3  Daten einlesen

Schlüsselwörter

Statistik, Prognose, Modellierung, R, Datenanalyse, Regression

$$$$

3.1 Einstieg

3.1.1 Lernziele

• Sie können R und RStudio starten.
• Sie können R-Pakete installieren und starten.
• Sie können Variablen in R zuweisen und auslesen.
• Sie können Daten in R importieren.
• Sie können den Begriff Reproduzierbarkeit definieren.

3.1.2 Überblick

Abbildung 3.1 veranschaulicht den typischen Lernverlauf in der Datenanalyse (und mit R): Höhen und Tiefen sind normal.

Abbildung 3.1: Life is a roller-coaster. You just have to ride it (Horst, 2024).

3.1.3 Ab diesem Kapitel benötigen Sie R

Bitte stellen Sie sicher, dass Sie R (R Core Team, 2024) für dieses Kapitel einsatzbereit haben. Weiter unten in diesem Kapitel finden Sie Installationshinweise (Kapitel 3.3). Falls Sie dieses Kapitel zum ersten Mal bzw. sich noch nicht mit R auskennen, werden Sie vielleicht einigen Inhalten begegnen, die Sie noch nicht gleich verstehen. Keine Sorge, das ist normal. Mit etwas Übung wird Ihnen bald alles schnell von der Hand gehen.

3.2 Errrstkontakt

3.2.1 Warum R?

Gründe, die für den Einsatz von R (R Core Team, 2024) sprechen:

1. 🆓 R ist kostenlos, andere Softwarepakete für Datenanalyse sind teuer. 💸

2. 📖 R und R-Befehle sind quelloffen, d.$$h. man kann sich die zugrundeliegenden Computerbefehle anschauen. Jeder kann prüfen, ob R vernünftig arbeitet. Alle können beitragen.

3. 🆕 R hat die neuesten Methoden.

4. 🫂 R hat eine große Community.

5. 🪡 R ist maßgeschneidert für Datenanalyse.

Allerdings gibt es auch abweichende Meinungen, s. Abbildung 3.2.

Abbildung 3.2: Manche finden Excel cooler als R, nicht wahr, Bill Gates? (imgflip, 2024a)

3.2.2 R und Reproduzierbarkeit

Definition 3.1 (Reproduzierbarkeit) Ein (wissenschaftlicher) Befunde ist reproduzierbar, wenn andere Personen mit der Analysemethodik zum gleichen Ergebnis (wie in der ursprünglichen Analyse) kommen (Plesser, 2018). $◻$

Definition 3.1 ist, etwas überspitzt, in Abbildung 3.3 wiedergegeben.

🔢 + 🤖 + 🔬 = 🤩

Abbildung 3.3: Daten + Syntax + genaue Beschreibung der Messungen = reproduzierbar

Beispiel 3.1 (Aus der Forschung: Reproduzierbarkeit in der Psychologie)  

🧑‍🎓 Wie steht es um die Reproduzierbarkeit in der Psychologie? Sind die Befunde zuverlässig?

Obels et al. (2020) haben die Reproduzierbarkeit in psychologischen Studien untersucht. Sie berichten folgendes Ergebnis (S. 229):

We examined data and code sharing for Registered Reports published in the psychological literature from 2014 to 2018 and attempted to independently computationally reproduce the main results in each article. Of the 62 articles that met our inclusion criteria, 41 had data available, and 37 had analysis scripts available. Both data and code for 36 of the articles were shared. We could run the scripts for 31 analyses, and we reproduced the main results for 21 articles.

Insgesamt war also etwa jede dritte Studie reproduzierbar. Da gibt es noch viel Luft nach oben! $◻$

3.2.3 R & RStudio

Wenn wir sagen, “wir arbeiten mit R”, dann heißt das in unserem Fall, wir arbeiten mit R und mit RStudio.

Abbildung 3.4: R und eine GUI wie RStudio arbeiten gut zusammen.

Ismay & Kim (2020) zeigen in einer schönen Analogie, was den Unterschied von R und RStudio ausmacht, s. Abbildung 3.5. (Streng genommen ist RStudio für die Datenanalyse irrelevant, aber RStudio ist praktisch, Sie werden es nicht missen wollen.)

Abbildung 3.5: R vs. RStudio: R macht die Arbeit, RStudio ist für Komfort und Übersicht zuständig (Ismay & Kim, 2020).

Kurz gesagt: Das eigentlich Arbeiten besorgt R. Für den Komfort und die Schönheit die Übersicht ist RStudio zuständig. Auch eine Art von Arbeitsteilung!

Hinweis

• R: 🏋️‍♀️
• RStudio: 💅 $◻$

Hier sehen Sie einen Screenshot von der Oberfläche von RStudio, s. Abbildung 3.6.

Abbildung 3.6: So sieht RStudio aus

3.3 Installation von R und RStudio

3.3.1 Installation von R

R ist ein Softwarepaket für statistische Berechnungen. Laden Sie es für Ihr Betriebssytem herunter unter https://cloud.r-project.org. Wenn Sie beim Herunterladen gefragt werden, dass Sie einen “Mirror” auswählen sollen, heißt das, Sie sollen einen Computer (Server) wählen, von dem Sie R herunterladen. Der sollte möglichst nicht zu weit weg stehen, dann spart es vielleicht etwas Zeit und Bandbreite. Wenn Sie die Installationsdatei heruntergeladen haben, öffnen Sie diese Datei (Doppelklick) und Sie werden durch die Installation geführt. (Sie benötigen Admin-Rechte auf Ihrem Computer.)

• Windows
• MacOS
• Linux

3.3.2 Installation von RStudio Desktop

RStudio ist eine graphische Benutzeroberfläche (graphical user interface, GUI) für R, plus ein paar Goodies (in Form einer intergrierten Entwicklungsumgebung (integrated development environment, IDE). Laden Sie die Desktop-Version von RStudio herunter für Ihr Betriebssystem (Windows, MacOS, Linux) vom Anbieter (Posit) herunter.¹ Wenn Sie die Installationsdatei heruntergeladen haben, öffnen Sie diese Datei (Doppelklick) und Sie werden durch die Installation geführt. (Sie benötigen u. U. Admin-Rechte auf Ihrem Computer.)

3.3.3 Posit/RStudio Cloud

Posit Cloud bzw. RStudio Cloud (https://rstudio.cloud/) ist ein Webdienst von Posit (zum Teil kostenlos), also ein RStudio online: Man kann damit online mit R arbeiten. Sie können es als Alternative zur Installation von RStudio Desktop (was auf Ihrem Computer läuft) verwenden. Ein Vorteil von RStudio Cloud ist, dass man als Nutzer nichts installieren muss und dass es auch auf Tablets läuft (im Gegensatz zur Desktop-Version von RStudio). Ein Nachteil ist, dass es etwas langsamer ist und nur für ein gewisses Zeitvolumen kostenlos. Sie müssen sich erst ein Konto beim Anbieter anlegen, um den Dienst nutzen zu können.

Die Oberfläche RStudio Cloud ist praktisch identisch zur Desktop-Version, s. Abbildung 3.7.

