-
Notifications
You must be signed in to change notification settings - Fork 1
/
.Rhistory
499 lines (499 loc) · 18.4 KB
/
.Rhistory
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
# Installiere das Paket pacman, falls erforderlich
if (!require("pacman")) install.packages("pacman")
# Mit paceman koennen weitere Pakete unkompliziert geladen werden
pacman::p_load(pacman, tidyverse)
# Importieren von csv-Dateien mit dem Paket readr und Funktion read_csv()
# (readr::read_csv()) von tidyverse
df <- read_csv("../Daten/adult.csv")
# Importieren von csv-Dateien mit dem Paket readr und Funktion read_csv()
# (readr::read_csv()) von tidyverse
df <- read_csv("Daten/adult.csv")
# Titel: Uebersichtlichkeit durch Pipes %>%
# Datei: 02_08_Pipes.R
# Installieren und Laden von Paketen ################################
#####################################################################
##Dokumentation zu den Paketen: https://cran.r-project.org/web/packages/
## oder https://www.rdocumentation.org/
# Nutze dafuer den Pakete-Manager "pacman" (ist selbst ein Paket):
# https://www.rdocumentation.org/packages/pacman/versions/0.5.1
# Installiere das Paket pacman, falls erforderlich
if (!require("pacman")) install.packages("pacman")
# Mit paceman koennen weitere Pakete unkompliziert geladen werden
pacman::p_load(pacman, tidyverse)
#####################################################
# Importieren und Aufbereiten von Daten
# Speichere Daten als "df" (fuer Dataframe)
# Importieren von csv-Dateien mit dem Paket readr und Funktion read_csv()
# (readr::read_csv()) von tidyverse
df <- read_csv("Daten/adult.csv")
#Informationen zum Datensatz unter https://archive.ics.uci.edu/ml/datasets/Census+Income
#auch als "adult" Dataset bekannt
# Datensatz ansehen
View(df)
#############################################################################
#Bereite Daten auf:
##1. Ohne Pipe %>%:
df1 <- read_csv("Daten/adult.csv") #Daten importieren
df1[df1 == "?"]<-NA #Missing Values (NAs) kenntlich machen
df1 <- tibble(df1) #lege df1 als tibble (Dataframe) ab
df1 <- select(df1,age,
occupation,
income) #speichere nur bestimmte Spalten
df1$occupation <- as.factor(df1$occupation) #wandle Spalte "occupation" in einen factor um
colnames(df1)[colnames(df1) == "income"] <- "y_Variable" #benenne Spalte "income" um
print(df1)
##2. wie 1. nur mit Pipe %>%:
df2 <- read_csv("Daten/adult.csv") %>%
na_if(., "?") %>%
as_tibble() %>%
select(age,
occupation,
income) %>%
mutate(occupation = as.factor(occupation)) %>%
rename(y_Variable = income) %>%
print()
##############################################################
# Environment leeren
rm(list = ls())
# Global environment leeren bzw. alle Pakete aus Arbeitsspeicher entfernen
p_unload(all) #Befehl erfordert Paket "paceman"
detach("package:datasets", unload = TRUE) # ohne "paceman", nur mit "base"
# Konsole leeren
cat("\014") # ctrl+L
library(rjson)
# rjson: https://www.rdocumentation.org/packages/rjson/versions/0.2.20
#JSON einlesen und als daten speichern
daten <- fromJSON(file = "Daten/student.json")
#daten anzeigen
print(daten)
#daten in Dataframe umwandeln und als df speichern
df <- as.data.frame(daten)
print(df)
##########################################################
#Mit paceman
# Installieren von pacman ("package manager"), wenn erforderlich
if (!require("pacman")) install.packages("pacman")
# Pakete mit pacman laden
pacman::p_load(pacman, tidyverse, jsonlite)
# jsonlite: vorteilhaft bei verschachtelten JSON- Dateien,
# https://www.rdocumentation.org/packages/jsonlite/versions/1.7.2
# Bundesligadaten von https://www.openligadb.de/
fball <- "https://api.openligadb.de/getmatchdata/bl1/2021/1" %>%
fromJSON() %>% # Lies Daten ein und packe sie in eine Liste
