Freie Software für die Sozialwissenschaften: Lehrveranstaltung

Transkript

1 Freie Software für die Sozialwissenschaften: Lehrveranstaltung am Mike Kühne 1 R-Kurs

2 INHALTSVERZEICHNIS Inhaltsverzeichnis 1 Tinn-R Bedienung von Tinn-R Einbinden der notwendigen Pakete Öffnen von R Hilfe Funktion Ein- und Ausgabe von Daten SPSS-Dateien Einlesen von SPSS-Dateien Schreiben von SPSS-Dateien Objekte in R Vektoren Erstellen von Vektoren numeric vectors integer vectors character vectors logical vectors Indizieren von Vektoren Datensätze - data frames Objekt in einen bestehenden data frame einfügen data frames zusammenführen Arbeiten mit data frames data frame im Suchpfad Subsets data frames aufteilen R Commander Einführung Webseite Tutorial Praxis 21 Mike Kühne 2 R-Kurs

3 1 TINN-R 1 Tinn-R ein speziell auf die Handhabung von R zugeschnittener Editor läuft nur unter Windows (9X/Me/2000/XP) Freie Software unter den Maßgaben der GPL zum Download angeboten klein (2,2 MB) Erweiterungen zur Rconsole Erweiterungen, wie beispielsweise syntax highlighting der S sowie der R Sprache zusätzliches Menu und eine Symbolleiste bei Erkennen eines R -Gui Addons (Menu, Toolbar) interagieren mit R Tinn-R im Internet Download Tinn-R unter SourceForge Webseite Mike Kühne 3 R-Kurs

4 1 TINN-R 1.1 Bedienung von Tinn-R Starten von Tinn-R Einbinden der notwendigen Pakete Für die Verwendung des gesamten Umfangs an Funktionen und Tools müssen noch einige Pakete eingebunden werden ( svide, svio, svsocket, R2HTML): Für die aktuelle Sitzung Menu > R > Configure > Temporary Der Vorgang kann in Abhängigkeit von der Rechnerleistung bis zu 2 Minuten dauern. Í Permanent Menu > R > Configure > Permanent Beim Ausführen dieses Befehls wird eine Edition in der Datei.../R/R-2.4.1/etc/Rprofile.site vorgenommen. Mike Kühne 4 R-Kurs

5 1 TINN-R 1.2 Öffnen von R Menu > R > Start preferred Rgui 1.3 Hilfe Funktion Die komplette Beschreibung des Programms findet man unter: Menu > Help Informationen zu Funktionen findet man im Informationsfenster über das Menu (Glühlampe), wenn ein Objekt oder eine Funktion ausgewählt ist. Mike Kühne 5 R-Kurs

6 2 EIN- UND AUSGABE VON DATEN 2 Ein- und Ausgabe von Daten Aufrufen, in welchem Verzeichnis auf der Festplatte R momentan arbeitet, mit: > getwd() Festlegen dieses Verzeichnisses mit: > setwd("f:/rkurs/daten") Überprüfen der Eingabe mit getwd(). 2.1 SPSS-Dateien Das Paket foreign stellt Importfunktionen für eine ganze Reihe von Binärdateien bereit (z.b. SPSS, SAS, Stata). Sollte es im Paket foreign keinen passenden Importfilter geben, ist die meist einfachste Lösung, aus der Ursprungssoftware die Daten im ASCII-Format zu exportieren und dieses dann in R einzulesen Einlesen von SPSS-Dateien > library(foreign) > data.spss.1 <- read.spss("allison_2.sav", # Name der Datei im aktuellen Verzeichnis > use.value.labels=true, # Variablen mit Wertelabeln werden zu Faktoren > to.data.frame=true) # Voreinstellung: Erstellt einen data frame Schreiben von SPSS-Dateien Im Paket foreign ist auch die Funktion write.foreign() enthalten, die das Schreiben von Datensätzen für andere Softwarepakete möglich macht. > file.1 <- data.spss.1 > library(foreign) > write.foreign(file.1, > "spssausr.txt", # erstellt ein Datenfile > "spssausr.sps", # Erstellt die Syntax zum Einlesen > package="spss") # Gibt an, um welche Software es sich handelt Mike Kühne 6 R-Kurs