Abbildung 3.7: So sieht RStudio Cloud aus. Fast genau wie RStudio Desktop

Wenn Ihnen jemand (z.$$B. eine Lehrkraft) einen RStudio-Cloud-Projektordner bzw. einen Link dazu bereitstellt, ist das komfortabel, da die Lehrkraft dann schon Pakete installieren, Daten bereitstellen und andere Nettigkeit vorbereiten kann für Sie. Allerdings müssen Sie den Projektordner in Ihrem eigenen Konto abspeichern, wenn Sie etwas speichern möchten, da Sie vermutlich keine Schreibrechte im Projektordner dieser nettern Person (Ihrer Lehrkraft) haben. Klicken Sie dazu auf “Save a permanent copy”, s. Abbildung 3.8.

Abbildung 3.8: Einen Projektordner im eigenen Konto abspeichern, um Schreibrechte zu haben

Sie können auch von der Cloud exportieren, also Ihre Syntaxdatei herunterladen. Klicken Sie dazu im Reiter “Files” auf More > Export.

Hinweis

RStudio starten, nicht R. $◻$

Wir verwenden beide Programme (R und RStudio). Aber wir öffnen nur RStudio. RStudio findet selbständig R und öffnet dieses “heimlich”. Öffnen Sie nicht noch extra R (sonst wäre R zweifach geöffnet). Anstelle von RStudio Desktop (auf Ihrem Computer/Desktop) können Sie auch die RStudio Cloud (die Online-Version) starten

3.4 R-Pakete

Typisch für R ist sein modularer Aufbau: Man kann eine große Zahl an Erweiterungen (“Pakete”, engl. packages) installieren, alle kostenlos. In R Paketen “wohnen” R-Befehle, also Dinge, die R kann, “Skills” sozusagen. Außerdem können in R-Paketen auch Daten bereitgestellt werden. Damit man die Inhalte eines R-Pakets nutzen kann, muss man es zuerst installieren und dann verfügbar machen (“starten”). Man kann sich daher ein R-Paket vorstellen wie ein Buch: Wenn R es gelesen hat, dann kennt es die Inhalte. Diese Inhalte könnten irgendwelche Formeln, also Berechnungen sein. Es könnte aber die “Bauanleitung” für ein schönes Diagramm sein. Ist ein spezielles R-Paket auf Ihrem Computer installiert, so können Sie diese Funktionalität nutzen. Die Anzahl der R-Pakete ist groß; allein auf dem “offiziellen Web-Store” (nennt sich “CRAN”) von R gibt es ca. 20,000 Pakete (Hornik et al., 2023). Und es kommen immer mehr dazu.

Erweiterungen kennt man von vielen Programmen, sie werden auch Add-Ons, Plug-Ins oder sonstwie genannt. Man siehe zur Verdeutlichung Erweiterungen beim Broswer Chrome, Abbildung 3.9.

Abbildung 3.9: Erweiterungen beim Browser Chrome

Wie jede Software muss man Pakete (Erweiterungen für R) erst einmal installieren, bevor man sie verwenden kann. Übrigens, einmal installieren reicht. Das Installieren geht komfortabel, wenn man beim Reiter Packages auf Install klickt und dann den Namen des zu installierenden Pakets eingibt.

Abbildung 3.11 verdeutlicht, wo Sie in RStudio klicken müssen, um Pakete zu installieren.

Abbildung 3.10: Geben Sie den Namen des zu installierenden R-Pakets in dieser Maske ein

Abbildung 3.11: So kann man R-Pakete installieren in RStudio

🧑‍🎓 Welche R-Pakete sind denn schon installiert?

🧑‍🏫 Im Reiter Packages können Sie nachschauen, welche Pakete auf Ihrem Computer schon installiert sind.

Diese Pakete brauchen Sie logischerweise dann nicht noch mal installieren, s. Abbildung 3.12; es sei denn, Sie wollen das Paket updaten.

Abbildung 3.12: So sehen Sie, ob ein bestimmtes R-Paket auf Ihrem System installiert ist

Alternativ können Sie zum Installieren von Paketen auch den Befehl install.packages() verwenden. Also zum Beispiel install.packages(tidyverse), um das Paket tidyverse zu installieren.

🧑‍🎓 Ja, aber welche R-Pakete “soll” ich denn installieren, welche brauche ich denn?

🧑‍🏫 Im Moment sollten Sie die folgenden Pakete installiert haben: tidyverse und easystats.

Wenn Sie die noch nicht installiert haben sollten, dann können Sie das jetzt nachholen. Übrigens sind tidyverse (Wickham et al., 2019) und easystats (Lüdecke et al., 2022) Pakete, die nur dafür da sind, mehrere Pakete zu installieren. So gehören z.$$B. zu tidyverse die Pakete ggplot (Daten verbildlichen) und dplyr (Datenjudo). Damit wir nicht alle Pakete einzeln installieren und starten müssen, bietet uns das Paket tidyverse den Komfort, alle die Pakete dieser “Sammlung” auf einmal zu starten. Praktisch.

Bevor Sie ein R-Paket (oder überhaupt irgendwelche Software) installieren/updaten, sollten Sie das entsprechende R-Paket schließen/beenden. Sonst schrauben Sie sozusagen an einem elektrischen Gerät herum, das noch unter Strom steht (nicht gut). Die einfachste Art, alle Pakete zu beenden ist, Session > Restart R zu klicken (in RStudio).

Wenn Sie ein Softwareprogramm installiert haben, müssen Sie es noch starten, bevor Sie es nutzen können. Sie erkennen leicht, ob ein Paket bereitgestellt (gestartet) ist, wenn Sie ein Häkchen vor dem Namen des Pakets in der Paketliste (Reiter Packages) sehen. Ein bestimmtes R-Paket muss man nur einmalig installieren. Aber man muss es jedes Mal neu starten, wenn man R (bzw. RStudio) startet.

Dieses Video verdeutlicht den Unterschied zwischen Installation und Starten eines R-Pakets.

3.5 Mit R arbeiten

3.5.1 Projekte in R

Ein Projekt in RStudio ist letztlich ein Ordner, der als “Basis” für eine Reihe von zusammengehörigen Dateien verwendet wird. Sagen wir, Sie nennen Ihr Projekt cool_stuff. RStudio legt uns diesen Ordner an einem von uns gewählten Platz auf unserem Computer an. Das ist ganz praktisch, weil man dann sagen kann “Hey R, nimm die Datei ‘daten.csv’”, ohne, dass man dabei einen Pfad angeben müsste. Vorausgesetzt, die Datei liegt auch im Projektordner (cool_stuff). RStudio-Projekte kann anlegen mit Klick auf das Icon, das einen Quader mit dem Buchstaben R darin anzeigen. Nutzen Sie RStudio-Projekte, das macht Ihr Leben leichter. RStudio-Projekte zu nutzen ist praktischer als das Arbeitsverzeichnis von Hand zu wählen oder mit Pfaden herumzubasteln.

Hier sehen Sie Beispiele für RStudio-Projekte, s. Abbildung 3.13.

Abbildung 3.13: RStudio-Projekte, Beispiele

3.5.2 Skriptdateien

Die R-Befehle (“Syntax”) schreiben Sie am besten in eine speziell dafür vorgesehene Textdatei in RStudio. Eine Sammlung von (R-)Computer-Befehlen nennt man auch ein Skript, daher spricht man bei Dateien, die Syntax enthalten, von einer Skriptdatei.

