1 Grundlagen
Grundlagenforschung betreibe ich dann, wenn ich nicht weiß, was ich tue.
Wernher Freiherr von Braun, deutscher Physiker
R ist eine freie Programmiersprache für statistische Berechnungen und Grafiken. Sie ist eine der wichtigsten und am häufigsten verwendeten Programmiersprachen im Data Science Kontext. RStudio ist eine integrierte Entwicklungsumgebung oder IDE (Integrated Development Environment) für die Programmiersprache R und ein wichtiges Werkzeug bei der Arbeit mit R.
1.1 R und RStudio
R
R wurde von Statistikern für Statistiker bzw. Anwender mit statistischen Aufgaben entwickelt. Die Syntax orientiert sich an der (Vorgänger-)Programmiersprache S, mit der R weitgehend kompatibel ist. Als Standarddistribution wird R mit einem Interpreter als Kommandozeilenumgebung mit rudimentären grafischen Schaltflächen bereitgestellt. R ist aktuell auf den wichtigsten Plattformen (Windows, Mac, Linux) verfügbar. Die Basis-Version von R sowie sämtliche Pakete sind über das “Comprehensive R Archive Network” (CRAN) abrufbar, das unter cran.r-project.org erreichbar ist.
Zahlreiche, online abrufbare Pakete enthalten zusätzliche Funktionen, um Daten hinsichtlich Fragestellungen aus unterschiedlichen Fachrichtungen zu untersuchen. Weitere eigene Funktionen können selbst implementiert und ebenfalls über Pakete anderen Nutzern bereitgestellt werden. Die Sprache ist sehr vielseitig und bietet Schnittstellen zu anderen Programmiersprachen sowie Möglichkeiten zur Integration in verschiedene Software. R grenzt sich in mehrerer Hinsicht von anderen bekannten Statistik-Umgebungen ab und ist nicht ausschließlich als Statistiksoftware zu bezeichnen. Obwohl andere, heutzutage mit grafischen Benutzeroberflächen versehene Statistik-Umgebungen wie SPSS ebenfalls als spezialisierte Programmiersprachen begannen (und diese Fähigkeit bis heute beibehalten), fokussiert sich R auf seine Stärke als Statistik-orientierte Programmiersprache. R grenzt sich von anderen Programmiersprachen durch die für Statistik entworfenen Datenstrukturen und Funktionen sowie die besonderen Möglichkeiten bei der Grafikerzeugung ab. R gilt zunehmend als die Standardsprache für statistische Problemstellungen sowohl in der Wirtschaft als auch in der Wissenschaft.1
RStudio
RStudio ist eine integrierte Entwicklungsumgebung für die Programmiersprache R und bietet für viele Funktionen von R eine grafische Benutzeroberfläche (z.B. für den Datenimport, vgl. Abbildung 1.1). RStudio ermöglicht eine Autovervollständigung, automatische Einrückungen, Syntaxhervorhebung, Code-Faltung, integrierte Hilfe und Informationen zu Objekten in der Arbeitsumgebung. Es gibt die Möglichkeit Datensätze zu betrachten und zu bearbeiten. Skripte, Daten und weitere Dateien können zu Projekten zusammengefasst werden, was die Zusammenarbeit erleichtert, zumal eine Versionsverwaltung mit Git oder Subversion ebenfalls integriert ist. Mit Hilfe der Paketverwaltung lassen sich Pakete installieren und laden. Die Erstellung von Berichten mit Hilfe von knitr oder Sweave kann aus RStudio heraus erfolgen. Dieses Skript ist beispielsweise auch mit R entstanden.
RStudio ist sowohl als Desktop-Version also auch in einer Server-Version verfügbar. Die Desktop-Version können Sie herunterladen und auf Ihrem eigenen Rechner installieren. Das Softwarepaket ist verfügbar unter rstudio.com. Die Server-Version von RStudio wird auf einem Server installiert und ist dann über einen Browser aufrufbar.
1.2 Anmeldung bei der Posit Workbench der FH Münster
Für diese Vorlesung wollen wir die Server-Version von RStudio verwenden. Dazu hat die DVZ der FH Münster eine Posit Workbench eingerichtet. Diese ist erreichbar unter der Domain https://r-workbench.fh-muenster.de.
