Datamunging

Datensatz anzeigen

head(FaithfulFaces) #im der Rmd - ersten Daten

tail(FaithfulFaces) #im der Rmd - letzten Daten

str(FaithfulFaces, give.attr = F) #Struktur

'data.frame':   170 obs. of  8 variables:
 $ X         : int  1 2 3 4 5 6 7 8 9 10 ...
 $ SexDimorph: num  4.9 2.58 4.3 4.08 4.5 ...
 $ Attract   : num  2 2.08 2.67 2.92 3.5 ...
 $ Cheater   : int  1 1 1 0 0 0 1 1 0 0 ...
 $ Trust     : num  4.12 4 3.94 4.12 3.23 ...
 $ Faithful  : num  6.29 6.59 5.82 5.41 4 ...
 $ FaceSex   : chr  "F" "F" "F" "F" ...
 $ RaterSex  : chr  "M" "M" "M" "M" ...

#View(FaithfulFaces) # Neuen Fenster
sample(FaithfulFaces) # Alle Daten

FaithfulFaces

Spaltennamen umbenennen

Var1:

# sehr "row"
colnames(FaithfulFaces)[4] <- "Betrueger" # Spalte 4  - Der Name wird geändert 
colnames(FaithfulFaces)[5] <- "Vertrauen" # Spalte 5  - Der Name wird geändert 

head(FaithfulFaces) # - ersten Daten

Var2:

library(dplyr) #-> Rename
FaithfulFaces <- FaithfulFaces %>% #pipe 
           rename(ProbandGeschlecht      = 'RaterSex',
                  GeschlechtTypGesicht   = 'SexDimorph')

Hinweis: “Rechts” der “alte Name”(immer im Hochkomma) - Links der “neue Name”

head(FaithfulFaces) #im der Rmd - ersten Daten

Rekodieren

#library(dplyr) #-> Rekodieren
FaithfulFaces <- FaithfulFaces %>%
  mutate(FaceSex   = factor(FaceSex, levels = c("F", "M"), labels = c("Weiblich", "Männlich")))

Hinweis: Zahlen ohne Hochkomma, Buchstaben mit Hochkomma

head(FaithfulFaces) 

Datensatzauswahl Fokus/Auswahl

Standardweg über FaithfulFaces$

# Normaler Wege: FaithfulFaces$Attract
a <- FaithfulFaces$Attract + FaithfulFaces$Faithful

Der Datensatz wird steht im Fokus

attach(FaithfulFaces)
# Es wird dieses Datensatz gewählt!
a <- Attract + Faithful


detach(FaithfulFaces)

mehrfach Zuweisung

a <-b<- FaithfulFaces$Attract + FaithfulFaces$Faithful

Hinzufügen einer neuen Spalte

var 1:

ncol(FaithfulFaces)

[1] 8

FaithfulFaces["neuspalte"] <- a
ncol(FaithfulFaces)

[1] 9

Var2:

FaithfulFaces$neuspalte <- NULL
ncol(FaithfulFaces)

[1] 8

FaithfulFaces<- cbind(FaithfulFaces, "neuspalte"= a)
ncol(FaithfulFaces)

[1] 9

Umgang mit NA - Missing Value

# Finden der NA-Werte 
#is.na(FaithfulFaces)

# wie viele NA-Werte
sum(is.na(FaithfulFaces))

[1] 0

sprintf("Anzahl der NAs: %d",sum(is.na(FaithfulFaces)) )

[1] "Anzahl der NAs: 0"

# Auslassen der NA-Werte 
FaithfulFaces <- na.omit(FaithfulFaces)

Handisches Loeschen von Daten

ausreiser <- boxplot(FaithfulFaces$Attract)

ausreiser$out

[1] 5.833 6.333 5.167 5.167

nrow(FaithfulFaces)

[1] 170

# Diese Zeilen sollen entfernt werden
drops <- c(65,63,97,163)

# Zeilen loeschen
FaithfulFaces <- FaithfulFaces[-drops,]
nrow(FaithfulFaces)

[1] 166

Automatisches Loeschen der Ausreiser

FaithfulFaces <- read.csv("C:/Users/Alfa/Downloads/FaithfulFaces(2).csv")

boxplot(FaithfulFaces$Attract) # Boxplot

# Suche der Ausreiser
outliers <- boxplot(FaithfulFaces$Attract, plot=FALSE)$out 
#Ausgabe der Ausreiser
print(outliers)

[1] 5.833 6.333 5.167 5.167

#Wegfilter der Ausreiser
FaithfulFaces <- FaithfulFaces[-which(FaithfulFaces$Attract %in% outliers),]
#Boxplot
boxplot(FaithfulFaces$Attract)

die Reihenfolge ändern

Var1:

unique(FaithfulFaces$FaceSex)

[1] "F" "M"

#neuordnen!

