Sitzung 2

Wiederholung

Das Wichtigste vom letzten Mal

  • R ist eine Programmiersprache für Statistik
    • kostenlos
    • nicht immer benutzerfreundlich, deshalb RStudio
  • es gibt einiges zu beachten:
    • Ihr solltet immer mit einem Skipt arbeiten, nur in Ausnahmefällen in der Konsole
    • Hilfe bekommt ihr durch ?Funktion oder help(Funktion)
    • Wenn ihr Berechnungen macht und Daten aufzeichnet, bzw. einlest, und auf diese später wieder zugreifen möchtet, solltet ihr sie Objekten zuweisen
    • die Verschiedenen Datentypen:
      • numeric: Zahlen
      • charachter: Buchstabenfolgen in Anführungszeichen
      • logical: Wahrheitswerte

Code vom letzten Mal

a <- 1:17
b <- sum(a)
b
## [1] 153
TRUE != FALSE
## [1] TRUE
(b & 3) >= 1 / 9
## [1] TRUE
b <- "überschreiben"
b == 153
## [1] FALSE
typeof(b)
## [1] "character"

Vektoren

Moment mal

Gerade haben wir folgenden Code gesehen:

a <- 1:17

Hatten wir beim letzten Mal nicht gesagt, dass x:y in R “von x bis y” bedeutet? Schaut mal, was in der Berechnung unten passiert.

1:3 + 10
## [1] 11 12 13
a <- 1:3 + 10
a
## [1] 11 12 13

Was passiert hier? Genau, wir können nicht nur einzelne Werte einem Objekt zuordnen, sondern auch eine Sequenz aus mehreren Werten unter einem Objektnamen zusammenfassen.

Vektoren

Wir haben nun gesehen, dass wir Elemente kombinieren können – diese komplexen Elemente nennt man Vektoren und sie funktionieren in etwa so geordnete Tupel in der Mengentheorie. Zahlenreihen können wir mit dem Doppelpunktoperator verbinden, bei anderen Datentypen verwenden wir c() (für “concatenate” – verketten)

a <- 7:14
b <- c(7, 8, 9, 10, 11, 12, 13, 14)
a == b
## [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
c <- c("Als", "Gregor", "Samsa", "eines", "Morgens")

Subsetting

Wenn wir die Vekoten erstellt haben, können einzelne Elemente können per Subsetting herausgepickt werden. Dazu werden eckige Klammern mit positionalen Idizes verwendet …

c[5] # zeigt das fünfte Element an
## [1] "Morgens"
(subset <- c[2:3]) # Elemente mit den Indizes von 2 bis 3
## [1] "Gregor" "Samsa"

… oder Bedigungen für das Enthaltensein in der Teilmenge:

b[b >= 10]
## [1] 10 11 12 13 14

Dimensionen von Vektoren

Bei solch Komplexen Objekten interessiert uns oft die Anzahl der enthaltenen Elemente. Diese können wir uns mithilfe von length() ausgeben lassen:

a
## [1]  7  8  9 10 11 12 13 14
length(a)
## [1] 8
length(c)
## [1] 5
length(c(a, c))
## [1] 13

Nochmal Subsetting

Wenn wir Subsetting mit der length-Funktion verbinden, erhalten wir das letzte Element des Vektors

a[length(a)]
## [1] 14
a[length(a) - 1] # vorletztes Element
## [1] 13

Übungen

  1. addiere zu jeder zahl von 1 bis 700 die zahl 13 und speichere das ergebnis in einem vektor ab.
  2. speichere das 345. element dieses vektors in einem neuen vektor und füge zum diesem vektor außerdem das 666. Element des ersten Vektors hinzu
  3. lass dir die letzten 22 elemente des langen vektors ausgeben
  4. lass dir dasjenige element anzeigen, das die mitte des langen vektors bildet
  5. addiere alle elemente im langen vektor auf

