mean(score)
## [1] 5.167
# Mittelwert: dplyr-style
score %>%  
  mean()
## [1] 5.167
5 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

%>%

  • Der präferierte Gebrauch von dplyr beinhaltet einen neuen Operator, die Pipe %>%.



from wikimedia.org

6 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

Transformation

  • Umbenennen: Intuitive Spaltennamen vergeben.

    • rename()
  • Umkodieren: Angemessene Einheiten und Datenlabels vergeben.

    • mutate()
    • case_when()
  • Verbinden: Datensätze zusammenführen.

    • left_join()


patienten
## # A tibble: 5 × 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
ergebnisse
## # A tibble: 5 × 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
7 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

rename()

TIBBLE %>%
  rename(NEU = ALT,
         NEU = ALT)
# Starte mit Datensatz
patienten %>% 
# Ändere Spaltennamen
  rename(alter = X1,
         bedingung = X2)
## # A tibble: 5 × 3
##      id alter bedingung
##   <dbl> <dbl>     <dbl>
## 1     1    37         1
## 2     2    65         2
## 3     3    57         2
## 4     4    34         1
## 5     5    45         2
8 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

mutate()

TIBBLE %>%
  mutate(
   NAME1 = DEFINITION1,
   NAME2 = DEFINITION2,
   NAME3 = DEFINITION3,
   ...
  )
patienten %>% 
  rename(alter = X1, 
         bedingung = X2) %>%
# Kreiere neue Variablen
  mutate(monate = alter * 12,
         dekaden = alter / 10)
## # A tibble: 5 × 5
##      id alter bedingung monate dekaden
##   <dbl> <dbl>     <dbl>  <dbl>   <dbl>
## 1     1    37         1    444     3.7
## 2     2    65         2    780     6.5
## 3     3    57         2    684     5.7
## 4     4    34         1    408     3.4
## 5     5    45         2    540     4.5
9 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

case_when()

TIBBLE %>%
  mutate(
    NAME = case_when(
      LOGICAL1 ~ WERT1,
      LOGICAL2 ~ WERT2,
      ...
      )
    )
patienten %>% 
  rename(alter = X1, 
         bedingung = X2) %>%
# Kreiere bed_label von bedingung
  mutate(bed_label = case_when(
    bedingung == 1 ~ "placebo",
    bedingung == 2 ~ "medikament"))
## # A tibble: 5 × 4
##      id alter bedingung bed_label 
##   <dbl> <dbl>     <dbl> <chr>     
## 1     1    37         1 placebo   
## 2     2    65         2 medikament
## 3     3    57         2 medikament
## 4     4    34         1 placebo   
## 5     5    45         2 medikament
10 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

Verbinde Daten

11 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

inner_join()

TIBBLE1 %>%
  inner_join(TIBBLE2, 
             by = c("KEY"))
patienten %>% 
  rename(alter = X1, bedingung = X2) %>%
  mutate(bed_label = case_when(
    bedingung == 1 ~ "placebo",
    bedingung == 2 ~ "medikament")) %>%
  # Verbinde mit ergebnisse
  inner_join(ergebnisse, by = "id")
## # A tibble: 3 × 6
##      id alter bedingung bed_label    t_1   t_2
##   <dbl> <dbl>     <dbl> <chr>      <dbl> <dbl>
## 1     1    37         1 placebo      123   135
## 2     2    65         2 medikament   143   140
## 3     4    34         1 placebo      100   105
12 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

left_join()

TIBBLE1 %>%
  left_join(TIBBLE2, 
            by = c("KEY"))
patienten %>% 
  rename(alter = X1, bedingung = X2) %>%
  mutate(bed_label = case_when(
    bedingung == 1 ~ "placebo",
    bedingung == 2 ~ "medikament")) %>%
  # Verbinde mit ergebnisse
  left_join(ergebnisse, by = "id")
## # A tibble: 5 × 6
##      id alter bedingung bed_label    t_1   t_2
##   <dbl> <dbl>     <dbl> <chr>      <dbl> <dbl>
## 1     1    37         1 placebo      123   135
## 2     2    65         2 medikament   143   140
## 3     3    57         2 medikament    NA    NA
## 4     4    34         1 placebo      100   105
## 5     5    45         2 medikament    NA    NA
13 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

Organisation

  • Sortieren: Datensatz ordnen.

    • arrange()
  • Filtern: Relevante Fälle auswählen.

    • slice()
    • filter()
  • Auswählen: Relevante Variablen auswählen.

    • select()
# Verbundener tibble
patienten_ergebnisse
## # A tibble: 5 × 6
##      id alter bedingung bed_label    t_1   t_2
##   <dbl> <dbl>     <dbl> <chr>      <dbl> <dbl>
## 1     1    37         1 placebo      123   135
## 2     2    65         2 medikament   143   140
## 3     3    57         2 medikament    NA    NA
## 4     4    34         1 placebo      100   105
## 5     5    45         2 medikament    NA    NA
14 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

arrange()

# Sortiere aufsteigend
TIBBLE %>%
  arrange(VAR1, VAR2)
# Sortiere absteigend (mit desc())
TIBBLE %>%
  arrange(desc(VAR1), VAR2)
patienten_ergebnisse %>%
  # Sortiere nach bedingung
  arrange(bedingung)
## # A tibble: 5 × 6
##      id alter bedingung bed_label    t_1   t_2
##   <dbl> <dbl>     <dbl> <chr>      <dbl> <dbl>
## 1     1    37         1 placebo      123   135
## 2     4    34         1 placebo      100   105
## 3     2    65         2 medikament   143   140
## 4     3    57         2 medikament    NA    NA
## 5     5    45         2 medikament    NA    NA
15 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

arrange()