Um eine neue R-Skriptdatei zu erstellen, gibt es mehrere Wege. Einer ist: klicken Sie auf das Icon, das ein weißes Blatt mit einem grünen Pluszeichen zeigt, s. Abbildung 3.14.

(a) Klick auf Icon

 

(b) Auswahl im Menu

Abbildung 3.14: Es gibt verschiedene Wege, um eine neue R-Skript-Datei in RStudio zu öffnen. (a) Per Klick auf das Icon. (b) Im Menü File, auf R Script klicken.

Vergessen Sie nicht zu speichern, wenn Sie ein tolles Skript geschrieben haben. Dafür gibt es mehrere Möglichkeiten:

1. Tastaturkürzel Strg+S
2. Menü: File > Save
3. Klick auf das Icon mit der Diskette, s. Abbildung 3.14.

Eine existierende Skriptdatei können Sie in typischer Manier öffnen:

1. Tastaturkürzel Strg+O
2. Menü: File > Open File …
3. Klick auf das Icon mit der Akte und dem grünen Pfeil, s. Abbildung 3.14

3.5.3 Quarto-Dokumente

Quarto² ist ein (kostenloses) Programm zum Erstellen von PDF-, HTML- oder anderen Dokumentformaten, in die man R-Syntax einfügen kann. Die Ausgaben der R-Befehle werden dann direkt ins Ausgabedokument eingebunden. Quarto ist in RStudio integriert. Quarto ist eine komfortable und leistungsfähige Methode, um Dokumente mit R-Syntax zu anzreichern. Sie sind aber nicht verpflichtet, Quarto zu nutzen. Stattdessen können Sie Ihre Syntax auch in Skriptdateien schreiben.

Abbildung 3.15 zeit ein Beispiel für ein Quarto-Dokument.

Abbildung 3.15: Dokumente schreiben mit Quarto. Quelle: Posit

Wenn Sie Quarto nutzen möchten, müssen Sie es zunächst installieren, d.$$h. herunterladen. Dann können Sie in RStudio Quarto-Dateien erstellen. Ein neues Quarto-Dokument können Sie erstellen mit Klick auf File > New File > Quarto Document.

3.6 Errisch für Einsteiger

3.6.1 Variablen

In jeder Programmiersprache kann man Variablen definieren, so auch in R:

richtige_antwort = 42
falsche_antwort = 43
typ = "Antwort"
ist_korrekt = TRUE  # wahr
ist_falsch = FALSE  # falsch

Alternativ zum Gleichheitszeichen = können Sie auch (synonym) den Zuweisungspfeil <- verwenden (Kleiner-Als-Zeichen gefolgt vom Minus-Zeichen). Beides führt zum gleichen Ergebnis. Allerdings ist der Zuweisungspfeil präziser, und sollte daher bevorzugt werden. Der Zuweisungspfeil <- bzw. das Gleichheitszeichen = definiert eine neue Variable (oder überschreibt den Inhalt, wenn die Variable schon existiert).

richtige_antwort <- 42

Sie können sich eine Variable wie einen Becher oder Behälter vorstellen, der bestimmte Werte enthält, z.$$B. den Wert “9” (für 9$$° Celsius”. Auf dem Becher steht die Bezeichnung des Bechers geschrieben, z.$$B. “Temperatur”. Natürlich können Sie die Werte aus dem Becher entfernen und sie durch neue ersetzen (vgl. Abbildung 3.16).

Abbildung 3.16: Variablen zuweisen: Der Variable mit dem Namen temp weisen wir den Wert 9 zu.

R kann übrigens auch rechnen. Probieren Sie es doch gleich mal hier aus!

die_summe <- falsche_antwort + richtige_antwort

Aber was ist jetzt der Wert, der “Inhalt” der Variable die_summe?

Um den Wert, d.$$h. den Inhalt einer Variablen in R auszulesen, geben wir einfach den Namen des Objekts ein:

die_summe
## [1] 85

Was passiert wohl, wenn wir die_summe jetzt wie folgt definieren?

die_summe <- falsche_antwort + richtige_antwort + 1

Wer hätt’s geahnt:

die_summe
## [1] 86

Variablen können auch “leer” sein:

alter <- NA  # NA wie "not available", nicht vorhanden
alter
## [1] NA

NA steht für not available, nicht verfügbar und macht deutlich, dass hier ein Wert fehlt.

🧑‍🎓 Wozu brauche ich bitte fehlende Werte?!

Fehlende Werte sind ein häufiges Problem in der Praxis. Vielleicht hat sich die befragte Person geweigert, ihr Alter anzugeben (Datenschutz!). Oder als Sie die Daten in Ihren Computer eingeben wollten, ist Ihre Katze über die Tastatur gelaufen und alles war futsch…

3.6.2 Funktionen (“Befehle”)

Das, was R kann, ist in “Funktionen” hinterlegt. Genauer gesagt ist ein “Befehl” an R eine Funktion.

Definition 3.2 (Funktion) Eine Funktion ist eine Regel, die jedem Eingabewert (auch Argument genannt) einen Ausgabewert zuordnet. Man kann sich Funktionen als Maschinen vorstellen, die Eingabedaten in Ausgabedaten umwandeln, vgl. Abbildung 3.17. $◻$

Ein Beispiel für eine solche Funktion könnte sein: “Berechne den Mittelwert dieser Datenreihe” (schauen wir uns gleich an). Das geht so:

Antworten <- c(42, 43)

Der Befehl c (c wie combine) fügt mehrere Werte zusammen zu einer “Liste” (einem Vektor). (Streng genommen sollte man nicht von einer Liste sprechen, da es in R noch einen anderen Objekttyp gibt, der list heißt, und eine verallgemeinerte Form eines Vektors ist.) Mit dem Zuweisungspfeil geben wir diesem Vektor einen Namen, hier Antworten. Dieser Vektor besteht aus zwei Werten, zuerst 42, dann kommt 43. Zwei wichtige Typen von Vektoren sind numerische Vektoren (reelle Zahlen; in R auch als numeric oder double bezeichnet) und Textvektoren, in R auch als String oder character bezeichnet.

Definition 3.3 (Vektor) Als Vektor (Datenreihe) bezeichnen wir eine geordnete Folge von Werten. In R kann man sie mit der Funktion c erstellen. Die Werte eines Vektors bezeichnet man als Elemente. $◻$

Beispiel 3.2 (Beispiele für Vektoren) Vektoren können (praktisch) beliebig lang sein, z.$$B. drei Elemente.

x <- c(1, 2, 3)
y <- c(2, 1, 3)  # x und y sind ungleich (Reihenfolge der Werte)
z <- c(3.14, 2.71)  
namen <- c("Anni", "Bert", "Charlie") # Text-Vektor

Beispiel 3.3 Weitere Beispiel für Funktionen sind:

• “Erstelle eine Liste (Vektor) von Werten”.
• “Lade dieses R-Paket.”
• “Gib den größten Wert dieser Datenreihe aus.” $◻$

3.6.3 Unsere erste statistische Funktion

Jetzt wird’s ernst. Jetzt kommt die Statistik. 🧟 Berechnen wir also unsere erste statistische Funktion: Den Mittelwert. Puh.

mean(Antworten)
## [1] 42

Sie hätten Antworten auch durch c(42, 43) ersetzen können, so haben Sie ja die Variable Antworten im letzten Abschnitt definiert.

