# Packages installieren und laden: Wickham and Grolemund, 1.4.3 The tydiverse; Isamy and Kim, 1.3 What are R packages? library(datasets) # use the Help to get more information; s. Wollschläger (2020: 106f) data() # use the Help to get more information; s. Wollschläger (2020: 106f) ############ Session 1 ############ # RStudio Aufbau: s. RStudio IDE Cheatsheet (https://rstudio.com/resources/cheatsheets/) # Working directory: s. Wickham und Grolemund, Workflow: Projects # R-projects: s. RStudio How To Articles (https://support.rstudio.com/hc/en-us/articles/200526207-Using-Projects); Wickham und Grolemund, Workflow: Projects # Workspace and History: Wickham und Grolemund, Workflow: Projects # R als Taschenrechner: s. Wickham und Grolemund, Workflow: Basics 1 + 3 # Scripts: s. Wickham und Grolemund, Workflow: Scripts # Objekte, Objektnamen und der Zuweisungsoperator '<-': s. Wickham und Grolemund, Workflow: Basics; Saur (2019: 38) # '<-' vs. '=': s. Wickham und Grolemund, Workflow: Basics e2 <- 1 + 3 E2 <- 6 2e <- 5 _e <- 7 e_ <- 8 e- <- 9 verylooooooooooooooooooooooooooooooooooooooooooooooooooooooongname <- 10 # Daten importieren: RStudio How To Articles (https://support.rstudio.com/hc/en-us/articles/218611977-Importing-Data-with-RStudio); Wollschläger (2020: 145); Grolemund, D.3.5 Loading and saving data in R df_color <- read.csv("data/data_color.csv", stringsAsFactors = FALSE) df_color # Object in der Konsole ausgeben lassen # head, tail, dim und str: Wollschläger (2020: 108) head(df_color) head(df_color, n = 10) tail(df_color) str(df_color) # Wollschläger (2020: 109) dim(df_color) # Elemente anzeigen lassen: Wollschläger (2020: 109f) df_color[2, ] df_color[ , 3] df_color[2, 3] df_color[c(1, 4, 8, 10), ] x <- c(1, 4, 8, 10) df_color[x, ] y <- c(1, 3) df_color[ , y] # Variablen/Spalten Umbenennen: Wollschläger (2020: 161) names(df_color) names(df_color)[2] <- "gender" names(df_color) names(df_color)[4] <- "favorite_color" names(df_color) # Filtern: Wollschläger (2020: 162) df_color$gender df_color[df_color$gender == " f", ] subset(df_color, gender == " m") str(df_color) # Zeichenfolgen/Strings ersätzen: Wollschläger (2020: 136f) df_color$gender <- gsub(' ', '', df_color$gender) df_color$gender ############# Session 2 ############# # Wiederholung: Daten importieren und Spalten umbenennen df_color <- read.csv("data/data_color.csv", stringsAsFactors = FALSE) names(df_color)[2] <- "gender" names(df_color)[4] <- "favorite_color" df_color str(df_color) # Zeichenfolgen/Strings ersätzen: Wollschläger (2020: 136f) df_color$gender <- gsub(' ', '', df_color$gender) str(df_color) a <- " Hallo R! " a <- gsub(' ', '', a) a df_color$favorite_color <- gsub(' ', '', df_color$favorite_color) str(df_color) df_color$age <- gsub(' ', '', df_color$age) str(df_color) # Sortieren mit order(): Wollschläger (2020: 54) df_color[order(df_color$gender), ] df_color[order(df_color$gender, df_color$favorite_color), ] # Zusammenführen mit merge(): Wollschläger (2020: 170f) df_color_food <- merge(df_color, df_food) df_color_food # Als Datei exportieren: Grolemund, D.3.5 Saving Plain-Text Files write.csv(df_color_food, file = "data/merged_data.csv") write.csv(df_color_food, file = "data/merged_data_2.csv", row.names = FALSE) # Mittelwert: Wollschläger (2020: 76) mean(df_color$age) df_color$age <- as.numeric(df_color$age) # Wollschläger (2020: 28f), de Vries and Meys (2015: 96) mean(df_color$age) str(df_color$age) # Summary(): de Vries and Meys (2015: 286) summary(df_color) # Table(): Wollschläger (2020: 113) table(df_color$gender) # Visialisierung: s. Murrell (2012) plot(table(df_color$gender)) plot(df_color$age) plot(df_color$gender) df_color$gender <- as.factor(df_color$gender) # de Vries and Meys (2015: 96) plot(df_color$gender) # Tidyverse: s. https://rviews.rstudio.com/2017/06/08/what-is-the-tidyverse/, https://www.tidyverse.org/ # R Markdown: s. https://rmarkdown.rstudio.com/index.html, Wollschläger (2020), https://community.rstudio.com/t/convince-me-to-start-using-r-markdown/1636 # Alle Links zuletzt abgerufen am 22.12.2021.