print() # Zeige Daten
# Aufrufen einzelner Datenbloecke
fball$team1
# alternativ mit Paket plyr
fball %>%
select(team1)
# Nur teamID und teamName
fball$team1[1:2] # Spaltennummern 1 bis 2
fball$team2[c("teamId", "teamName")] # Spaltennamen
# alternativ mit Paket plyr
fball$team2 %>%
select(c("teamId", "teamName"))
# matchResults ist eine Liste mit Dataframes
mr <- fball$matchResults
mr
# bind_rows() vom Paket plyr erlaubt das Zusammenbinden in ein Dataframe bzw. Tibble
df <- bind_rows(mr, .id = "column_label") %>%
as_tibble() %>%
print()
##############################################################
# Environment leeren
rm(list = ls())
# Global environment leeren bzw. alle Pakete aus Arbeitsspeicher entfernen
p_unload(all) #Befehl erfordert Paket "paceman"
detach("package:datasets", unload = TRUE) # ohne "paceman", nur mit "base"
# Konsole leeren
cat("\014") # ctrl+L
library("XML")
# Uebergib Daten und speichere diese als Dokument
daten <- xmlParse("Daten/student.xml")
daten
attr(daten ,"class")
# Konvertiere die Daten zu einem Dataframe
df <- xmlToDataFrame("Daten/student.xml", stringsAsFactors = TRUE)
df
#Zweite Spalte
df[2]
#Zweite Spalte, 2. und 3. Zeile
df[2,c(2,3)]
##########################################################
# fuer html
document <- htmlParse("http://cran.r-project.org/web/packages/XML/index.html")
showMethods(class=class(document), where=search())
#Dokument in character umwandeln
as(document, "character")
##########################################################
#Mit paceman
# Installieren von pacman ("package manager"), wenn erforderlich
if (!require("pacman")) install.packages("pacman")
# Pakete mit paceman laden
pacman::p_load(pacman,tidyverse, XML2R)
#https://www.rdocumentation.org/packages/XML2R/versions/0.0.6
df <- xmlParse(file = "data_loesch/student.xml") %>%
xmlToDataFrame(., stringsAsFactors = TRUE) %>%
print()
##############################################################
# Environment leeren
rm(list = ls())
# Global environment leeren bzw. alle Pakete aus Arbeitsspeicher entfernen
p_unload(all) #Befehl erfordert Paket "paceman"
detach("package:datasets", unload = TRUE) # ohne "paceman", nur mit "base"
# Konsole leeren
cat("\014") # ctrl+L
library("XML")
# Uebergib Daten und speichere diese als Dokument
daten <- xmlParse("Daten/student.xml")
daten
# Konvertiere die Daten zu einem Dataframe
df <- xmlToDataFrame("Daten/student.xml", stringsAsFactors = TRUE)
df
#Zweite Spalte
df[2]
#Zweite Spalte, 2. und 3. Zeile
df[c(2,3),2]
document <- htmlParse("http://cran.r-project.org/web/packages/XML/index.html")
document
document <- htmlParse("http://cran.r-project.org/web/packages/XML/index.html")
showMethods(class=class(document), where=search())
#Dokument in character umwandeln
as(document, "character")
#Mit paceman
# Installieren von pacman ("package manager"), wenn erforderlich
if (!require("pacman")) install.packages("pacman")
# Pakete mit paceman laden
pacman::p_load(pacman,tidyverse, XML2R)
#https://www.rdocumentation.org/packages/XML2R/versions/0.0.6
df <- xmlParse(file = "Daten/student.xml") %>%
xmlToDataFrame(., stringsAsFactors = TRUE) %>%
print()
# Installiere das Paket pacman, falls erforderlich
if (!require("pacman")) install.packages("pacman")
# Mit pacman koennen weitere Pakete unkompliziert geladen werden
pacman::p_load(pacman, rio, tidyverse)
#####################################################
# Importieren und Aufbereiten von Daten
# Speichere Daten als "df" (fuer Dataframe)
df <- import("Daten/adult.xlsx") %>%
na_if(., "?") %>%
as_tibble() %>% #als tibble ablegen
select(age, #bestimmte Spalten auswählen
occupation,
income) %>%
mutate(occupation = as.factor(occupation)) %>% #Spalte "occupation" in factor umwandeln