R arbeitet so einen “verschachtelten” Befehl von innen nach außen ab:

Start: mean(Antworten)

⬇️

Schritt 1: mean(c(42, 43))

⬇️

Schritt 2: 42.5

Abbildung 3.17 stellt eine Funktion schematisch dar.

Abbildung 3.17: Schema einer Funktion

Eine Funktion hat einen oder mehrere Eingaben (Argumente, Inputs; s. Abbildung 3.17), das sind Daten oder Verarbeitungshinweise, die man in die Funktion fun eingibt, bevor die Funktion loslegt. Eine Funktion hat immer (genau) eine Ausgabe (Output), in der das Ergebnis der Funktion ausgegeben wird.

So hat die Funktion mean z.$$B. folgende Argumente, s. Listing 3.1.

Listing 3.1: Die Argumente der R-Funktion mean

mean(x, trim = 0, na.rm = FALSE, ...)

• x: das ist der Vektor, für den der Mittelwert berechnet werden soll
• trim = 0: Sollen die extremsten Werte von x lieber “abgeschnitten” werden, also nicht in die Berechnung des Mittelwerts einfließen?
• na.rm = FALSE: Wie soll mit fehlenden Werten NA umgegangen werden? Im Standard liefert mean (und viele andere arithmetische Funktionen in R) NA zurück. R schwenkt sozusagen die rote Fahne, um zu signalisieren: Achtung, Mensch, hier ist irgendwas nicht in Ordnung. Setzt man aber na.rm = TRUE, dann entfernt (remove, rm) R die fehlenden Werte und berechnet den Mittelwert, ohne weitere Hinweise zu den fehlenden Werten.
• ... heißt “sonstiges Zeugs, das manchmal eine Rolle spielen könnte”; darum kümmern wir uns jetzt nicht.

Einige Argumente haben einen Standardwert bzw. eine Voreinstellung (engl. default). So wird bei der Funktion mean im Standard nicht getrimmt (trim = 0) und fehlende Werte werden nicht entfernt (na.rm = FALSE).

Wenn ein R-Befehl ein Argument mit Voreinstellung hat, brauchen Sie dieses Argument nicht zu befüllen. In dem Fall wird auf den Wert der Voreinstellung zurückgegriffen. Argumente ohne Voreinstellung – wie x bei mean – müssen Sie aber auf jeden Fall mit einem Wert befüllen. Man würde also mean zumeist so aufrufen: mean(x).

Bei jedem R-Befehl haben die Argumente eine bestimmte Reihenfolge, etwa bei mean: mean(x, trim = 0, na.rm = FALSE, ...). (Nur) wenn man die Argumente in ihrer vorgegebenen Reihenfolge anspricht, muss man nicht den Namen des Arguments anführen:

✅ mean(Antworten, 0, FALSE)

Hält man sich aber nicht an die vorgebene Reihenfolge, so weiß R nicht, was zu tun ist und flüchtet sich in eine Fehlermeldung:

mean(Antworten, FALSE, 0)  # FALSCH, DON'T DO IT 
## Error in mean.default(Antworten, FALSE, 0): 'trim' must be numeric of length one

Wenn man die Namen der Argumente anspricht, ist die Reihenfolge egal:

mean(na.rm = FALSE, x = Antworten)  # ok
mean(trim = 0, x = Antworten, na.rm = TRUE)  # ok

Übrigens: Leerzeichen sind R fast immer egal. Aus Gründen der Übersichtlichkeit sollte man aber Leerzeichen verwenden. In folgenden Fällen sind Leerzeichen nicht erlaubt: In Operatoren wie <- oder <= (und andere logische Operatoren, s. Tabelle 3.1) und in Variablennamen.

3.6.4 Vorsicht bei fehlenden Werten

Sagen wir, wir haben einen fehlenden Wert in unseren Daten:

Antworten <- c(42, 43, NA)
Antworten
## [1] 42 43 NA

Wenn wir jetzt den Mittelwert berechnen wollen, quittiert R das mit einem schnöden NA. NA steht für not available, ist also ein Hinweis, dass Werte fehlen.

mean(Antworten)
## [1] NA

R meint es gut mit Ihnen.³ Stellen Sie sich vor, dass R Sie auf dieses Problem aufmerksam machen möchte:

🤖 Achtung, NAs, fehlende Werte, lieber Herr und Gebieter, du hast nicht mehr alle Latten am Zaun, will sagen, alle Daten im Vektor!

(Danke, R.)

Möchten Sie aber lieber R dieses Verhalten austreiben, so befüllen Sie das Argument na.rm mit dem Wert TRUE (na.rm steht für remove die NA, entferne die fehlenden Werte).

mean(Antworten, na.rm = TRUE)
## [1] 42

3.6.5 Vektorielles Rechnen

Definition 3.4 (Vektorielles Rechnen) Das Rechnen mit Vektoren in R bezeichnen wir als vektorielles Rechnen. $◻$

Vektorielles Rechnen ist ein praktische Angelegenheit, man kann z.$$B. folgende Dinge einfach in R ausrechnen. Gegeben sei x als Vektor (1, 2, 3). Dann können wir die Differenz (Abweichung) jedes Elements von x zum Mittelwert von x komfortabel so ausrechnen:

x - mean(x)
## [1] -1  0  1

Etwas eleganter ausgedrückt: Wir haben die Funktion mit Namen “Differenz” (“Minus-Rechnen”) auf jedes Element von x angewandt. Im Einzelnen haben wir also folgenden drei Differenzen berechnet:

1 - 2
2 - 2
3 - 2

Diese drei Rechenschritte sind symbolisch in Abbildung 3.18 dargestellt.

Abbildung 3.18: Schema des vektoriellen Rechnens: Eine Funktion wird auf jedes Element eines Vektors angewandt. Hier: $1-2=-1;2-2=0;3-2=1$

3.6.6 Ich brauche R-Hilfe!

• Wo finde ich Hilfe zu einer bestimmten Funktion, z.$$B. fun? Geben Sie dazu folgenden R-Befehl ein: help(fun). Alternativ geben Sie den Namen der Funktion in RStudio im Suchfeld beim Reiter Help ein. Oder Googeln.
• Wenn ich ein R-Paket installiere, fragt mich R manchmal, ob ich auch Pakete installieren, will, die “kompiliert” werden müssen. Soll ich das machen? Nein, das ist zumeist nicht nötig; geben Sie “no” ein.
• In welchem Paket wohnt meine R-Funktion? Suchen Sie nach der Funktion auf der Webseite RDocumentation⁴.
• Ich weiß nicht, wie der R-Befehl funktioniert! Vermutlich haben andere Ihr Problem auch, und meistens hat irgendwer das Problem schon gelöst. Am besten suchen Sie mal auf www.stackoverflow.com.
• Ich muss mal grundlegend verstehen, wozu ein bestimmten R-Paket gut ist. Was tun? Lesen Sie die Dokumenation (“Vignette”) eines R-Pakets durch. Für das Paket dplyr bekommen Sie so einen Überblick über die verfügbaren Vignetten diese Pakets: vignette(package = "dplyr"). Dann suchen Sie sich aus der angezeigten Liste eine Vignette raus; mit vignette("rowwise") können Sie sich dann die gewünschte Vignette (z.$$B. rowwise) anzeigen lassen.
• Oh nein, ich seh rot, das heißt, R zeigt mir irgendwas in roter Schrift an. Ist jetzt was kaputt? Keine Sorge, R ist in seiner Ausgabe nicht sparsam mit roter Farbe. Solange es nicht als Fehlermeldung (ERROR) erscheint, ist es meist kein Problem.
• R hat sich aufgehängt oder bringt einen Fehler an einer Stelle, wo sonst alles funktioniert hat. Probieren Sie auf jeden Fall mal das AEG-Prinzip (Aus-Ein-Gut): Sprich, R neu starten.
• Ich suche schon seit einer Stunde einen Fehler und finde ihn nicht. Ich habe schon verschiedene Gegenstände vor Wut an die Wand geworfen. Was soll ich tun? Machen Sie eine Pause. Doch, das ist ernst gemeint. Meine Erfahrung: Mit etwas Abstand wird der Kopf klarer und man findet das Problem viel einfacher. (Und manchmal ist einem das Problem danach schlichtweg egal.)
• Irgendwie reagiert R komisch, vielleicht hat es sich aufgehängt? Starten Sie R neu. Klicken Sie auf Session > Restart R.
• Ich muss mal klar Schiff machen und alle (oder einige) Variablen löschen. Wie werd ich das Zeug wieder los? Beim Neustart von R werden alle Objekte (Variablen) gelöscht. Einzelne Objekte können Sie selektiv löschen mit dem Befehl rm, so löscht rm(mariokart) das Objekt namens mariokart.

