R- Grundlagen. TU Ilmenau. Stefan Heyder. 07. März 2019

Transkript

1 R- Grundlagen Stefan Heyder 07. März 2019 TU Ilmenau

2 Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA)

3 Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA)

4 Warum R? Slide 1 Einleitung Kostenlos Open-Source Programmiersprache Hoher Grad an Konfigurationsmöglichkeiten Community RStudio

5 Base R vs. Tidyverse Slide 2 Einleitung Base R Standardfunktionalitäten Plot Fine-tuning (z.b. Veröffentlichung) Organisch gewachsen

6 Base R vs. Tidyverse Slide 2 Einleitung Base R Standardfunktionalitäten Plot Fine-tuning (z.b. Veröffentlichung) Organisch gewachsen Tidyverse Sammlung von Paketen ( ggplot2, tibble, magrittr...) Fokus auf Syntax, Vereinheitlichung und sinnvolle Standards

7 Base R vs. Tidyverse Slide 2 Einleitung Base R Standardfunktionalitäten Plot Fine-tuning (z.b. Veröffentlichung) Organisch gewachsen Tidyverse Sammlung von Paketen ( ggplot2, tibble, magrittr...) Fokus auf Syntax, Vereinheitlichung und sinnvolle Standards Mehrere Möglichkeiten Probleme zu lösen!

8 Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA)

9 R als Taschenrechner Slide 3 Arithmetik ## [1] ## [1] * 111 ## [1] / 5 ## [1] ^ 5 ## [1] 32

10 Rechnen mit Restklassen Slide 4 Arithmetik 13 %/% 3 ## [1] 4 13 %% 3 ## [1] 1 pi %/% 3 ## [1] 1 pi %% 3 ## [1]

11 Rechnen mit Restklassen Slide 4 Arithmetik 13 %/% 3 ## [1] 4 13 %% 3 ## [1] 1 pi %/% 3 ## [1] 1 pi %% 3 ## [1] Weiteres zu Arithmetik in der Hilfe:?Arithmetic help(arithmetic)

12 Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA)

13 Funktionsaufrufe Slide 5 Funktionen log(32) ## [1] # R erlaubt Übergabe von Argumentnamen log(32, base = 2) ## [1] 5 sin(pi) ## [1] e-16 cos(pi) ## [1] -1 sqrt(10) ## [1] exp(1) ## [1]

14 Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA)

15 Wahr und Falsch Slide 6 Logik TRUE ## [1] TRUE FALSE ## [1] FALSE # Abkürzung T ## [1] TRUE F ## [1] FALSE

16 Logikverknüpfungen Slide 7 Logik TRUE & FALSE ## [1] FALSE!TRUE ## [1] FALSE!FALSE ## [1] TRUE T F ## [1] TRUE 1 > 2 2 > 1 ## [1] TRUE

17 Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA)

18 Zuweisung Slide 8 Variablen # Zuweisung x <- 5 # Ausgabe x ## [1] 5 # Auch möglich, aber Vorsicht vor benannten Argumenten! x = 5 # Ebenfalls möglich, aber schlechter Stil 5 -> x

19 Namenskonventionen Slide 9 Variablen Name starten mit einem Buchstaben Namen unterscheiden zwischen Groß- und Kleinbuchstaben x <- 5 X <- 4 x == X ## [1] FALSE Namen können Buchstaben, Punkte, Zahlen oder Unterstriche enthalten. Verschieden Möglichkeiten lange Variablen zu benennen: langer.variablen.name langer_variablen_name langervariablenname

20 Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA)

21 Datentypen Slide 10 Datentypen logical TRUE oder FALSE integer Ganzzahlen numeric Gleitkommazahlen complex komplexe Zahlen z.b. 1 +i character Zeichenfolgen

22 Datentypen Slide 10 Datentypen logical TRUE oder FALSE integer Ganzzahlen numeric Gleitkommazahlen complex komplexe Zahlen z.b. 1 +i character Zeichenfolgen Feststellen des Typs mit typeof typeof(true) ## [1] logical typeof( string ) ## [1] character

23 Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA)