FaithfulFaces$FaceSex <- factor(FaithfulFaces$FaceSex, levels=c("Männlich", "Weiblich"))  
unique(FaithfulFaces$FaceSex)

[1] <NA>
Levels: Männlich Weiblich

Var2:

unique(FaithfulFaces$FaceSex)

[1] "F" "M"

FaithfulFaces$FaceSex <- as.character(FaithfulFaces$FaceSex)
FaithfulFaces$FaceSex <- factor(FaithfulFaces$FaceSex, levels = unique(FaithfulFaces$FaceSex))
unique(FaithfulFaces$FaceSex)

[1] F M
Levels: F M

Spalte löschen

FaithfulFaces$Attract <- NULL

head(FaithfulFaces)

NA

Downsizing - Gruppenbildung

Var1:

library(RcmdrMisc)

FaithfulFaces <- within(FaithfulFaces, {
  attract_group <- Recode(Attract, 
  '0:2.0 ="low";2.01 : 3.5 = "mid"; 3.51 : 100 = "high";', 
  as.factor=TRUE)
})

head(FaithfulFaces)

Var2:

#library(dplyr)

FaithfulFaces$Attract<-
  case_when((FaithfulFaces$Attract <= 2)~ 1,
 (FaithfulFaces$Attract > 2) & (FaithfulFaces$Attract <= 3) ~ 2,
 (FaithfulFaces$Attract > 3)                                ~ 3)
head(FaithfulFaces)

NA

var3:

library(RcmdrMisc)
 attract_group <- Recode(FaithfulFaces$Attract, 
  '0:2.0 ="low";2.01 : 3.5 = "mid"; 3.51 : 100 = "high";', 
  as.factor=TRUE)
FaithfulFaces["attract_group"] = attract_group

Datenauswahl / Subsets

Var1:

#spalten 1 , sowie 5,6,7
FaithfulFaces_test <- FaithfulFaces[c(1,5:7)] 
head(FaithfulFaces_test)

Var2: Filter ist eine Möglichkeit

#Ratersex nur Männer und Attract über 3.5 und Cheater gleich 1 
# library(dplyr)
list_of_values <- c("M") #Objekte können ausgelagert werden. 
FaithfulFaces1 <- filter(FaithfulFaces, RaterSex %in% list_of_values &  Attract < 3.5 & Cheater == 1 )

#Ratersex nur Männer und Faithful unter 6
library(dplyr)
list_of_values <- c("M") 
FaithfulFaces2 <- filter(FaithfulFaces, RaterSex %in% list_of_values &  Faithful < 6)

Var3: subset

#Ratersex nur Frauen und Faithful über 5 , alle spalten werden angezeigt
FaithfulFaces_w <- subset(FaithfulFaces, FaceSex == "Weiblich" & Faithful > 5)

#Ratersex nur Frauen oder Faithful über 5 , es werden nur die Spalten: Faithful,FaceSex
FaithfulFaces_test <- subset(FaithfulFaces, FaceSex == "Weiblich" | Faithful > 5,  select=c(Faithful,FaceSex) )
head(FaithfulFaces_test)

FaithfulFaces <- read.csv("C:/Users/Alfa/Downloads/FaithfulFaces(2).csv")
#head(FaithfulFaces)

#Ratersex nur Frauen und Faithful über 5 , es werden alle  Spalten von X1 bis Faithful ausgegeben
FaithfulFaces_test <- subset(FaithfulFaces, FaceSex == "F", select=c(X:Faithful))
#head(FaithfulFaces_test)

Objekthandling

a <- c(1,2,3,4,9) # c steht für Combine Values into a Vector or List
print(a)

a[1] # Erster Wert ansteuern 

[1] 1

If-Else - Bedingungen

#Wie alt sind Sie? 
alter <-  19

if( 20 > alter ) {
           print("Du Teenager!!! ")
}else if (50 > alter & alter >= 20 ) {
           print("Du wirst auch nicht mehr jünger.")
}else{ 
           print("Ich zähle die Tage bis zur Rente.")
  }

[1] "Du Teenager!!! "

dreifacH Array.

arr  <- array(c(1:9), dim=c(3,3,4,2)) # Zeile | Spalte | Tiefe  | Wiederholung
arr

, , 1, 1

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

, , 2, 1

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

, , 3, 1

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

, , 4, 1

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

, , 1, 2

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

, , 2, 2

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

, , 3, 2

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

, , 4, 2

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

arr[, , 4, 2] [,3]#Ansteuern des Wertes 

[1] 7 8 9

Schleifen

Es gibt drei Schleifenarten

1. Schleife: repeat

revar1 = 1


repeat{

          print(revar1)
          revar1 = revar1 +2
          
          if (revar1 > 9)
            break
          
  
}

[1] 1
[1] 3
[1] 5
[1] 7
[1] 9

2. Schleife: While

whilevar1=0

while(whilevar1 < 15)
{
  
  print(whilevar1)
  whilevar1 = whilevar1 +2;
  
}

[1] 0
[1] 2
[1] 4
[1] 6
[1] 8
[1] 10
[1] 12
[1] 14

3. Schleife: for

anzahl <- 5
ende <- 10
for (i in ende:anzahl)
{
  
 #anzahl = anzahl +1;
  print (i)
  
}

[1] 10
[1] 9
[1] 8
[1] 7
[1] 6
[1] 5

Umstellen der Nullstellen von Exponent auf Kommazahlen

ran2 <- c(1.646e-05) 
 options("scipen"=-100, "digits"=4)
 ran2

 options("scipen"=100, "digits"=4)
 ran2

netter Link: https://r4ds.had.co.nz/relational-data.html