Vorsicht

R ist penibel: So sind name und Name zwei verschiedene Variablen für R. Groß- und Kleinschreibung wird von R streng beachtet.

Eine gute Nachricht: Wenn R etwas von WARNING (bzw. Warnung) sagt, können Sie das zumeist ignorieren. Eine Warnung ist kein Fehler (ERROR) und meistens nicht gravierend oder nicht dringend. Ihre Syntax läuft trotzdem durch. Im Zweifel ist Googeln eine gute Idee. Nur wenn R von Error spricht, ist es auch ein Fehler und Ihre Syntax läuft nicht durch.

3.7 Mit Daten arbeiten

3.7.1 Wo sind meine Daten?

Damit Sie eine Datendatei importieren können, müssen Sie wissen, wo die Datei ist. Schauen wir uns zwei Möglichkeiten an, wo Ihre Datei liegen könnte.

1. Irgendwo im Internet
2. Irgendwo auf Ihrem Computer, z.$$B. in Ihrem R-Projektordner

In beiden Fällen wird der “Aufenthaltsort” der Datei durch den Pfad und den Namen der Datei definiert. Der Pfad einer Datei gibt an, in welchem Ordner und Unterordner (und Unter-Unterordner) die gesuchte Datei liegt. Ein Pfad könnte z.$$B. so aussehen: /Users/sebastiansaueruser/github-repos/statistik1/.

Hinweis

Wir werden in diesem Kurs häufiger mit dem Daten mariokart arbeiten; Sie finden ihn online.⁵

3.7.2 Gebräuchliche Datenformate

Daten werden in verschiedenen Formaten im Computer abgespeichert; Tabellen häufig als Excel-Datei (.XSL oder .XLSX) oder als CSV-Datei (.CSV).

In der Datenanalyse ist das gebräuchlichste Format für Daten in Tabellenform die CSV-Datei. Der Grund ist die technische Einfachheit dieses Formats.. Für uns Endverbraucher tut das nichts groß zur Sache, die CSV-Datei beherbergt einfach eine brave Tabelle in einer Textdatei, sonst nichts. Daher können Sie jede CSV-Datei mit einem normalen Texteditor öffnen. In diesem Buch werden wir mit einem Datensatz namens mariokart arbeiten.

Hallo Mario, s. Abbildung 3.19!

Abbildung 3.19: Hallo, Mario

Übungsaufgabe 3.1 (CSV-Datei öffnen)  

Aufgabe

Öffnen Sie die CSV-Datei mariokart.csv mit einem Texteditor (nicht mit Word und auch nicht mit Excel). Schauen Sie sich gut an, was Sie dort sehen und erklären Sie die Datenstruktur.

Lösung

Eine CSV-Datei repräsentiert eine Datentabelle. Eine Spaltengrenze wird mittels eines Kommas dargestellt (man kann auch andere Zeichen wählen, um Spalten voneinander abzugrenzen).

Hier sind die ersten paar Zeilen von mariokart.csv:

V1,id,duration,n_bids,cond,start_pr,ship_pr,total_pr,ship_sp,seller_rate,stock_photo,wheels,title
1,150377422259,3,20,new,0.99,4,51.55,standard,1580,yes,1,~~ Wii MARIO KART & WHEEL ~ NINTENDO Wii ~ BRAND NEW ~~
2,260483376854,7,13,used,0.99,3.99,37.04,firstClass,365,yes,1,Mariokart Wii Nintendo with wheel - Mario Kart Nintendo
3,320432342985,3,16,new,0.99,3.5,45.5,firstClass,998,no,1,Mario Kart Wii (Wii)
4,280405224677,3,18,new,0.99,0,44,standard,7,yes,1,Brand New Mario Kart Wii Comes with Wheel. Free Ship
5,170392227765,1,20,new,0.01,0,71,media,820,yes,2,BRAND NEW NINTENDO 1 WII MARIO KART WITH 2 WHEELS +GAME

3.7.3 Daten importieren

Sie können Daten aus verschiedenen Quellen in R importieren: Aus einem R-Paket, von einer Webseite oder von Ihrem Computer. Dabei ist es egal, ob Sie die Desktop- oder die Cloud-Version von RStudio nutzen.

Ist Ihr Datensatz schon in einem R-Paket gespeichert, können Sie ihn aus diesem R-Paket starten. Das ist die bequemste Option. Zum Beispiel “wohnt” der Datensatz mariokart im R-Paket openintro.

Tipp

Häufig wird vergessen, dass ein R-Paket vor der Nutzung installiert werden muss.

Auf der anderen Seite muss man ein R-Paket (wie andere Software auch) nur ein Mal installieren – Allerdings muss man ein Paket nach jedem Neustart von R bzw. von RStudio mit library starten.

data("mariokart", package = "openintro") # Paket muss installiert sein

Eine Data-Dictionary für mariokart findet sich in Anhang B. Online findet sich eine Erklärung (Data-Dictionary) des Datensatzes.⁶

Der Befehl read.csv bietet eine Möglichkeit, Daten (in Form einer Tabelle) von einer Webseite (URL) in R zu importieren, s. Listing 3.2.