rename(y_Variable = income) %>% #Spalte "income" in "y-Variable" umbenennen
print() #Ausgabe der Daten
# Befehl save()
save(df, file = "Daten/adultData.rdata")
# Loesche alle Objekte von der Environment
rm(list = ls())
# load() importiert Daten in die Environment; die Daten koennen nicht umbenannt werden
load("Daten/adultData.rdata")
df # Datenausgabe
# Loesche Daten aus Environment
rm(list = ls())
# Jetzt mit import() von rio; Daten werden nicht in der Environment geladen
import("Daten/adultData.rdata") %>%
print()
# import() ermoeglicht es Daten umzubenennen und in Environment zu laden
new_df <- import("Daten/adultData.rdata") %>%
print()
# Loesche Daten aus Environment
rm(list = ls())
# Daten erstellen, falls notwendig
# Speichere Daten als "df" (fuer Dataframe)
df <- import("data_loesch/adult.xlsx") %>%
na_if(., "?") %>%
as_tibble() %>% #als tibble ablegen
select(age, #bestimmte Spalten auswählen
occupation,
income) %>%
mutate(occupation = as.factor(occupation)) %>% #Spalte "occupation" in factor umwandeln
rename(y_Variable = income) %>% #Spalte "income" in "y-Variable" umbenennen
print()
# Befehl saveRDS()
df %>% saveRDS("data_loesch/adultData.rds")
# Daten erstellen, falls notwendig
# Speichere Daten als "df" (fuer Dataframe)
df <- import("Daten/adult.xlsx") %>%
na_if(., "?") %>%
as_tibble() %>% #als tibble ablegen
select(age, #bestimmte Spalten auswählen
occupation,
income) %>%
mutate(occupation = as.factor(occupation)) %>% #Spalte "occupation" in factor umwandeln
rename(y_Variable = income) %>% #Spalte "income" in "y-Variable" umbenennen
print()
# Befehl saveRDS()
df %>% saveRDS("Daten/adultData.rds")
# Alternativ: Befehl write_rds() von tidyverse; Daten werden nicht kompremmiert;
# nuetzlich, wenn Daten schnell gespeichert werden sollen (und Speicherplatz nicht so wichtig ist)
df %>% write_rds("Daten/aldultData2.rds")
# Loesche alle Objekte von der Environment
rm(list = ls())
# import()
import("Daten/adultData.rds")
# In die Environment laden
new_df <- import("Daten/adultData.rds") %>%
print()
rm(list = ls())
# Global environment leeren bzw. alle Pakete aus Arbeitsspeicher entfernen
p_unload(all) #Befehl erfordert Paket "paceman"
detach("package:datasets", unload = TRUE) # ohne "paceman", nur mit "base"
# Konsole leeren
cat("\014") # ctrl+L
# Installiere das Paket pacman, falls erforderlich
if (!require("pacman")) install.packages("pacman")
# Mit pacman koennen weitere Pakete unkompliziert geladen werden
pacman::p_load(datasets, pacman, tidyverse)
?iris # Informationen ueber den Datensatz
iris # Datensatz anzeigen lassen
head(iris) # erste 6 Zeilen ausgeben lassen
summary(iris) # ein bisschen deskriptive Statistik
#####################################################################
# Andere (nicht - Tidy - Formate):
# Zeitreihendaten
# XML/JSON Daten (hierachische Struktur)
# Spalten/Zellen mit mehreren variablen
#####################################################################
# Beispiel: Zeitreihendaten "sunspots"
?sunspots # Informationen ueber den Datensatz
sunspots # Datensatz anzeigen lassen
head(sunspots) # zeigt erste 6 Beobachtungen
plot(sunspots) # Grafische Darstellung
# Installiere das Paket pacman, falls erforderlich
if (!require("pacman")) install.packages("pacman")
# Mit pacman koennen weitere Pakete unkompliziert geladen werden
pacman::p_load(datasets, pacman, tidyverse)
?ToothGrowth # Informationen ueber den Datensatz
ToothGrowth # Datensatz anzeigen lassen
head(ToothGrowth) # erste 6 Zeilen ausgeben lassen
# iris als Dataframe in die Environment laden
df <- ToothGrowth
df
# Konvertiert iris von einem Dataframe zu einem Tibble
df_tibble <- ToothGrowth %>%
as_tibble() %>%
print()