Zur Anmeldung verwenden Sie Ihre FH Kennung und das dazugehörige Passwort. Außerhalb des FH-Datennetzes ist die VPN Verbindung notwendig.2
Nach der Anmeldung erscheint der Launcher vgl. 1.2 für eine neue Session. Dort können Sie auswählen, mit welcher IDE Sie arbeiten möchten, z.B. RStudio Pro, Positron Pro, JupyterLab oder VS Code. Zusätzlich können Sie einen Session-Namen vergeben und je nach Vorgaben der Workbench Ressourcen wie CPU und Arbeitsspeicher konfigurieren.
Für diese Vorlesung ist RStudio Pro die Standardumgebung. Die anderen IDEs können Sie bei Bedarf nutzen, die Erklärungen und Screenshots in diesem Skript beziehen sich aber auf RStudio.
Ein Beispiel für die Oberfläche von Positron ist in Abbildung 1.3 zu sehen.
Nachdem Sie Ihre Arbeit in RStudio beendet haben, sollten Sie die aktive Session immer schließen. Andernfalls blockieren Sie Ressourcen des Servers. Zur Abmeldung verwenden Sie den roten Button in der oberen rechten Ecke der Benutzeroberfläche von RStudio (siehe Abbildung 1.4). Bitte schließen Sie vorher nicht das Browserfenster!
Wenn Sie Ihre Session beendet haben, sehen Sie eine Übersicht über mögliche andere noch aktive Sessions (siehe Abbildung 1.5). Bitte stellen Sie sicher, dass alle Ihre Sessions geschlossen sind, wenn Sie nicht weiter in RStudio arbeiten.
1.3 Installation R und RStudio
Falls es zu Problemen bei der Verwendung der Posit Workbench der FH Münster kommt oder ohne Internetverbindung an R Projekten gearbeitet werden soll, ist eine lokale Installation von R und RStudio auf dem eigenen Rechner notwendig. Dazu können beide Softwarepakete heruntergeladen werden:
- Das Softwarepaket R ist verfügbar unter cran.r-project.org.
- Das graphische Frontend R-Studio ist verfügbar unter rstudio.com.
Anschließend müssen beide Programme in genau dieser Reihenfolge installiert werden (zunächst R, dann RStudio). Eventuell müssen noch zusätzliche Pakete nachinstalliert werden.
VorsichtÜbung
Starten von RStudio
- Melden Sie sich bei der Posit Workbench der FH Münster an, wählen Sie im Launcher RStudio Pro und machen Sie sich mit der Benutzeroberfläche vertraut. Bei Problemen schreiben Sie eine E-Mail mit einer detaillierten Beschreibung des Fehlers an michael.buecker@fh-muenster.de.
- Melden Sie sich wieder von der Posit Workbench ab.
1.4 RStudio Cloud
RStudio Cloud ist eine cloudbasierte Lösung, mit der jeder online Data Science betreiben, teilen, lehren und lernen kann. Sie können RStudio Cloud kostenlos nutzen, die Nutzungsdauer ist allerdings auf 25 Stunden pro Monat begrenzt. Um RStudio Cloud nutzen zu können, erstellen Sie sich dazu einen Account unter rstudio.cloud.
1.5 Verwendung von R und RStudio
Während R lediglich eine Konsole mit einem einfachen Editor zur Verfügung stellt, erweitert die Entwicklungsumgebung von RStudio die Funktionalität von R um viele weitere nützliche Tools.
Dabei unterscheiden sich die Server- und Desktop-Version von RStudio nicht wesentlich in ihrer Verwendung. Nur beim Laden von lokal gespeicherten Daten oder der Installation von Paketen gibt es kleinere Unterschiede zu beachten (siehe Kapitel 1.7 bzw. Kapitel 3.1).