7 3 Objekte in R Es gibt zahlreiche Objektarten, die unterschiedlichen Klassen angehören und verschiedene Eigenschaften besitzen. 3.1 Vektoren Erstellen von Vektoren mit dem Doppelpunkt Einfache Zahlenfolgen mit dem Abstand 1 lassen sich mit Hilfe des Doppelpunktes (:) erzeugen. > 1:10 [1] Idealerweise gibt man dem Objekt noch einem Namen > obj.1 <- 1:10 > obj.1 [1] mit der Funktion c() Mit der Funktion c() (concatenate) kann auf einfache Art und Weise ein Vector erzeugt werden. > x <- c(1.2345, , ,0) > y <- c("hallo", "Welt") > z <- c("hallo", x) > x [1] > y [1] "Hallo" "Welt" > z [1] "Hallo" "1.2345" "12.345" "123.45" "0" Vektoren können unterschiedliche Datentypen beinhalten (numeric, factorial, character, integer, logical), diese müssen aber innerhalb von Vektoren für alle Elemente gleich sein. Mike Kühne 7 R-Kurs

8 mit der Funktion seq() Die Funktion seq() (sequence) kann Zahlenfolgen mit gleichem Abstand erzeugen. > seq(1,10, by=2) [1] mit der Funktion rep() Für die Wiederholung eines Objektes kann die Funktion rep() verwendet werden. > rep(1,5) [1] > rep(c(1,2,3),5) [1] > rep(c(22:24),1:3) [1] Mike Kühne 8 R-Kurs

9 3.1.2 numeric vectors Vektoren der Klasse numeric eignen sich vor allem zur Erfassung metrischer Daten. Damit lassen sich aber auch kategoriale Daten (ordinalskaliert, nominalskaliert) repräsentieren. Für diese Klasse stehen eine ganze Reihe an Funktionen zur Verfügung: > x.1 <- 1.1:10.1 > mean(x.1) [1] 5.6 > summary(x.1) Min. 1st Qu. Median Mean 3rd Qu. Max Das Objekt x.1 gehört der Klasse numeric an. Auch der Datentyp aller Elemente ist numerisch. > class(x.1) [1] numeric > mode(x.1) [1] numeric Ob ein Objekt einen bestimmten Datentyp hat, kann man mit der gleichnamigen Funktion und dem Präfix is. abfragen. Man kann z.b. mit der Funktion is.numeric() testen, ob ein Vector den Datentyp numerisch innehat. > is.numeric(x.1) [1] TRUE Die Elemente numerischer Vektoren können benannt werden > stat.progs <- c(spss = 1, Stata = 2, R = 3, SAS =4, Statistika =5, sonstiges = 6) > is.numeric(stat.progs) [1] TRUE > stat.progs SPSS Stata R SAS Statistika sonstiges Mike Kühne 9 R-Kurs

10 3.1.3 integer vectors Vektoren mit dem Datentyp integer (ganzzahlig) werden selten verwendet und sind nicht von großer Bedeutung. Mit dem Präfix as. kann man bei einem Vector den Datentyp erzwingen. > x.2 < > is.numeric(x.2) [1] TRUE > x.3 <- as.integer(x.2) > x.3 [1] character vectors Vektoren mit dem Datentyp character kommen den String-Variablen in SPSS am nächsten. Beim Anlegen der Vektoren ist zu beachten, das die einzelnen übergebenen Werte in Anführungszeichen gesetzt werden. Anschließend können diese Vektoren nicht mehr für statistische Verfahren verwendet werden. > x.4 <- "Hallo Welt" > x.4 [1] "Hallo Welt" > x.5 <- c("hallo", "Welt") > x.5 [1] "Hallo" "Welt" > length(x.4) [1] 1 > length(x.5) [1] 5 > median(x.5) > Fehler in median.default(x.5) : need numeric data > x.4 + x.5 > Fehler in x.4 + x.5 : nicht-numerisches Argument für binären > Operator Mike Kühne 10 R-Kurs