# Mit tibble laesst sich leichter arbeiten und Datensatzanpassungen vornehmen, z.B.
df_tibble <- ToothGrowth %>%
as_tibble() %>%
mutate(supp = as.character(supp)) %>% # Datentyp von "supp" in Character aendern
print()
###################################
if (!require("pacman")) install.packages("pacman")
# Mit pacman koennen weitere Pakete unkompliziert geladen werden
pacman::p_load(pacman, lubridate, tidyverse, tsibble)
# lubridate: zum Arbeiten mit Datums- und Zeitformaten
# tsibble: fuer Zeitreihen
#####################################################
# Datensatz laden und aufbereiten
# Informationen zum Datensatz: https://archive.ics.uci.edu/ml/datasets/Seoul+Bike+Sharing+Demand
df <- read_csv("Daten/BikeData.csv") %>%
as_tibble() %>%
select(Date, Hour, "Rented Bike Count", Temperature) %>%
print()
# Verknuepfe Date und Hour zum eindeutigen Zeitstempel DateTime
df <- read_csv("Daten/BikeData.csv") %>%
as_tibble() %>%
mutate(DateTime = paste(Date, Hour)) %>% # Generiere DateTime aus Date und Hour
mutate(across('DateTime',
~ as.POSIXct(.x,
format = "%d/%m/%Y %H"))) %>% # Wandle es in ein Datum-Zeitformat
drop_na(DateTime) %>% # loesche NA
select(DateTime, "Rented Bike Count", Temperature) %>% # waehle Spalten aus
print()
# Generiere ein tsibble als Zeitreihe, index muss eindeutig sein
df_ts <- as_tsibble(df, index = DateTime) %>%
print()
if (!require("pacman")) install.packages("pacman")
# Mit pacman koennen weitere Pakete unkompliziert geladen werden
pacman::p_load(pacman, tidyverse)
#####################################################
# Datensatz aufbereiten
# Generiere eine Liste mit Daten
L <- list(
c(1:8),
c("Mercury", "Venus", "Earth", "Mars", "Jupiter", "Saturn", "Uranus", "Neptun"),
c(4878, 12100, 12700, 6770, 139822, 114632, 51000, 49244),
c(FALSE, FALSE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE)
) %>%
print()
# Speichere die Liste L als Tibble
df <- as_tibble(L,
.name_repair = "unique") %>% # Gib den Spalten eindeutige Namen
print()
# Benenne die Spaltennamen um
df <- df %>%
rename(id = "...1") %>%
rename(planet = "...2") %>%
rename(diameter = "...3") %>%
rename(moon = "...4") %>%
print()
######################################################
# Analysieren des Dataframes
# Generiere eine Tabelle mit Anzahl der Planeten, die keinen (FALSE) und mind.
# einen Mond (TRUE) haben
df %>% select(moon) %>% table()
# Gib nur die Anzahl der Planeten mit mind. einem Mond aus.
sum(df$moon)
# Gib alle Planeten aus, die mind. einen Mond besitzen.
df %>%
filter(moon == TRUE) %>%
select(planet)
# Gib alle Planeten und den jeweiligen Durchmesser aus, wenn
# der Durchmesser groesser als 100 000 km ist.
df %>%
filter(diameter > 100000) %>%
select(planet, diameter)
# Gib alle Zeilen aus df fuer Planeten mit einem Durchmesser < 50 000 km aus.
df %>%
filter(diameter < 50000)
if (!require("pacman")) install.packages("pacman")
# Mit pacman koennen weitere Pakete unkompliziert geladen werden
pacman::p_load(pacman, rio, tidyverse)
# rio zum Importieren von Daten
#####################################################
# Importieren und Aufbereiten von Daten
# Speichere Daten als "df" (fuer Dataframe)
df <- import("Daten/adult.xlsx") %>%
na_if(., "?") %>% # aendere Missing Values von ? in NA
as_tibble() %>% # mach ein Tibble draus
select(age, # waehle nur bestimmte Spalten aus
education,
occupation,
income) %>%
mutate(occupation = as.factor(occupation)) %>% # aendere Spalte in einen Factor
mutate(education = as.factor(education)) %>%
mutate(income = as.factor(income)) %>%
print()
#####################################################
# "ODER" - Filterkriterum durch |
df %>%
filter(education == "Bachelors" |
occupation == "Exec-managerial") %>%
print()
# "UND" - Filterkriterium durch &
df %>%
filter(education == "Bachelors" &
occupation == "Exec-managerial" &
income == ">50K" ) %>%
print()