Lösungen

  1. addiere zu jeder zahl von 1 bis 1000 die zahl 13 und speichere das ergebnis in einem vektor ab.
x <- 1:700
y <- x + 13
y
##   [1]  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31
##  [19]  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49
##  [37]  50  51  52  53  54  55  56  57  58  59  60  61  62  63  64  65  66  67
##  [55]  68  69  70  71  72  73  74  75  76  77  78  79  80  81  82  83  84  85
##  [73]  86  87  88  89  90  91  92  93  94  95  96  97  98  99 100 101 102 103
##  [91] 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121
## [109] 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139
## [127] 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157
## [145] 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175
## [163] 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193
## [181] 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211
## [199] 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229
## [217] 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247
## [235] 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265
## [253] 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283
## [271] 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301
## [289] 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319
## [307] 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337
## [325] 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355
## [343] 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373
## [361] 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391
## [379] 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409
## [397] 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427
## [415] 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445
## [433] 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463
## [451] 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481
## [469] 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499
## [487] 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517
## [505] 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535
## [523] 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553
## [541] 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571
## [559] 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589
## [577] 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607
## [595] 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625
## [613] 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643
## [631] 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661
## [649] 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679
## [667] 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697
## [685] 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713

Lösungen

  1. speichere das 345. element dieses vektors in einem neuen vektor und füge zum diesem vektor außerdem das 666. Element des ersten Vektors hinzu
z <- y[345]
z <- c(z, y[666])
z
## [1] 358 679
  1. lass dir die letzten 22 elemente des langen vektors ausgeben
y[(length(y) - 21):length(y)]
##  [1] 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710
## [20] 711 712 713
y[length(y):(length(y) - 21)]
##  [1] 713 712 711 710 709 708 707 706 705 704 703 702 701 700 699 698 697 696 695
## [20] 694 693 692

Lösungen

  1. lass dir dasjenige element anzeigen, das die mitte des langen vektors bildet
y[length(y) / 2]
## [1] 363
  1. addiere alle elemente im langen vektor auf
sum(y)
## [1] 254450

Heads und Tails

Oft ist es praktisch, sich die ersten und letzten Elemente eines Objektes anzeigen zu lassen. Wir haben verschiedene Möglichkeiten gesehen, wie man das erreichen kann.

Glücklicherweise hat R gesonderte Funktionen für genau solche Operationen und erspart uns somit Tipparbeit

y[1:6]
## [1] 14 15 16 17 18 19
head(y)
## [1] 14 15 16 17 18 19
y[(length(y) - 5):length(y)]
## [1] 708 709 710 711 712 713
tail(y)
## [1] 708 709 710 711 712 713

Listen

Manchmal ist es praktisch, wenn die Elemente eines Vekors selbst komplex sind und somit Elemente einer bestimmten Art enthalten. Dazu verwendet man list

kind <- c("Fara", "Lula", "Fu")
note <- c(2, 1, 5)
(klausur <- list(kind, note))
## [[1]]
## [1] "Fara" "Lula" "Fu"  
## 
## [[2]]
## [1] 2 1 5

Subsetting von Listen

Bei Objekten mit komplexen Elementen funktioniert das Subsetting etwas anders:

klausur[2] # gibt eine Liste aus
## [[1]]
## [1] 2 1 5
klausur[[2]] # gibt einen Vektor aus
## [1] 2 1 5
klausur[[1]][3] # gibt das dritte Element des ersten Vektors aus
## [1] "Fu"
klausur[1][3]
## [[1]]
## NULL

Zwei-Dimensionale Objekte

Über Vekoten hinaus

Wir haben gesehen, dass eindimensionale Objekte erstellen können, die sich Vektoren (oder Listen) nennen. Was ist nun mit Objekten, die sowohl eine Länge wie auch eine Breite haben (read: Tabellen)?

kind
## [1] "Fara" "Lula" "Fu"
note
## [1] 2 1 5
(klausur <- cbind(kind, note))
##      kind   note
## [1,] "Fara" "2" 
## [2,] "Lula" "1" 
## [3,] "Fu"   "5"
is.matrix(klausur)
## [1] TRUE