1.5.1 Aufbau von RStudio
RStudio zeigt standardmäßig verschiedene “Panes” (engl. Fensterausschnitte) (siehe Abbildung 1.1 und Abbildung 1.6). Diese Bereiche sind für unterschiedliche Aufgaben der Entwicklungsumgebung konzipiert. Sie lassen sich beliebig in der Größe verändern, auch die Inhalte lassen sich im Menü anpassen. Einige Panes können auch in einem weiteren (Browser-)Fenster angezeigt werden, was hilfreich ist, wenn man mit mehreren Monitoren arbeitet.
Im Wesentlichen lassen sich die Bereiche der Oberfläche nach ihren Aufgaben unterteilen, wie in Abbildung 1.6 dargestellt.
Editor (1)
Im Editor werden standardmäßig R Programme erstellt. Diese enthalten eine Abfolge von Kommandos, Funktionen, Funktionsaufrufen etc., die in R ausgeführt werden sollen. Diese können in .R Dateien für die spätere Weiterbearbeitung und Verwendung abgespeichert werden.
Konsole (2)
Die Konsole bzw. Kommandozeile ist ein Eingabebereich für die Steuerung von R. Eingaben in die Konsole werden vom R Interpreter ausgewertet und die Ergebnisse der Berechnung wieder in der Konsole ausgegeben. R Skripte, welche im Editor erstellt werden, werden beim Ausführen in die Konsole gespielt und dort ausgeführt.
Umgebung, Historie, Versionskontrolle (3)
In diesem Bereich werden nützliche Informationen während der Arbeit mit R Skripten angezeigt. So werden beispielsweise alle in der Umgebung (Environment) definierten Variablen angezeigt, die Historie aller ausgeführten Befehle aufgelistet und es gibt die Möglichkeit zur Versionskontrolle3.
Dateien, Grafiken, Pakete, Hilfe (4)
Über diesen Bereich haben Sie Zugriff auf das Dateisystem des RStudio Servers, Sie können also auf Ihre dort abgelegten Dateien zugreifen (R-Skripte, Datensätze, exportierte Abbildungen etc.). Bei der Desktop-Version können Sie entsprechend auf das Dateisystem Ihres Rechners zugreifen. Wenn Sie mit R Grafiken erstellen, werden diese in diesem Pane angezeigt. Sie haben außerdem die Möglichkeit, die Abbildungen abzuspeichern. Außerdem gibt es die Möglichkeit über den Reiter ‘Packages’ zusätzliche Pakete für R zu installieren bzw. installierte Pakete zu aktualisieren. Schließlich ist eine der wichtigsten Funktionen in diesem Bereich die Hilfe: Sie können auf die Hilfe und Dokumentation jeder einzelnen R-Funktion zugreifen.
TippTipp
Im Internet sind zahlreiche sogenannte Cheat Sheets zu finden, das heißt kurze Dokumente (meist 1-2 Seiten), die wichtige Funktionen von R bzw. RStudio zusammenfassen. Ideal lassen sich diese Cheat Sheets verwenden, indem sie ausgedruckt neben die Tastatur zum schnellen “Spicken” gelegt werden.
Eine Übersicht zu Cheat Sheets findet sich auf der RStudio Webseite rstudio.com/resources/cheatsheets/.
Das Cheat Sheet für die Verwendung der grafischen Oberfläche von RStudio ist unter RStudio IDE Cheat Sheet zu finden.
1.5.2 Verwendung der R Konsole
R ist eine Interpretersprache, die nicht kompiliert werden muss und Benutzereingaben in der Kommandozeilenkonsole nach Bestätigen eines Befehls unmittelbar zur Ausführung bringt. Es lassen sich zudem Programme in Skripten ausführen. Das bedeutet, dass wir sowohl Befehle direkt in der Konsole ausführen können, aber auch ganze Skripte anlegen können, deren Befehle sich dann in einer Abfolge ausführen lassen. Die Konsole kann in der Basisinstallation von R aufgerufen werden und ist auch in RStudio verfügbar.