# Ausschliessen durch vorgelagertes Ausrufezeichen !
# Alle Bachelors mit Income >50K, aber ohne Exec-managerial
df %>%
filter(education == "Bachelors" &
!occupation == "Exec-managerial" &
income == ">50K") %>%
print()
df <- df %>%
mutate(
Count = # die neue Variable heisst "Count"
ifelse(age > 17 & age <= 20, 1, 0) + # wenn 17 < age <=20 , dann addiere 1 hinzu
ifelse(education == "Bachelors", 1, 0) + # wenn education == "Bachelors", addiere 1 hinzu
ifelse(income == "<=50K", 1, 0) # wenn income == "<=50K", addiere 1 hinzu
) %>%
arrange(desc(Count)) %>% # sortiere absteigend nach "Count"
print(n = 20)
# Daten nach Zaehlvariable gruppieren und Anzahl der "Treffer" ausgeben lassen
df %>% # Count rows by group
group_by(Count) %>% # nach Count gruppieren
summarise(n = n()) # Zaehlen, wie oft 0, 1, 2 und 3 vorkommen
df %<>%
mutate(
Success = case_when(
(age > 17 & age <= 20) & education == "Bachelors" & income == "<=50K" ~ "y",
TRUE ~ "n" # alle anderen Werte
)
) %>%
arrange(desc(Success)) %>% # sortiere absteigend nach Success
print(n = 20)
#####################
setwd()
setwd()
getwd()
getwd()
getwd()
if (!require("pacman")) install.packages("pacman")
# Mit pacman koennen weitere Pakete unkompliziert geladen werden
pacman::p_load(pacman, tidyverse)
#####################################################
# Importieren und Aufbereiten von Daten
# Speichere Daten als "df" (fuer Dataframe)
# Importieren von csv-Dateien mit dem Paket readr und Funktion read_csv()
# (readr::read_csv()) von tidyverse
df <- read_csv("Daten/adult.csv")
#Informationen zum Datensatz unter https://archive.ics.uci.edu/ml/datasets/Census+Income
#auch als "adult" Dataset bekannt
# Datensatz ansehen
View(df)
print(df1)
df1 <- read_csv("Daten/adult.csv") #Daten importieren
df1[df1 == "?"]<-NA #Missing Values (NAs) kenntlich machen
df1 <- tibble(df1) #lege df1 als tibble (Dataframe) ab
df1 <- select(df1,age,
occupation,
income) #speichere nur bestimmte Spalten
df1$occupation <- as.factor(df1$occupation) #wandle Spalte "occupation" in einen factor um
colnames(df1)[colnames(df1) == "income"] <- "y_Variable" #benenne Spalte "income" um
print(df1)
mydata <- data.frame(myGroup = c('a', 'b'), myX = c(1,1))
qplot(data = mydata,
x = myX,
facets = ~myGroup)
ggplot(data = mydata) +
geom_bar(aes(myX)) +
facet_wrap(~myGroup)
#create vertical side-by-side boxplots
ggplot(df1, aes(x=occupation, y=age, fill=team)) +
geom_boxplot() +
ggtitle('Points by Team')
ggtitle('Points by Team')
ggplot(df1, aes(x=occupation, y=age, fill=occupation) +
geom_boxplot() +
ggtitle('Points by Team')
#create vertical side-by-side boxplots
ggplot(df1, aes(x=occupation, y=age, fill=occupation)) +
geom_boxplot() +
ggtitle('Points by Team')
#create vertical side-by-side boxplots
ggplot(df1, aes(x=y_Variable, y=age, fill=occupation)) +
geom_boxplot() +
ggtitle('Points by Team')
#create vertical side-by-side boxplots
ggplot(df1, aes(x=occupation, y=age, fill=y_Variable)) +
geom_boxplot() +
ggtitle('Points by Team')
summary(occupation)
summary(df1$occupation)
summary(df$)
summary(df$education)
##2. wie 1. nur mit Pipe %>%:
df2 <- read_csv("Daten/adult.csv") %>%
na_if(., "?") %>%
as_tibble() %>%
select(age,
occupation,
education
income) %>%
mutate(occupation = as.factor(occupation)) %>%
mutate(education = as.factor(education)) %>%
rename(y_Variable = income) %>%
print()
##2. wie 1. nur mit Pipe %>%:
df2 <- read_csv("Daten/adult.csv") %>%
na_if(., "?") %>%
as_tibble() %>%
select(age,
occupation,
education,
income) %>%
mutate(occupation = as.factor(occupation)) %>%
mutate(education = as.factor(education)) %>%
rename(y_Variable = income) %>%
print()
summary(df1$occupation)
summary(df1$education)
summary(df2$education)