11 3.1.5 logical vectors In R können auch Vektoren erzeugt werden, die logische Elemente (TRUE, FALSE) enthalten. ähnlich den vorhergehenden Vektoren können mit logical() speziell logische Vektoren erzeugt werden. Mit is.logical() kann man überprüfen, ob ein Objekt ein logisches Objekt ist. Mit as.logical() kann man die Klasse logical erzwingen. Tabelle 1: Die gebräuchlichsten Operatoren Operatoren Beschreibung ==,!= gleich, ungleich >, >= größer als, größer gleich <, <= kleiner als, kleiner gleich! nicht (Negation) &, && und, oder Rechnen mit logischen Werten Ein wahrer Wert (TRUE) wird als 1, ein falscher Wert (FALSE) wird als 0 interpretiert > TRUE + TRUE + TRUE + TRUE + FALSE [1] 4 > TRUE - TRUE - FALSE [1] 0 Das lässt sich mannigfaltig nutzen. Beispielsweise ist von Interesse, wie viele Mittelwerte der folgenden numerischen Vektoren über 10 liegen: > vec.1 <- c(101:110) > vec.2 <- c(1:10) > vec.3 <- c(201:210) > vec.4 <- c(1001:1010) > mean.vec <- c(mean(vec.1),mean(vec.2),mean(vec.3),mean(vec.4)) > mean.vec >10 [1] TRUE FALSE TRUE TRUE > sum(mean.vec >10) [1] 3 Mike Kühne 11 R-Kurs

12 > vec.log <- c(1,1,0,1,0,0,1,0,1,1) > vec.log.1 <- as.logical(vec.log) > sum(vec.log.1) [1] 6 > sum(!vec.log.1) # Negation [1] 4 Mit der Funktion which() wird ermittelt, an welchen Stellen ein logischer Vektor TRUE ist. Mit der Funktion which.max() kann man die Stelle mit dem Maximum in einem Vektor ermitteln. > which(vec.log.1) [1] > test <- c(1,2,3,4,12345) > which.max(test) [1] 5 Die beiden Funktionen any() und all() eigenen sich beispielsweise gut, für die überprüfung der Konsistenz großer Vektoren und Datensätze. > any(c(1,22,33,4,5,66) == c(1,2,3,4,5,6)) [1] TRUE > all(c(1,22,33,4,5,66) == c(1,2,3,4,5,6)) [1] FALSE Indizieren von Vektoren Mit dem Namen eines Vektors und einem nachgestellten Index, kann man auf einzelne Elemente eines Index zugreifen. Mit vec.1[1] wird auf das erste Element des Vektors vec.1 zugegriffen. > vec.1 <- 21:30 > vec.1 [1] > vec.1[4] [1] 24 Es müssen aber nicht immer ganze Zahlen sein: Mike Kühne 12 R-Kurs

13 Es können mehrere Indizes als Vektor angehängt werden. Dann wird ein Vektor durch einen Vektor indiziert. > vec.1[c(3,7,10)] [1] Ein vorangestelltes Minuszeichen schließt die indizierten Elemente aus. > vec.1[-c(3,7,10)] [1] Zur Indizierung können auch logische Vektoren verwendet werden. > vec.1[vec.1<25] [1] Benannten Elemente können über diese Namen angesprochen werden. > stat.progs <- c(spss = 1, Stata = 2, R = 3, SAS =4, Statistika =5) > stat.progs["sas"] SAS 4 während mit einer Indizierung in der eckigen Klammer spezifische Elemente ersetzt werden können, werden mit einer leeren eckigen Klammer alle Elemente eines Vektors ersetzt. > vec.1[c(1,10)] < > vec.1 [1] > vec.1[] <- 1.2 > vec.1 [1] Mike Kühne 13 R-Kurs