Listing 3.2: Mariokart-Datensatz importieren (mit read.csv)

mariokart <- read.csv(paste0(
  "https://vincentarelbundock.github.io/Rdatasets/",
  "csv/openintro/mariokart.csv"))

Es liegt bei Ihnen, welchen Namen Sie der Tabelle geben. Ich persönlich wähle oft den Namen d, d die Daten. d ist ein kurzer Namen, muss man nicht so viel tippen. Auf der anderen Seite ist d nicht gerade ein präziser Name. Werfen Sie einen Blick in die Tabelle (engl. to glimpse).

glimpse(d)
## Rows: 143
## Columns: 12
## $ id          <dbl> 1.5e+11, 2.6e+11, 3.2e+11, 2.8e+11, 1.7e+11, 3.6e+11, 1…
## $ duration    <int> 3, 7, 3, 3, 1, 3, 1, 1, 3, 7, 1, 1, 1, 1, 7, 7, 3, 3, 1…
## $ n_bids      <int> 20, 13, 16, 18, 20, 19, 13, 15, 29, 8, 15, 15, 13, 16, …
## $ cond        <fct> new, used, new, new, new, new, used, new, used, used, n…
## $ start_pr    <dbl> 0.99, 0.99, 0.99, 0.99, 0.01, 0.99, 0.01, 1.00, 0.99, 1…
## $ ship_pr     <dbl> 4.0, 4.0, 3.5, 0.0, 0.0, 4.0, 0.0, 3.0, 4.0, 4.0, 3.0, …
## $ total_pr    <dbl> 52, 37, 46, 44, 71, 45, 37, 54, 47, 50, 55, 56, 48, 56,…
## $ ship_sp     <fct> standard, firstClass, firstClass, standard, media, stan…
## $ seller_rate <int> 1580, 365, 998, 7, 820, 270144, 7284, 4858, 27, 201, 48…
## $ stock_photo <fct> yes, yes, no, yes, yes, yes, yes, yes, yes, no, yes, ye…
## $ wheels      <int> 1, 1, 1, 1, 2, 0, 0, 2, 1, 1, 2, 2, 2, 2, 1, 0, 1, 1, 2…
## $ title       <fct> "~~ Wii MARIO KART &amp; WHEEL ~ NINTENDO Wii ~ BRAND N…

Sie können Datendateien von verschiedenen Webseiten herunterladen, s. Abbildung 3.20.

Abbildung 3.20: Download einer Datendatei (CSV-Format) von einer Webseite

Sie können auch von Ihrem Computer aus Daten in RStudio importieren. Gehen wir davon aus, dass sich die Datendatei im gleichen Ordner wie die R-Datei (.R- oder .qmd-Datei) befindet, in der Sie den Befehl zum Importieren schreiben. Dann können Sie die Datei einfach so importieren:

d <- read.csv("mariokart.csv")

Dieses Video erklärt die Schritte des Importierens einer Datendatei von Ihrem Computer.

Das Importieren von Ihrem Computer zu RStudio Cloud ist identisch zum Importieren von Ihrem Computer in RStudio Desktop. Nur dass Sie die Datendatei vorab hochladen müssen, schließlich ist RStudio Cloud in der Cloud und nicht auf Ihrem Computer. Klicken Sie dazu auf das Icon Upload im Reiter Files, s. Abbildung 3.21. Wählen Sie am besten den Ordner als Ziel, in dem sich auch die R-Datei, von der aus Sie den Befehl zum Daten importieren schreiben, befindet.

Abbildung 3.21: Hochladen von Dateien zu RStudio Cloud

Es gibt verschiedene Formate, in denen (Tabellen-)Dateien in einem Computer abgespeichert werden. Die gebräuchlichsten sind CSV und XLSX. Es gibt auch mehrere R-Befehle, um Daten in R zu importieren, z.$$B. read.csv oder data_read. Praktischerweise kann der R-Befehl data_read viele verschiedene Formate automatisch einlesen, so dass wir uns nicht weiter um das Format kümmern brauchen. Der Vorteil von read.csv ist, dass Sie kein Extra-Paket installiert bzw. gestartet haben müssen.

Die GUI (Benutzeroberfläche) von RStudio erlaubt es Ihnen auch, Daten per Klick, also ohne R-Befehle, zu importieren. Sie können über diese Maske sowohl CSV-Dateien, Excel-Dateien (XLS, XLSX) oder Daten-Dateien aus anderen Statistik-Programmen (z.$$B. SPSS) importieren auf diese Weise. Zur Erinnerung: CSV-Dateien sind Textdateien, klicken Sie in dem Fall also From Text. Ich empfehle dort die Variante From Text (readr) … zu wählen. In der sich öffnenden Maske können Sie unter Browse die zu importierende Datendatei auswählen. Mit Klick auf Import wird die Datei schließlich in R importiert.

Man klicke hier, um Daten in RStudio zu importieren, Abbildung 3.22.

Abbildung 3.22: Daten importieren per Klick

3.7.4 Dataframes

Eine in R importierte Tabelle (mit bestimmten Eigenschaften) heißt Dataframe. Dataframes sind in der Datenanalyse von großer Bedeutung. Tabelle 2.2 ist die Tabelle mit den Mariokart-Daten; etwas präziser gesprochen ein Dataframe mit Namen mariokart. Übrigens ist Tabelle 2.2 in Normalform (Tidy-Format), vgl. Definition 2.9.

Definition 3.5 (Dataframe) Ein Dataframe (engl. data frame; auch “Tibble” genannt; von “tbl” wie Table) ist ein Datenobjekt in R zur Darstellung von Tabellen. Dataframes bestehen aus einer oder mehreren Spalten. Spalten haben einen Namen, sozusagen einen “Spaltenkopf”. Alle Spalten müssen die gleiche Länge haben; anschaulich gesprochen ist eine Tabelle (in R) rechteckig. Jede Spalte einzeln betrachtet kann als Vektor aufgefasst werden. $◻$

Geben Sie den Namen eines Dataframes ein, um sich den Inhalt anzeigen zu lassen. Beachten Sie, dass Sie die Daten auf diese Weise nur anschauen, nicht ändern können.

3.7.5 Tabellen in R betrachten

Wenn Sie in R z.$$B. die Tabelle mariokart in einer Excel-typischen Ansicht betrachten wollen, klicken Sie am besten auf das Tabellen-Icon im Reiter Environment, gleich neben dem Namen mariokart, s. Abbildung 3.23. Alternativ öffnet der Befehl View(mariokart) die gleiche Ansicht.

Abbildung 3.23: Per Klick auf das Tabellen-Icon können Sie eine Tabellenansicht der Tabelle mariokart öffnen.

3.8 Logikprüfung

🧑‍🎓 Wer will schon wieder wen prüfen?!

In diesem Abschnitt schauen wir uns Logikprüfungen an: Wir lassen R prüfen, ob eine Variable einen bestimmten Wert hat oder größer/kleiner als ein Referenzwert ist. Definieren wir zuerst eine Variable, x.

x <- 42

Dann fragen wir R, ob diese Variable den Wert 42 hat.

x == 42
## [1] TRUE

🤖 Hallo, Mensch. Ja, diese Variable hat den Wert 42.

Danke, R. Möchte man mit R prüfen, ob eine Variable x einen bestimmten Wert (“Inhalt”) hat, so schreibt man: x == Wert. Man beachte das doppelte Gleichheitszeichen. Zur Prüfung auf Gleichheit muss man das doppelte Gleichheitszeichen verwenden.

Vorsicht

Ein beliebter Fehler ist es, bei der Prüfung auf Gleichheit, nur ein Gleichheitszeichen zu verwenden, z.$$B. so: x = 73. Mit einem Gleichheitszeichen prüft man aber nicht auf Gleichheit, sondern man definiert die Variable oder bestimmt ein Funktionsargument, s. Kapitel 3.6.1.

Tabelle 3.1 gibt einen Überblick über wichtige Logikprüfungen in R. Um das Zeichen für das logische ODER, | auf einer Mac-Tastatur zu erhalten, drückt man Option+7. Bei Windows drückt man Alt Gr + <.