Die Konsole befindet sich nach dem Starten von RStudio im linken unteren Fensterbereich (siehe Abbildung 1.6). Hier werden R-Befehle eingegeben und Ausgaben angezeigt. Ein R-Befehl wird stets durch Betätigen der Eingabetaste ausgeführt. Wir können R zum Beispiel als Taschenrechner benutzen:
5 * (3 - 1)[1] 10Die arithmetischen Operationen +,-,*,/ sowie das Potenzieren ^ können hierbei verwendet werden. Außerdem bringt R von Haus aus viele elementare mathematische Funktionen wie sin(), cos(), exp(), abs(), sqrt() etc. mit. Ein Funktionsaufruf erfolgt immer nach dem Schema
Funktionsname(Argument1, Argument2,...)Zum Beispiel können wir den (natürlichen) Logarithmus von 2 berechnen und erhalten als Antwort direkt das Ergebnis auf der Konsole zurück.
log(2)[1] 0.6931472
WichtigAchtung
R arbeitet case-sensitive, das heißt zwischen Groß- und Kleinschreibung wird unterschieden: log ist nicht gleich Log!
Um in der Konsole einen vorangegangenen Befehl zu wiederholen, können wir die Pfeiltasten nutzen. Mit dem Pfeil nach oben springen wir zum letzten Befehl. Ein weiteres Mal Pfeil nach oben und wir springen noch einen Befehl weiter zurück. Der Pfeil nach unten spring dann zum nächsten (also danach ausgeführten Befehl) zurück. Mit der Eingabetaste lässt sich der aktuell angezeigte Befehl dann wieder ausführen.
Die wichtigsten Funktionen sind dem Base R Cheat Sheet oder der R Reference Card zu finden.
1.5.3 Verwendung des Editors in RStudio
Den Programmcode schreibt man üblicherweise nicht direkt in der Konsole, sondern in einem Editor. Der Vorteil ist, dass man diesen Code so abspeichern kann, um ihn später weiterzuentwickeln oder auszuführen. Außerdem lassen sich so längere Analysen und Programme besser strukturieren.
In RStudio befindet sich der Editor im oberen linken Fensterabschnitt. Hier lassen sich auch mehrere Dateien gleichzeitig öffnen und bearbeiten, die dann über die Reiter erreichbar sind.
Sehr nützlich ist die zusätzliche Funktionalität, die der Editor von RStudio bietet. Ein häufig verwendetes Feature ist die “Code Completion”. Diese erkennt während des Schreibens, welche Befehle man eingeben möchte und hilft bei der automatischen Vervollständigung und gibt Hinweise auf die Syntax. Geben Sie beispielsweise me im Editor ein und drücken die Tabulatortaste, erhalten Sie direkt Vorschläge (wie zum Beispiel die Funktion mean, siehe Abbildung 1.7).
Die können Sie mit den Pfeilen auswählen und durch die Eingabetaste bestätigen. Auch für die Argumente einer Funktion bekommt man auf gleiche Art Hinweise (siehe Abbildung 1.8).
Die Code Completion funktioniert übrigens auch beim Schreiben von Code in der Konsole.
Zum Ausführen von Teilen des Codes markiert man diesen und klickt auf den Button “Run” im Editorfenster. Alternativ kann der Code auch durch Betätigen des Tastenkürzels Strg + Enter (Windows) bzw. Cmd + Enter (MacOS) ausgeführt werden. Ist kein Code ausgewählt, wird durch diese Aktionen der gesamte Code derjenigen Zeile ausgeführt, in der sich gerade der Cursor befindet. Mit dem Button “Source” führt man den gesamten Code des aktiven Editorfensters aus.
1.5.4 Einige nützliche Tastenkürzel
Tastenkürzel erleichtern die Arbeit mit RStudio extrem, da man einen schnelleren Zugriff auf die wichtigsten Funktionen hat. Tabelle 1.1 zeigt die wichtigsten Abkürzungen, weitere sind auf dem RStudio IDE Cheat Sheet oder der RStudio Hilfe zu finden.
| Aktion | Windows | Mac |
|---|---|---|
| Aktuelle Zeile oder Auswahl ausführen | Strg + Enter | Cmd + Enter |
| Gesamten Code ausführen (Source) | Strg + Shift + P | Cmd + Shift + S |
| Springe in den Editor | Strg + 1 | Cmd + 1 |
| Springe in die Konsole | Strg + 2 | Cmd + 2 |
| Konsole leeren | Strg + L | Cmd + L |
| Aktuellen Befehl unterbrechen | Esc | Esc |
| Code Vervollständigung | Tab | Tab |
| Zeilen kommentieren | Strg + Shift + C | Cmd + Shift + C |
| Hilfe anzeigen | F1 | F1 |
VorsichtÜbung
Verwendung von RStudio
- Berechnen Sie in der R Konsole den natürlichen Logarithmus von 7.
