In ablaette/learningR: Slides and Supplementary Material to Get Started with R

Installationen

• Für die ersten Schritte beim Programmieren mit R beschäftigen wir uns mit Vektoren als grundlegender Datenstruktur

--

• Dafür wir brauchen wir später Stoff zum Ausprobieren - wir nutzen Testdaten, die in den Paketen tm und polmineR enthalten sind.

install.packages("tm")
install.packages("polmineR")

• Außerdem installieren wir ein Datenpaket mit Daten der German Longitudinal Election Study (GLES)

install.packages("drat") # creation and use of CRAN-like repos
drat::addRepo("polmine")
getOption("repos")
install.packages("gles")

• Was in diesen Paketen verborgen ist ... erfahren Sie noch früh genug!

---

Vektoren

Vektoren sind die grundlegende Datenstruktur in R. Sie bestehen immer aus einer Datenart:

--

... logischen Werten (logical)

logo <- c(T, F, F, T)
logo <- c(TRUE, FALSE, FALSE, TRUE) # mehr Tipparbeit, aber expressiver

--

... numerischen Werten (numeric) -> Quelle: Projektion FGW

fgw_exp <- c(39, 16, 9, 5, 7, 18, 6)

--

... Textzeichen (character)

parties <- c("CDU/CSU", "SPD", "AfD", "FDP", "LINKE", "GRÜNE", "Sonstige")
party_colors <- c("black", "red", "blue", "yellow", "pink", "green", "grey")

--

Vektoren können in Variablen gespeichert werden (Zuweisung mit dem Pfeil <-). Man sollte sich von Anfang an eine aussagekräftige Benennung von Variablen angewöhnen!

---

Numerische Vektoren

Einfache Operationen und generische Funktionen

--

a <- 1:5 # eine Zahlenreihe
b <- 6:10 # eine zweite Zahlenreihe

• Anwendung "generischer" Funktionen

x <- c(a, b) # numerische Vektoren verknüpfen ("c"für combine)
head(x) # Anfang eines Vektors ansehen
tail(x) # Ende eines Vektors ansehen

is.numeric(x) # Auf Klasse 'numeric' prüfen - vgl. is.character() etc.

---

Einfache Operationen mit Vektoren

Typumwandlungen

as.numeric(logo) # Typ-Umwandlung von logisch nach numerisch
as.character(fgw_exp)

Wiederholungen

rep(3, times = 4) # einfache Wiederholung
rep(c(1,2,3), times = 2) # Wiederholung einer Reihe

---

Mit Vektoren rechnen

a <- c(1,2,3)
b <- c(4,5,6)
a + b
a * b
a / b

sum(fgw_exp) # auch: mean(fgw_exp), sd(fgw_exp)

Merke: In R ist die Vektorisierung von Operationen schnell und effizient! Vectorize whenever you can!

---

Benannte Vektoren (named vectors)

names(fgw_exp) <- parties # Zuweisung von Namen
fgw_exp

fgw_exp <- c(
  "CDU/CSU" = 39, # Anführungszeichen, wenn Zeichen wie ()[]! etc. enthalten
  SPD = 16,
  AfD = 9,
  FDP = 5,
  LINKE = 7,
  GRÜNE = 18, # Umlaute (und Sonderzeichen) können unendlich tückisch sein ...
  Sonstige = 6
)
fgw_exp

---

Unsere erste Visualisierung!

barplot(height = fgw_exp)

---

Unsere zweite Visualisierung!

barplot(height = fgw_exp, names.arg = names(fgw_exp), col = party_colors)

---

Indizierung

spd <- fgw_exp[2] # nur SPD
fgw_exp[1:6] # ohne "Sonstige"
centre_left <- fgw_exp[c("SPD", "LINKE", "GRÜNE")] # 

Erste Erkenntnissee über Koalitionen ...

sum(centre_left)
sum(fgw_exp[c("CDU/CSU", "FDP")])

---

Logische Operatoren

fgw_exp["CDU/CSU"] >= 30
fgw_exp["FDP"] < 5

fgw_exp > 10
fgw_exp[fgw_exp > 10]

---

Funktionen für (numerische) Vektoren

length(fgw_exp) # wichtig, um durch Werte zu iterieren - 1:length(fgw_exp)
order(fgw_exp) # Reihenfolge
order(fgw_exp, decreasing = TRUE) # wie könnte das noch gemacht werden?
fgw_exp[order(fgw_exp, decreasing = TRUE)]

---

Einfache statistische Maße

max(fgw_exp) # Maximalwert
min(fgw_exp) # minimaler Wert
mean(fgw_exp) # Mittelwert
sd(fgw_exp) # Standardabweichung

---

Lokalisierung bestimmter Werte

which(fgw_exp == max(fgw_exp))
fgw_exp[which(fgw_exp == max(fgw_exp))]
fgw_exp[which(fgw_exp > 10)]

---

Funktionen für character-Vektoren

library(polmineR)
words <- get_token_stream("GERMAPARLMINI", p_attribute = "word")
length(words)
head(words)
head(toupper(words))
tolower(words) %>% head()

---

Funktionen für character-Vektoren (II)

wordcount <- table(words)
head(wordcount)

stopwords <- tm::stopwords("de")
detect_stopwords <- words %in% stopwords
word_count <- table(words[!words %in% stopwords]) # Negation durch !
tail(word_count)

---

Polierarbeit

noise <- c(",", ".", ":", ")", "(", "/", "-", "!", "[", "]", "?", ";", '"')
word_count_denoised <- word_count[!names(word_count) %in% noise]
head(word_count_denoised)
word_count_sorted <- word_count_denoised[order(word_count_denoised, decreasing = TRUE)]
head(word_count_sorted, 10)

---

Meine erste Wortwolke

wordcloud::wordcloud(
  words = names(word_count_sorted)[1:50], freq = unname(word_count_sorted)[1:50],
  colors = rep(palette(), 10)[1:50]
)

---

Übungsaufgaben

1. Was ist der Anteil der stopwords am Korpus?

2. Wie oft tritt die Anrede 'Sie' im Korpus auf?

3. Was sind die häufigsten/seltensten Buchstaben?

---

Wenn Sie mehr wissen wollen ...

• Faktoren als vierter Vektor-Typ

as.factor(parties)

• Matrizen als besondere Vektoren

combn(parties, 2)[,1:5] # (hypothetische) Zweier-Koalitionen

• integer-Vektoren als Spezialfall numerischer Vektoren

constituencies <- c(202L, 304L, 20L)

---

NA-Werte (not available)

foo <- c(NA, 3, 7, NA, 4)
foo
is.na(foo) # auf NA testen
sum(foo)
sum(foo, na.rm = TRUE) # NA-Werte aus Summenbildung ausschließen

ablaette/learningR documentation built on July 1, 2023, 1:11 a.m.