Tabelle 3.1: Logische Prüfungen in R

Prüfung.auf	R-Syntax
Gleichheit	x == Wert
Ungleichheit	x != Wert
Größer als Wert	x > Wert
Größer oder gleich Wert	x >= Wert
Kleiner als Wert	x < Wert
Kleiner oder gleich Wert	x <= Wert

3.9 Praxisbezug

🧑‍🎓 R in der Praxis wirklich genutzt? Oder ist R nur der Traum von (vielleicht verwirrten) Profs im Elfenbeinturm?

Schauen wir uns dazu die Suchanfragen bei www.stackoverflow.com an, dem größten FAQ-Forum für Software-Entwicklung. Wir vergleichen Suchanfragen mit dem Tag [r] zu Suchanfragen mit dem Tag [spss] (SPSS ist eine an Hochschulen verbreitete Statistik-Software). Die Ergebnisse sind in Abbildung Abbildung 3.24 dargestellt.⁷ Das ist grob gerechnet ein Faktor von 200 (der Unterschied von R zu SPSS). Dieses Ergebnis lässt darauf schließen, dass R in der Praxis viel mehr als SPSS gebraucht wird.

Abbildung 3.24: Suchanfragen nach R bzw SPSS, Stand 2022-02-24

🧑‍🎓 Aber ist R wirklich ein Werkzeug, das mir im Job hilft?

🧑‍🏫 Viele Firmen weltweit nutzen R zur Datenanalyse.⁸

👩‍🎓 R ist der Place-to-be für die Datenanalyse.

🧑‍🎓 Aber ist Datenanalyse wirklich etwas, womit ich in Zukunft einen guten Job bekomme?

🧑‍🏫 Berufe mit Bezug zu Daten, Datenanalyse oder, allgemeiner, Künstlicher Intelligenz (artificial intelligence) gehören zu den stark wachsenden Berufen (Berger, 2019.)

3.10 Aufgaben

Übungsaufgabe 3.2 (Statistik-Meme) Suchen Sie ein schönes Meme zum Thema Statistik, Datenanalyse und Data Science. $◻$

Übungsaufgabe 3.3 (R-Quiz)  

Ihre R-Muskeln sind gestählt? 💪 Oder noch nicht so ganz? 😤 Macht nichts! Trainieren Sie sich mit dem R-Quiz auf der Datenwerk-Webseite! $◻$

Die Webseite datenwerk.netlify.app stellt eine Reihe von einschlägigen Übungsaufgaben bereit. Sie können die Suchfunktion der Webseite nutzen, um die Aufgaben mit den folgenden Namen zu suchen:

1. Typ-Fehler-R-01
2. Typ-Fehler-R-02
3. Typ-Fehler-R-03
4. Typ-Fehler-R-04
5. Typ-Fehler-R-06a
6. Typ-Fehler-R-07
7. Typ-Fehler-R-08-name-clash
8. Logikpruefung1
9. Logikpruefung2
10. there-is-no-package
11. Wertberechnen2
12. Wertzuweisen_mc
13. argumente
14. import-mtcars
15. Wertzuweisen
16. Wertpruefen
17. wrangle1
18. repro1-sessioninfo
19. mw-berechnen

Noch nicht genug? Checken Sie alle Aufgaben mit dem Tag R auf dem Datenwerk aus.⁹

Hinweis

Die Webseite Datenwerk stellt eine Reihe von Aufgaben zum Thema Statistik bereit. $◻$

Jeder Aufgabe sind im Datenwerk ein oder mehrere Schlagwörter (Tags) zugeordnet. Wenn Sie auf ein Schlagwort klicken, sehen Sie die Liste der Aufgaben mit diesem Schlagwort. Es kann aber sein, dass Sie einige Aufgabe nicht lösen können, da Wissen vorausgesetzt wird, das Sie (noch) nicht haben. Lassen Sie sich davon nicht ins Boxhorn jagen. Ignorieren Sie solche Aufgaben fürs Erste.

3.11 Vertiefung

3.11.1 Alternativen zu read.csv

Eine weitere Möglichkeit, um Daten von einem Ordner (egal ob dieser sich im Internet oder auf Ihrem Computer befindet) einzulesen, stellt die Funktion data_read bereit:

library(easystats)  # Das Paket muss installiert sein
d <- data_read("https://vincentarelbundock.github.io/Rdatasets/csv/openintro/mariokart.csv")

Der Unterschied ist, dass data_read eine Vielzahl an Formaten von Daten (XLSX, CSV, SPSS, …) verkraftet, wohingegen read.csv nur Standard-CSV einlesen kann.

Schauen wir uns die letzte R-Syntax im Detail an:

Hey R,
hol das "Buch" easystats aus der Bücherei und lies es
definiere als "d" die Tabelle,
die du unter der angegebenen URL findest.

In R gibt es oft viele Möglichkeiten, ein Ziel zu erreichen. Zum Beispiel haben wir hier den Befehl data_read verwendet, um Daten zu importieren. Andere, gebräuchliche Befehle, die CSV-Dateien importieren, heißen read.csv (aus dem Standard-R, kein Extra-Paket nötig) und read_csv (aus dem Meta-Paket tidyverse).

3.11.2 Importieren von Excel-Tabellen

Mit der Funktion data_read aus easystats kann man viele verschiedene Datenformate importieren, auch Excel-Tabellen (.xls, .xlsx).

Als Beispiel betrachten wir den Datensatz extra aus dem R-Paket pradadata¹⁰. In diesem Datensatz werden die Ergebnisse einer Umfrage zu den Korrelaten von Extraversion beschrieben. Details zu der zugrunde liegenden Studie finden Sie hier: https://osf.io/4kgzh.¹¹ Laden Sie die Excel-Datei herunter. Angenommen, Sie speichern die Excel-Datei in einem Unterordner namens daten Ihres aktuellen Projektordners. Dann können Sie die Daten so importieren:

library(easystats)
extra <- data_read("data/extra.xls")

CSV-Dateien werden auf vielen Computern als eine Datei erkannt, die Excel öffnen kann und das auch tut, wenn man eine CSV-Datei doppelklickt. Dennoch ist das CSV-Format keine Datei im Excel-Format, sondern eine einfache Text-Datei, die auch mit jedem Text-Editor geöffnet und bearbeitet werden kann. Alternativ können Sie in RStudio auch Excel-Dateien ohne R-Code importieren.

3.11.3 Der Dollar-Operator

In Definition 3.4 hatten wir Vektoren definiert. Solche Vektoren fliegen sozusagen frei in Ihrem Environment herum (Schauen Sie mal dort nach!) Die Spalten einer Tabelle sind aber auch Vektoren, nur eben nicht frei im Environment, sondern in eine Tabelle eingebunden. Möchte man diese Vektoren direkt ansprechen, so kann man das mit dem sog. Dollar-Operator $ tun. Angenommen, Sie möchten sich die Verkaufspreise (total_pr) aus der Tabelle mariokart herausziehen, dann können Sie das mit dem Dollar-Operator tun:

mariokart$total_pr |> head()  # nur die ersten paar Werte zeigen
## [1] 52 37 46 44 71 45

Der Dollar-Operator trennt den Namen der Tabelle vom Namen der Spalte. Natürlich können Sie mit dem resultierenden Vektor beliebig weiterarbeiten, etwa ihn in einem anderen Vektor speichern oder eine Funktion anwenden:

verkaufspreise <- mariokart$total_pr
mean(verkaufspreise)
mean(mariokart$total_pr)  # synonym zur obigen Zeile
## [1] 50
## [1] 50

3.11.4 R-Zertifikat bei LinkedIn

Sie können bei LinkedIn¹² (oder anderen Anbietern) ein Zertifikat erhalten, das Ihre R-Kenntnisse dokumentiert.