- Erstellen Sie ein neues leeres R Skript und speichern Sie es ab.
- Fügen Sie Ihrem Skript den Befehl für die Berechnung der zweiten Wurzel von 16 hinzu. Führen Sie anschließend die Berechnung durch und nutzen Sie dafür das entsprechende Tastenkürzel.
1.6 R Hilfe
Es gibt mehrere Möglichkeiten, Hilfe zu einzelnen Funktionen oder Paketen in R zu bekommen.
Kennt man beispielsweise eine Funktion beim Namen, möchte aber mehr über sie erfahren, so reicht ein einfaches ? gefolgt vom Funktionsnamen als Befehl zum öffnen der entsprechenden Hilfeseite. Für die Funktion, mit der sich das arithmetische Mittel berechnen lässt, nutzt man also ?mean. Genauso kann man auch help(mean) verwenden. Gibt man einen dieser Befehle beispielsweise direkt in die Konsole ein und bestätigt den Befehl mit ‘Enter’, wird dann die Hilfeseite im unteren rechten Fensterbereich von RStudio angezeigt. Sie kann vergrößert und auch in einem externen Fenster geöffnet werden.
Hilfeseiten zu Funktionen sind immer gleich aufgebaut (siehe Abbildung 1.9): Nach dem Namen der Funktion gibt es im Abschnitt “Description” eine kurze Beschreibung der Funktion. Anschließend wird im Abschnitt “Usage” gezeigt, wie die Funktion mit ihren Parametern aufzurufen ist. Unter “Arguments” wird erläutert, welche Argumente oder Parameter die Funktion als Input erwartet. Unter “Value” wird beschrieben, welche Ausgaben die Funktion als Output zurückgibt. Häufig gibt es an diese Stelle auch eine detaillierte Beschreibung der Berechnungen und Verweise auf die entsprechende Fachliteratur. Am Ende werden immer Beispiele im Abschnitt “Examples” angezeigt. Dieser Beispielcode ist immer ausführbar und kann helfen, ein besseres Verständnis für die Funktionsweise zu bekommen. Diese Beispiele können entweder aus dem Hilfe-Dokument kopiert werden oder über die Funktion example direkt in der Konsole ausgeführt werden.
example(mean)
mean> x <- c(0:10, 50)
mean> xm <- mean(x)
mean> c(xm, mean(x, trim = 0.10))
[1] 8.75 5.50
mean
Kennt man einen Funktionsnamen nicht genau oder sucht allgemeiner (z.B. nach dem gewichteten arithmetischen Mittel), kann die Funktion help.search("weighted mean") genutzt werden, oder auch ein doppeltes ?? durch ??'weighted mean' in die Konsole eingegeben werden. Der Befehl apropos("keyword") listet alle Funktionen auf, die das Wort “keyword” im Namen tragen.
Hilfe zu R Paketen erhält man durch help(package = 'dplyr'). Für einige Pakete haben die Autoren eine sogenannte Vignette erstellt. Eine Vignette ist ein ausführliches strukturiertes PDF-Dokument, das neben einer ausführlichen Beschreibung der korrekten Verwendung der Funktionen in R auch Details zu den theoretischen mathematischen Grundlagen gibt. Eine Vignette kann mit vignette(Paketname) aufgerufen werden.