14 3.2 Datensätze - data frames Ein data frame ist eine spezielle Liste von Elementen mit einer gemeinsamen Länge n. Diese Länge n entspricht der Anzahl aller Zeilen eines data frames. Jeder Vektor repräsentiert die Messung einer Variable. Die Länge eines data frames entspricht der Anzahl der Vektoren. Aufgrund dieser Struktur werden data frames insbesondere genutzt, um Datensätze zu repräsentieren. > ID <- 1:9 > Var.1 <- seq(43,52,by=1) > Var.2 <- rep(c("weiblich", "männlich"),5) > Var.3 <- rnorm(10, mean=1, sd=10) > length(id) [1] 9 > length(var.1) [1] 10 > length(var.2) [1] 10 > length(var.3) [1] 10 Anschließend kann man die einzelnen Objekte (SPSS: Variablen) zu einem data frame (SPSS: Datensatz) zusammenfassen. > data.frame.1 <- data.frame(id,var.1, Var.2, Var.3) Fehler in data.frame(id, Var.1, Var.2, Var.3) : Argumente implizieren unterschiedliche Anzahl Zeilen: 9, 10 Allerdings wird eine Fehlermeldung produziert. Wichtig für die Arbeit mit data frames ist, dass alle Objekte die gleiche Länge n haben! Mike Kühne 14 R-Kurs

15 > ID <- 1:10 > data.frame.1 <- data.frame(id,var.1, Var.2, Var.3) > data.frame.1 ID Var.1 Var.2 Var weiblich männlich weiblich männlich weiblich männlich weiblich männlich weiblich männlich Die Dimensionen (SPSS: Anzahl der Fälle und Variablen in einem Datensatz - Ausnahmen > Spell-bezogene Datensätze) erfährt man über ebenfalls über die Funktion dim(). > dim(data.frame.1) [1] Objekt in einen bestehenden data frame einfügen Einem bestehenden data frame kann ein Vector der gleichen Länge n einfach angefügt werden (SPSS: Erzeugen einer neuen Variable). > Var.new <- 203:212 > data.frame.2 <- data.frame (data.frame.1,var.new) > data.frame.2 ID Var.1 Var.2 Var.3 Var.new weiblich männlich weiblich männlich weiblich männlich weiblich männlich weiblich männlich data frames zusammenführen In der gleichen Weise können ganze Datensätze miteinander verbunden werden. Die Datensätze können unterschiedlich lang sein. Dann sollte das Anfügen aber über eine gemeinsame Variable erfolgen ( SPSS: MATCH FILE \by=). In Abhängigkeit der gewählten Methode des Zusammenfügens (mehr Informationen zur Funktion erreicht man mit?merge), wird ein neuer data frame erzeugt. Dabei kann es, wie in diesem Fall, zu fehlenden Werten kommen. Diese werden durch NA (not available) gekennzeichnet. Mike Kühne 15 R-Kurs

16 > # erster data frame (x) > x<-c (1:5); y<- log(x); z <- exp(x) > test.frame.1 <- data.frame(x, y, z) > test.frame.1 x y z > # zweiter data frame (y) > var.1 <- c(2000:2007); var.2 <- c(1000:1007); var.3 <- c(3,4,5,6,7,8,9,10) > test.frame.2 <- data.frame(var.1, var.2, var.3) > test.frame.2 var.1 var.2 var > test.merge <- merge(test.frame.1, test.frame.2, by.x = "x", by.y = "var.3", all.x=t) > test.merge x y z var.1 var NA NA NA NA Arbeiten mit data frames Innerhalb von data frames, müssen die Elemente alle die gleiche Länge haben. > ID <- 1:10 > Var.1 <- seq(43,52,by=1) > Var.2 <- rep(c("weiblich", "männlich"),5) > Var.3 <- rnorm(10, mean=1, sd=10) > data.frame.1 <- data.frame(id,var.1, Var.2, Var.3) > str(data.frame.1) 'data.frame': 10 obs. of 4 variables: $ ID : int $ Var.1: num $ Var.2: Factor w/ 2 levels "männlich","weiblich": $ Var.3: num > data.frame.1$var.1[3] [1] 45 > data.frame.1[3,2] [1] 45 Mike Kühne 16 R-Kurs