3.11.5 R-Funktionen verschachteln

Das Kombinieren von Funktionen kann kompliziert werden:

Listing 3.3: Verschachtelte Funktionen

x <- c(1, 2, 3)
sum(abs(mean(x)-x)) 
## [1] 2

Die Funktion abs(x) gibt den (Absolut-)Betrag von x zurück (entfernt das Vorzeichen).

Verschachtelte Ausdrücke lesen sich von innen nach außen (und werden in dieser Reihenfolge abgearbeitet). Für unser Beispiel (Listing 4.2):

1. Berechne den Mittelwert von x
2. Ziehe vom Mittelwert jeweils die Elemente von x ab
3. Nimm vom Ergebnis jeweils den Absolutwert
4. Summiere diese Werte

Kurz gesagt: Hier haben wir die mittlere Absolutabweichung der Elemente von x zum Mittelwert ausgerechnet.

3.11.6 R und Friends updaten

Irgendwann werden wir mit unsere Version von R und RStudio veraltet sein. Installieren Sie dann einfach die neue Version von R und RStudio wie oben beschrieben, s. Kapitel 3.3.

So updaten Sie Ihre R-Pakete: Klicken Sie im Reiter Packages (in RStudio) auf Update. Wenn die Anzahl der zu aktualisierenden Pakete groß ist, dann besser nicht alle auswählen, sondern nur ein paar. Dann die nächsten paar Pakete usw. Denken Sie daran, dass Sie die Software (R, RStudio, R-Paket), die Sie updaten/installieren, nicht gerade laufen darf.

Ihre R-Pakete sollten aktuell sein. Klicken Sie beim Reiter Packages auf “Update”, um Ihre R-Pakete zu aktualisieren. Arnold Schwarzenegger rät, Ihre R-Pakete aktuell zu halten, s. Abbildung 3.25.

Abbildung 3.25: R-Pakete sollten stets aktuell sein, so Arnold Schwarzenegger (imgflip, 2024b)

3.11.7 Benötigte Daten

Sie benötigen in den meisten Kapiteln dieses Buches den Datensatz mariokart, der entweder online¹³ oder über R-Paket openintro importiert werden kann.

Import via Download:

mariokart <- read.csv("https://vincentarelbundock.github.io/Rdatasets/csv/openintro/mariokart.csv")

Import via R-Paket:

# Das Paket 'openintro' muss installiert sein:
data(mariokart, package = "openintro") 

3.12 Literaturhinweise

“Warum R? Warum, R?” heißt ein Kapitel in Sauer (2019), das einiges zum Pro und Contra von R ausführt. Kapitel 3 in derselben Quelle enthält Hinweise zum Starten von R. Kapitel 4 erläutert die Grundlagen von “Errisch”. Kapitel 5 führt in die Datenstrukturen von R ein (etwas anspruchsvoller als in diesem Kapitel). Alternativ bietet Kapitel 1 von Ismay & Kim (2020) einen guten und anwenderfreundlichen Überblick. Das Buch hat auch den Vorteil, dass es komplett frei online verfügbar ist. Vergleichbar dazu ist Çetinkaya-Runde & Hardin (2021), vielleicht einen Tick formaler; auf jeden Fall genau das richtige Niveau für Bachelor-Statistik in angewandten nicht-technischen Studiengängen.

Berger, G. (2019, Dezember 10). The Jobs of Tomorrow: LinkedIn’s 2020 Emerging Jobs Report. https://www.linkedin.com/blog/member/career/the-jobs-of-tomorrow-linkedins-2020-emerging-jobs-report

Çetinkaya-Runde, M., & Hardin, J. (2021). Introduction to Modern Statistics. https://openintro-ims.netlify.app/

Hornik, K., Ligges, U., & Zeileis, A. (2023). Changes on CRAN. The R Journal, 15, 295–296.

Horst, A. (2024). Statistics Artwork [Artwork]. https://allisonhorst.com/

imgflip. (2024a). Imageflip Bill Gates Meme [Artwork]. https://imgflip.com

imgflip. (2024b). Imageflip Meme [Artwork]. https://imgflip.com

Ismay, C., & Kim, A. Y.-S. (2020). Statistical Inference via Data Science: A ModernDive into R and the Tidyverse. CRC Press / Taylor & Francis Group. https://moderndive.com/

Lüdecke, D., Ben-Shachar, M. S., Patil, I., Wiernik, B. M., Bacher, E., Thériault, R., & Makowski, D. (2022). easystats: Framework for Easy Statistical Modeling, Visualization, and Reporting. CRAN. https://doi.org/10.32614/CRAN.package.easystats

Obels, P., Lakens, D., Coles, N. A., Gottfried, J., & Green, S. A. (2020). Analysis of Open Data and Computational Reproducibility in Registered Reports in Psychology. Advances in Methods and Practices in Psychological Science, 3(2), 229–237. https://doi.org/10.1177/2515245920918872

Plesser, H. E. (2018). Reproducibility vs. Replicability: A Brief History of a Confused Terminology. Frontiers in Neuroinformatics, 11, 76. https://doi.org/10.3389/fninf.2017.00076

R Core Team. (2024). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.R-project.org/

Sauer, S. (2019). Moderne Datenanalyse mit R: Daten einlesen, aufbereiten, visualisieren und modellieren. Springer. https://www.springer.com/de/book/9783658215866

Wickham, H., Averick, M., Bryan, J., Chang, W., McGowan, L. D., François, R., Grolemund, G., Hayes, A., Henry, L., Hester, J., Kuhn, M., Pedersen, T. L., Miller, E., Bache, S. M., Müller, K., Ooms, J., Robinson, D., Seidel, D. P., Spinu, V., … Yutani, H. (2019). Welcome to the tidyverse. Journal of Open Source Software, 4(43), 1686. https://doi.org/10.21105/joss.01686

---

1. https://posit.co/download/rstudio-desktop/

2. https://quarto.org/

3. 🤖 Naja, manchmal.

4. https://www.rdocumentation.org/

5. Auf dieser Webseite https://vincentarelbundock.github.io/Rdatasets/articles/data.html finden Sie den Datensatz mariokart sowie eine große Zahl an weiteren Datensätzen. Nur für den Fall, dass Ihnen langweilig ist.

6. https://vincentarelbundock.github.io/Rdatasets/doc/openintro/mariokart.html

7. Die Daten wurden am 2022-02-24, 17:21 CET, abgerufen.

8. wie diese Liste zeigt: https://www.quora.com/Which-organizations-use-R?share=1 zeigt

9. https://sebastiansauer.github.io/Datenwerk/#category=R

10. https://github.com/sebastiansauer/pradadata

11. Ein Daten-Dictionary findet sich hier: https://github.com/sebastiansauer/statistik1/raw/main/data/extra-dictionary.md.

12. https://www.linkedin.com/help/linkedin/answer/a510481

13. über diese Internetadresse: https://vincentarelbundock.github.io/Rdatasets/csv/openintro/mariokart.csv