24 Vektoren Slide 11 Vektoren R ist Vektorbasiert! # Erstellen einfacher Zahlenfolge c(1, 2, 3, 4, 5) ## [1] # Vektoren sind eindimensional c(1, c(2, c(3, 4), 5)) ## [1] :30 ## [1] ## [24] seq(1, 30, 1) ## [1] ## [24] Viele Funktion sind vektorisiert sin(1:5) ## [1]

25 Rechnen mit Vektoren Slide 12 Vektoren 1:3 + 4:6 ## [1] :3 * 4:6 ## [1] # Vektoren werden wiederholt! 1:5 + 1 ## [1] :6 + 1:3 ## [1] :5 > 2 ## [1] FALSE FALSE TRUE TRUE TRUE sum(1:5) ## [1] 15 mean(1:5) ## [1] 3

26 Vektoren und Datentypen Slide 13 Vektoren Vektoren bestehen immer aus Werten des gleichen Datentyps. Werden gemischte Datentypen angegeben, so werden diese konvertiert x <- c(true, 2, 3) x ## [1] typeof(x) ## [1] double x <- c(2, 4, 5 ) x ## [1] typeof(x) ## [1] character # Konvertierung as.numeric(x) ## [1] 2 4 5

27 Faktoren Slide 14 Vektoren Datentyp für kategorische Variablen mit festem Wertebereich familienstand <- c( ledig, verheiratet, ledig, verheiratet ) familienstand <- factor(familienstand) familienstand ## [1] ledig verheiratet ledig verheiratet ## Levels: ledig verheiratet levels(familienstand) ## [1] ledig verheiratet # Schlägt fehlt familienstand[2] <- geschieden ## Warning in [<-.factor ( *tmp*, 2, value = geschieden ): invalid factor level, NA generated familienstand <- factor(familienstand, levels = c(levels(familienstand), geschieden )) familienstand[2] <- geschieden familienstand ## [1] ledig geschieden ledig verheiratet ## Levels: ledig verheiratet geschieden

28 Elementzugriff Slide 15 Vektoren LETTERS ## [1] A B C D E F G H I J K L M N O P Q ## [18] R S T U V W X Y Z (x <- LETTERS[3]) ## [1] C (x <- LETTERS[c(1:5, 1)]) ## [1] A B C D E A (x <- sample(1:20, 10, replace = TRUE)) ## [1] x < 10 ## [1] FALSE FALSE FALSE FALSE FALSE TRUE FALSE TRUE TRUE TRUE which(x < 10) ## [1] x[ x < 10 ] ## [1]

29 Weiteres zu Vektoren Slide 16 Vektoren # Überprüfen ob Wert vorhanden ist x <- 1:5 1 %in% x ## [1] TRUE 0 %in% x ## [1] FALSE # Länge von Vektoren length(x) ## [1] 5 names(x) <- c( Erster, Zweiter, Dritter, Vierter, Fünfter ) x ## Erster Zweiter Dritter Vierter Fünfter ## x[ Zweiter ] ## Zweiter ## 2

30 Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA)

31 NA Slide 17 Fehlende Daten (NA) Fehlende Daten werden mit NA erfasst. Da NA für fehlende Daten Stehen, können zwei NA Instanzen unterschiedlich sein. Das erklärt diese Ausgabe: NA == NA ## [1] NA Um zu überprüfen, ob eine Variable NA ist, verwendet man is.na: x <- c(1,2,3,na,5,na,7,na, 5, 3, 7) is.na(x) ## [1] FALSE FALSE FALSE TRUE FALSE TRUE FALSE TRUE FALSE FALSE FALSE # Wie viele NA sind in x? sum(is.na(x)) ## [1] 3 # Wo stehen die NA? which(is.na(x)) ## [1] 4 6 8

32 Verhalten von NA Slide 18 Fehlende Daten (NA) NA kann Verhalten von Funktionen beeinflussen: mean(x) ## [1] NA sd(x) ## [1] NA table(x) ## x ## ## mean(x, na.rm = T) ## [1] sd(x, na.rm = T) ## [1] table(x, usena = ifany ) ## x ## <NA> ##