Die Dimensionen von Tabellen

Die length-Funktion ist sehr irreführend bei Matritzen. Es ist besser, die dim-Funktion zu verwenden.

length(klausur)
## [1] 6
dim(klausur)
## [1] 3 2
klausur[1, ] # erste Zeile
##   kind   note 
## "Fara"    "2"
klausur[, 1] # erste Spalte
## [1] "Fara" "Lula" "Fu"
klausur[3, 2] # dritte Zeile, zweites Element
## note 
##  "5"

Subsetting von Matritzen

klausur[1, ] # erste Zeile
##   kind   note 
## "Fara"    "2"
klausur[, 1] # erste Spalte
## [1] "Fara" "Lula" "Fu"
klausur[3, 2] # dritte Zeile, zweites Element
## note 
##  "5"

Datenblätter

Zwar sind Matritzen geeignet, um Daten in Tabellenform zu repräsentieren. Eine wesentlich komfortablere Möglichkeit (und die, die wir im Verlaufe des Semesters fast ausschließlich verwenden werden) bieten data frames.

(klausur <- data.frame(kind, note))
##   kind note
## 1 Fara    2
## 2 Lula    1
## 3   Fu    5
is.data.frame(klausur)
## [1] TRUE
dim(klausur)
## [1] 3 2
length(klausur) # gibt Spaltenanzahl aus
## [1] 2

Subsetting von Datenblättern

klausur$note
## [1] 2 1 5
klausur[1, ]
##   kind note
## 1 Fara    2
klausur[, 2]
## [1] 2 1 5
(klausur2 <- subset(klausur, note > 3))
##   kind note
## 3   Fu    5

Datenblätter erweitern

geschlecht <- c("w", "w", "m")
note2 <- c(4, 3, 2)
(klausur <- cbind(klausur, note2, geschlecht))
##   kind note note2 geschlecht
## 1 Fara    2     4          w
## 2 Lula    1     3          w
## 3   Fu    5     2          m
dim(klausur)
## [1] 3 4
klausur$schnitt <- (klausur$note + klausur$note2) / 2
klausur
##   kind note note2 geschlecht schnitt
## 1 Fara    2     4          w     3.0
## 2 Lula    1     3          w     2.0
## 3   Fu    5     2          m     3.5

Übungen II

  1. Fragt eure Sitznachbarn (links und rechts) nach

    • Vorname
    • Lieblingsessen
    • Geburtsmonat und erstellt für alle drei Faktoren Vektoren mit den jeweiligen Infos für Nachbar_in 1 Nachbar_in 2 und euch selbst

  2. Erstellt aus diesen Vektoren einen data frame

  3. Lasst euch das zweite Element der dritten Zeile ausgeben

  4. Lasst euch die Zeile mit den Informationen über die Person links von euch anzeigen

  5. Speichert die Spalte mit dem Lieblingsessen in einem neuen Vektor “mealprep” ab

Lösungen II

  1. Erstellt aus diesen Vektoren einen data frame
vorname <- c("Marta", "Thomas", "Maik")
essen <- c("Schnitzel", "Auflauf", "Bier")
monat <- c(6, 8, 12)
(people <- data.frame(vorname, essen, monat))
##   vorname     essen monat
## 1   Marta Schnitzel     6
## 2  Thomas   Auflauf     8
## 3    Maik      Bier    12
  1. Lasst euch das zweite Element der dritten Zeile ausgeben
people[3, 2]
## [1] Bier
## Levels: Auflauf Bier Schnitzel

Lösungen II

  1. Lasst euch die Zeile mit den Informationen über die Person links von euch anzeigen
people[1, ]
##   vorname     essen monat
## 1   Marta Schnitzel     6
  1. Speichert die Spalte mit dem Lieblingsessen in einem neuen Vektor “mealprep” ab
(mealprep <- people$essen)
## [1] Schnitzel Auflauf   Bier     
## Levels: Auflauf Bier Schnitzel

Tüdelü

Bis zum nächsten Mal!