HinweisLink
Auch außerhalb der R Umgebung lässt sich Hilfe finden. Im Internet gibt es zahlreiche Anleitungen, Foren und Hilfeseiten zu R. Neben den klassischen Suchmaschinen können folgende Quellen hinzugezogen werden:
- Anleitungen auf RStudio
- Cheat Sheets
- Webseiten und Blogs
- Videos und Tutorials
VorsichtÜbung
Hilfe
- Finden Sie heraus, was die Funktion
absmacht! - Rufen Sie die Hilfeseite der Summenfunktion auf und führen Sie die Beispiele aus der Hilfe in R aus.
- Finden Sie heraus, mit welcher Funktion man in R eine Lineare Regression berechnen kann.
1.7 R-Pakete
Ein großer Vorteil der Programmiersprache R ist, dass sie laufend um zusätzliche Funktionen in Form von Paketen erweitert wird. Die Standardinstallation von R beinhaltet insgesamt 29 Pakete. Die wichtigsten 14 Pakete werden beim Starten von R automatisch geladen – sie enthalten ganz wesentliche mathematische und statistische Funktionen, wie sum oder mean. Die 15 weiteren standardmäßig installierten Pakete werden zur Verwendung empfohlen. Diese müssen allerdings zunächst geladen werden, bevor man sie nutzen kann.
Pakete können über den Befehl library geladen werden (schauen Sie sich die Hilfe zu dieser Funktion einmal an!). Möchten wir zum Beispiel das Paket rpart laden, lässt sich dies mit dem Befehl
library(rpart)umsetzen. Anschließend stehen der aktuellen Umgebung in R alle Funktionen und Daten aus dem Paket rpart zur Verfügung.
Ist ein Paket noch nicht installiert, geschieht dies über die Funktion install.packages. Das Paket randomForest installieren wir also mit Hilfe von
install.packages("randomForest")Nach der Installation gibt R dann typischerweise eine Rückmeldung über die erfolgreiche Installation oder eventuelle Fehler zurück.
Nach der Installation eines Pakets ist dieses noch nicht automatisch geladen. Dies erfolgt wieder mit Hilfe der Funktion library. Ein Paket kann per deinstall.packages deinstalliert werden; Updates werden mit Hilfe von update.packages installiert.
Bei der ersten Installation ist ein Spiegelserver anzugeben, von dem das Paket installiert werden soll. Dies kann ein lokaler, in Deutschland befindlicher Server sein oder auch der Standardserver http://cran.r-project.org.
WichtigAchtung
Das zu ladende Paket ist in der Funktion library ohne Anführungszeichen anzugeben; bei der Installation mit install.packages werden Anführungszeichen benötigt.
Der Grund dafür ist, dass nach der Installation alle installierten Pakete für R sichtbar und somit Objekte in der Arbeitsumgebung sind. Ist das Paket allerdings noch nicht installiert, muss dieses zunächst auf dem ausgewählten Spiegelserver gesucht werden.
Um ein geladenes Paket zu deaktivieren, nutzt man die Funktion detach:
detach("package:randomForest", unload=TRUE)Die Verwaltung von Paketen (Installation, Laden, Updates) kann auch über die Benutzeroberfläche von RStudio vorgenommen werden. Im Reiter “Packages” im rechten unteren Fensterabschnitt ist eine Übersicht der installierten Pakte zu finden. Mit dem “Install” Button lassen sich weitere Pakete installieren und mit dem “Update” Button einzelne Pakete updaten. Man kann außerdem Pakete laden, indem man den Haken vor dem Paketnamen setzt (siehe Abbildung 1.10), bzw. deaktivieren indem man den Haken entfernt. Über das Kreuz am Ende der Zeile lässt sich ein Paket deinstallieren.
WichtigAchtung
Es kann passieren, dass eine Funktion mit demselben Namen (aber unterschiedlicher Definition) in mehreren Paketen existiert. In diesem Fall wird durch das Laden eines neuen Pakets die Definition der bisher vorhandenen Funktion “maskiert” und ist somit nicht mehr verfügbar.
Möchte man explizit auf eine Funktion aus einem speziellen Paket zugreifen (und damit aus der entsprechenden Environment laden), so erfolgt dies mit der Angabe des Paketnamens gefolgt von zwei Doppelpunkten und anschließend der Funktion, z.B. MASS::ginv(...) um die Funktion ginv aus dem Paket MASS zu verwenden.