17 3.3.1 data frame im Suchpfad Die Indizierung eines data frames ist in der oben aufgeführten Form etwas aufwendig. Mit der Funktion attach() kann man einen data frame in den Suchpfad aufnehmen und die einzelnen Elemente des data frames direkt zugänglich machen. > rm(var.1, Var.2, Var.3, ID) # Absichern, dass die Variablen nicht existieren > attach(data.frame.1) > Var.1 [1] Allerdings ist der Befehl mit Vorsicht zu verwenden, da mit dem Befehl eine komplette Kopie des data frames im Suchpfad angelegt wird. Die Modifika- ª tion von Variablen ohne Angabe des data frames würden nur an dem data frame im Suchpfad vorgenommen. Diese würde sich nicht auf das ursprüngliche data frames auswirken und verfallen, wenn man den data frames ohne Überführung z.b. > new.data.frame$var.1 <- Var.1 mit detach() wieder aus dem Suchpfad entfernt. Sind keine Modifikationen geplant erleichtert der Befehl attach() allerdings das Arbeiten mit data frames. > Var.1[4] [1] 46 > Var.1[4] < > Var.1[4] [1] 1700 > data.frame.1$var.1[4] [1] 46 > data.frame.1$var.1 <- Var.1 > > detach(data.frame.1) > data.frame.1 ID Var.1 Var.2 Var weiblich männlich weiblich männlich weiblich männlich weiblich männlich weiblich männlich L Mike Kühne 17 R-Kurs

18 3.3.2 Subsets Die einfachste Variante zur Bildung einer Auswahl funktioniert über die Indizierung > data.frame.1[data.frame.1$var.1>47, ] ID Var.1 Var.2 Var männlich männlich weiblich männlich weiblich männlich In diesem Beispiel werden alle Fälle angezeigt, bei denen der Wert in der Variable Var.1 größer als 47 ist. Weitere Optionen zur Bildung von Subdatensätzen bietet die Funktion subset(). Mit dem Operator %in% können komplexe Auswahlmöglichkeiten getätigt werden. Damit können mehrere Werte einer Variable zur Auswahl bestimmt werden. Dabei kann sowohl auf Zeilen als auch Spalten zugegriffen werden. L > subset(data.frame.1, Var.1>47, select= -4) # Auswahl von Zeilen und Spalten ID Var.1 Var männlich männlich weiblich männlich weiblich männlich > subset(data.frame.1, Var.1 %in% c(43, 47, 51)) ID Var.1 Var.2 Var weiblich weiblich weiblich Es können auch Auswahlkriterien verknüpft werden. > subset(data.frame.1, Var.2 %in% c("männlich") & Var.1 > 44) ID Var.1 Var.2 Var männlich männlich männlich männlich Mike Kühne 18 R-Kurs

19 3.3.3 data frames aufteilen data frames können entlang der Ausprägungen einer Variablen in einzelne Datensätze aufgeteilt werden. Diese sind anschließend als Listenelemente zu erreichen. > sub.frames <- split(data.frame.1, Var.2) > sub.frames $männlich ID Var.1 Var.2 Var männlich männlich männlich männlich männlich $weiblich ID Var.1 Var.2 Var weiblich weiblich weiblich weiblich weiblich Mike Kühne 19 R-Kurs

20 4 R COMMANDER 4 R Commander 4.1 Einführung Auch für R steht eine einfache grafische Nutzeroberfläche zur Verfügung. Diese Oberfläche wird mit dem Paket Rcmdr geladen: > library(rcmdr) Der R Commander besteht aus: einer Menüleiste einer Werkzeugleiste einem Skriptfenster einem Ausgabefenster einem Nachrichtenfenster Die manuelle Zusammenstellung von Befehlen wird im Skriptfenster automatisch generiert und durch den OK Button ausgeführt. Die Befehle können aber im Nachhinein modifiziert und wiederum ausgeführt werden. 4.2 Webseite Autor des Pakets ist John Fox. Informationen zu diesem Paket unter: Webseite 4.3 Tutorial Tutorial von John Fox August 2006 Mike Kühne 20 R-Kurs

21 5 PRAXIS 5 Praxis Erstellen Sie 5 Vektoren gleicher Länge. Fügen Sie diese 5 Vektoren zu einem data frame zusammen. Exportieren Sie den data frame in das SPSS Format. Erstellen Sie das SPSS File und vergleichen Sie die Daten. Lesen Sie das SPSS File allison.sav in R ein. Informieren Sie sich über die einzelnen Variablen in dem Datensatz. Setzen Sie in der Variable SCHOOL alle Werte gleich 7 auf Ersetzen Sie in der Variable INCOME den Wert durch den Wert 0 mit Hilfe einer Syntax. Erzeugen Sie einen neuen data frame aus allison.sav der nur Frauen enthält. Mike Kühne 21 R-Kurs