# Sortiere aufsteigend
TIBBLE %>%
  arrange(VAR1, VAR2)
# Sortiere absteigend (mit desc())
TIBBLE %>%
  arrange(desc(VAR1), VAR2)
patienten_ergebnisse %>%
  # Sortiere nach beidem
  arrange(bedingung, alter)
## # A tibble: 5 × 6
##      id alter bedingung bed_label    t_1   t_2
##   <dbl> <dbl>     <dbl> <chr>      <dbl> <dbl>
## 1     4    34         1 placebo      100   105
## 2     1    37         1 placebo      123   135
## 3     5    45         2 medikament    NA    NA
## 4     3    57         2 medikament    NA    NA
## 5     2    65         2 medikament   143   140
16 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

slice()

# Slice mit Sequenz
TIBBLE %>%
  slice(INDEX_START:INDEX_STOP)
# Slice mit Vektor  
TIBBLE %>%
  slice(c(INDEX1, INDEX2, ...))
patienten_ergebnisse %>%
  arrange(bedingung, alter) %>%
# Zeilen 3 und 5 
  slice(c(3, 5))
## # A tibble: 2 × 6
##      id alter bedingung bed_label    t_1   t_2
##   <dbl> <dbl>     <dbl> <chr>      <dbl> <dbl>
## 1     5    45         2 medikament    NA    NA
## 2     2    65         2 medikament   143   140
17 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

slice()

# Slice mit Sequenz
TIBBLE %>%
  slice(INDEX_START:INDEX_STOP)
# Slice mit Vektor  
TIBBLE %>%
  slice(c(INDEX1, INDEX2, ...))
patienten_ergebnisse %>%
  arrange(bedingung, alter) %>%
# Erste 4 Zeilen
  slice(1:4)
## # A tibble: 4 × 6
##      id alter bedingung bed_label    t_1   t_2
##   <dbl> <dbl>     <dbl> <chr>      <dbl> <dbl>
## 1     4    34         1 placebo      100   105
## 2     1    37         1 placebo      123   135
## 3     5    45         2 medikament    NA    NA
## 4     3    57         2 medikament    NA    NA
18 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

filter()

# Filter mit logische Vergleichen
TIBBLE %>%
  filter(VAR1 == WERT1,
         VAR2 > WERT2,
         VAR3 < WERT3,
         VAR4 == WERT4 | VAR5 < WERT5)
patienten_ergebnisse %>%
  # Patienten mit alter > 35
  filter(alter > 35)
## # A tibble: 4 × 6
##      id alter bedingung bed_label    t_1   t_2
##   <dbl> <dbl>     <dbl> <chr>      <dbl> <dbl>
## 1     1    37         1 placebo      123   135
## 2     2    65         2 medikament   143   140
## 3     3    57         2 medikament    NA    NA
## 4     5    45         2 medikament    NA    NA
19 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

filter()

# Filter mit logische Vergleichen
TIBBLE %>%
  filter(VAR1 == WERT1,
         VAR2 > WERT2,
         VAR3 < WERT3,
         VAR4 == WERT4 | VAR5 < WERT5)
# alter grösser 35 & bed_label ist medikament
patienten_ergebnisse %>%
  filter(alter > 35,
         bed_label == "medikament")
## # A tibble: 3 × 6
##      id alter bedingung bed_label    t_1   t_2
##   <dbl> <dbl>     <dbl> <chr>      <dbl> <dbl>
## 1     2    65         2 medikament   143   140
## 2     3    57         2 medikament    NA    NA
## 3     5    45         2 medikament    NA    NA
20 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

select()

# Wähle Variablen A und B aus
TIBBLE %>% 
  select(VAR1, VAR2)
# Wähle alles ausser A aus
TIBBLE %>% 
  select(-VAR1)
patienten_ergebnisse %>%
  # Wähle id und bedingung aus
  select(id, bedingung)
## # A tibble: 5 × 2
##      id bedingung
##   <dbl>     <dbl>
## 1     1         1
## 2     2         2
## 3     3         2
## 4     4         1
## 5     5         2
21 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

select()

# Wähle Variablen A und B aus
TIBBLE %>% 
  select(VAR1, VAR2)
# Wähle alles ausser A aus
TIBBLE %>% 
  select(-VAR1)
patienten_ergebnisse %>%
  # Alles ausser id
  select(-id)
## # A tibble: 5 × 5
##   alter bedingung bed_label    t_1   t_2
##   <dbl>     <dbl> <chr>      <dbl> <dbl>
## 1    37         1 placebo      123   135
## 2    65         2 medikament   143   140
## 3    57         2 medikament    NA    NA
## 4    34         1 placebo      100   105
## 5    45         2 medikament    NA    NA
22 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

Practical

23 / 23
www.therbootcamp.com Explorative Datenanalyse mit R | März 2022

Was ist Wrangling?

  • Transformieren

    • Spaltennamen verändern
    • Neue Variablen kreieren
  • Organisieren

    • Sortieren
    • Datensätze zusammenführen
    • Spalten zu Zeilen flippen
  • Aggregieren

    • Datengruppen bilden
    • Statistiken für Gruppen berechnen


2 / 23
Paused

Help

Keyboard shortcuts

↑, ←, Pg Up, k Go to previous slide
↓, →, Pg Dn, Space, j Go to next slide
Home Go to first slide
End Go to last slide
Number + Return Go to specific slide
b / m / f Toggle blackout / mirrored / fullscreen mode
c Clone slideshow
p Toggle presenter mode
t Restart the presentation timer
?, h Toggle this help
Esc Back to slideshow