TippTipp
Bei der Vielzahl der Pakete kann man leicht den Überblick verlieren. Derzeit gibt es auf CRAN 13.028 Pakete zur Installation4, was die Suche nach dem richtigen Paket für eine bestimmte Aufgabe mühselig macht.
Aus diesem Grund werden die wichtigsten Pakete in den CRAN Task Views thematisch gruppiert. So gibt es für verschiedene Themengruppen Auflistungen von Paketen für die entsprechenden Analysen. So gibt es beispielsweise die Themen “Machine Learning”, “Time Series Analysis”, “Finance”, “NaturalLanguageProcessing”, etc.
1.8 Base-R versus Pakete (z.B. tidyverse)
Die Programmiersprache R ist schon 1992 entstanden. Viele Aspekte, die in der heutigen Zeit bei der Arbeit mit Daten berücksichtigt werden müssen, waren damals noch nicht abzusehen (z.B. die Größe der zu verarbeitenden Daten). Außerdem haben sich einige Eigenschaften bei der Programmierung als mühselig erwiesen. Aus diesem Grund werden sogar einige der Grundelemente von R durch zusätzliche Pakete verbessert und ersetzt.
Besonders eine Sammlung von Paketen hat hier ein komplett neues “Universum” für Data Science geschaffen - das tidyverse. Dabei handelt es sich um mehrere gebündelte Pakete, die einzelne Aufgaben von Data Scientists verbessern:
dplyr: Datenmanipulationggplot2: Grafikenreadr: Einlesen und Exportieren von Datensätzenstringr: Verarbeitung von Text- und vieles mehr…
Für das Erlernen von R ist es wichtig, zunächst die Basisfunktionen und -pakete zu verstehen. In dieser Vorlesung wollen wir aber auch an den entsprechenden Stellen lernen, wie sich einige Probleme mit den modernen Paketen noch einfacher lösen lassen.
Das “tidyverse” wird sehr detailliert im Buch von Wickham und Grolemund (2017a) beschrieben, das auch komplett online verfügbar ist. In gedruckter Fassung es gibt auch eine auf deutsch übersetzte Auflage (Wickham und Grolemund 2017b). Speziell zur Erstellung von Grafiken mit ggplot2 ist Wickham und Sievert (2016) zu empfehlen.
Möchten Sie in fortgeschrittene Themen bei der Programmierung eintauchen, gibt es vom gleichen Autor ebenfalls ein Buch (Wickham 2014).
VorsichtÜbung
Pakete
- Installieren Sie das Paket
dplyr. Laden Sie anschließend das Paket und öffnen Sie die Hilfe zu dem Paket. - Betrachten Sie die Hilfe der Operation
%>%!
Die Programmiersprache Python wird inzwischen im Data Science Umfeld neben R vermehrt verwendet. Dazu wurden spezielle Bibliotheken zur Datenverarbeitung (pandas) und für Machine Learning Algorithmen (scikit learn) entwickelt.↩︎
Informationen, wie Sie sich per VPN mit den Netzen der Fachhochschule verbinden, finden Sie unter https://wiki.fh-muenster.de/dvz/anleitungen/doku.php?id=netzwerk:vpn_anyconnect:uebersicht↩︎
Ein Versionskontrollsystem unterstützt in der Softwareentwicklung dabei, Änderungen an Code zu erfassen. Alle gespeicherten Versionen werden dabei archiviert und können später wiederhergestellt werden. Besonders in der Zusammenarbeit mit mehreren Personen an einem Programm stellt ein Versionskontrollsystem sicher, dass es zu keinen Versionskonflikten kommt. In der Softwareentwicklung haben sich im Wesentlichen zwei Systeme durchgesetzt: Git und Subversion. Wenn Sie interessiert sind, können Sie Git über die freien Plattformen GitHub oder GitLab nutzen oder (mit zusätzlicher Funktionalität) den FH-eigenen Gitlab-Server verwenden. Weitere Informationen zur Verwendung von git im Zusammenspiel mit RStudio stellt u.a. das Onlinebuch HappyGitWithR bereit.↩︎