prepare_data: Daten und Formula-Objekte

In stp4/stp25APA2: Resultate Formatiern

Description

Hilfsfunktionen zum Aufbereiten der Daten.

Formula_Data: Funktion zum aufbereiten der formula. Output List mit neuen Daten. Die Funktion Formula kan nur Formula(y1 +y2 +y3 ~ .) aufarbeinten aber nicht Formula(. ~ y1 +y2 +y3 ) daher wird <c3><bc>ber clean_dots_formula() dir Formel vorbereitet

Data_Vars: Funktion zum aufbereiten der Daten Output List mit neuen Daten.

Formula_Names: Namen und Formula-Objekte vorbereiten.

formula_split stolen from mosaic ggformula

clean_dots_formula: Formel bereinigen

makeFormula: Formel erstellen

check_data: prueft ob variablen vorhanden sind bzw ob Faelle NA sind.

makeNamesNum: aus Nummern die Namen extrahieren

Funktion zum Aufbereiten der Daten. Die Daten werden als tibble::as_tibble(.data) weitergegeben.

Funktion zum Aufbereiten der Daten Output List mit neuen Daten.

Funktion zum Aufbereiten der Daten Output List mit neuen Daten.

stp25DataObjekt Ueberpr<c3><bc>ft die Objektstrucktur also ob measure usw vorhanden ist. Die Uebergebenen Daten werden falls notwendig transformiert.

Print Methode

Usage

Formula_Data(x, data, subset, na.action = na.pass, ...)

Data_Vars(.data, ..., by = "1")

Formula_Names(x, data = NULL, ...)

formula_split(formula)

clean_dots_formula(formula, data = data, names_data = names(data))

makeFormula(measurevar, groupvars)

check_data(data, vars = NULL)

makeNamesNum(measure, data, meAsNum = grepl("^[[:digit:]]", measure))

prepare_data2(...)

## S3 method for class 'formula'
prepare_data2(x, data, subset, na.action = na.pass,
  groups = NULL)

## S3 method for class 'data.frame'
prepare_data2(.data, ..., by = "1", groups = NULL,
  subset, na.action = na.pass)

stp25DataObjekt(data = NULL, measure.vars = NULL, group.vars = NULL,
  condition.vars = NULL, formula = NULL, by = NULL, measure = NULL,
  row_name = NULL, col_name = NULL, measure.class = NULL,
  group.class = NULL, condition.class = NULL, digits = NULL)

## S3 method for class 'stp25data'
print(x)

Arguments

x	Formel
data	Daten als data.frame
subset	geht mit data$variable
na.action	nicht aendern default ist na.pass
...	nicht benutzt
.data	Daten als data.frame
by	Gruppen meist als formula ~ x
formula	Formula
measurevar	Variable in makeFormula
groupvars	Variable in makeFormula
vars	in check_data
measure	Variablen
meAsNum	logical welche sind Zahlen
groups	Block codition
...	Variablen
data	Daten als data.frame
x	formel
data	daten
subset	nicht implementiert
na.action	nicht zum aendern
x	formel
data	daten
subset	nicht implementiert
na.action	nicht zum aendern
data	Daten
subset	nicht implementiert
na.action	nicht zum aendern
.data	daten
...	Variablen
by	Gruppe

Value

Formula_Data: list mit "X_data","Y_data","xname","yname", "Z_data", "zname", "formula", "condition", "formula.orginal", "digits", "type"

list data, measure.vars, group.vars, by, measure, row_name, measure.class, group.class

list mit den Items yname fuer das was vorne steht und xname fuer das was hinten stehtlist(yname, xname, zname, formula, condition, digits, type)

formula_split: liste formula, condition, facet_type

clean_dots_formula: formula - Objekt

makeFormula: formula - Objekt

check_data: Logical und wen FALSE ueber cat die Objekt die falsch sind

string( )

Liste mit Namen und Daten data, measure.vars , group.vars, condition.vars, formula, by, measure, row_name, col_name, measure.class, group.class, condition.class, digits

Examples

names(Formula_Data(m1[3]+m2~geschl, varana))


varana2<- head(varana)
varana2 %>% Data_Vars(. ~ .)
varana2 %>% Data_Vars(alter, m1, m2, by =  ~ geschl)
varana2 %>% Data_Vars(alter, m1, m2, by = "geschl")

varana2 %>% Data_Vars(1, 2, 3)
varana2 %>% Data_Vars(1:3)

names(Formula_Names(m1[3]+m2~geschl, varana))


data <- data.frame(x = NA, y = NA, z = NA)
clean_dots_formula(x ~ y, data)
clean_dots_formula(. ~ x + y, data)
clean_dots_formula(x + y ~ ., data)
clean_dots_formula(~., data)

makeFormula("a", "b")
makeFormula("a", c("b","c"))
makeFormula("a", ~b+c)
makeFormula(c("a", "d"), c("b","c"))


check_data(varana, c("m1", "m2") )
check_data(varana, c("m1", "sex") )


measure <- c("geschl", "1" , "3:5", 1)
 makeNamesNum(measure,  data=varana)

# require(stpvers)
prepare_data2(~ m1 + m2 + m3 + m4, varana)
prepare_data2(~ log(m1) + m2 + m3 + m4, varana)
prepare_data2(~ m1[1] + m2 + m3 + m4, varana)
prepare_data2(~ m1[1] + m2 + m3[4,median] + m4, varana)

#-- Helper
data <- data.frame(x = NA, y = NA, z = NA)
stp25APA2:::clean_dots_formula(x ~ y, data)
stp25APA2:::clean_dots_formula(. ~ x + y, data)
stp25APA2:::clean_dots_formula(x + y ~ ., data)
stp25APA2:::clean_dots_formula(~., data)
stp25APA2:::formula_split(a+b~x|y)

prepare_data2(varana, m1, m2, m3, m4)
prepare_data2(varana, 4:7)
prepare_data2(varana, m1[1], m2, m3, m4)
prepare_data2(varana, m1[1], m2, m3[4,median], m4)
prepare_data2(varana, m1 , m2, m3=median, m4)
prepare_data2(varana, m1, m2, m3 , m4, by =  ~ geschl)
prepare_data2(varana, m1[4, median], m2, m3 , m4[5], by =  ~ geschl)

stp4/stp25APA2 documentation built on May 24, 2019, 9:59 p.m.