-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathindex.html
More file actions
10701 lines (7845 loc) · 251 KB
/
index.html
File metadata and controls
10701 lines (7845 loc) · 251 KB
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
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
<!DOCTYPE html>
<html lang="" xml:lang="">
<head>
<title>R Workshop</title>
<meta charset="utf-8" />
<meta name="author" content="Felix lorenz" />
<script src="index_files/header-attrs/header-attrs.js"></script>
<link href="index_files/remark-css/default.css" rel="stylesheet" />
<link href="index_files/xaringanExtra-banner/banner.css" rel="stylesheet" />
<script src="index_files/xaringanExtra-banner/banner.js"></script>
<link href="index_files/panelset/panelset.css" rel="stylesheet" />
<script src="index_files/panelset/panelset.js"></script>
<link href="index_files/tachyons/tachyons.min.css" rel="stylesheet" />
<link href="index_files/countdown/countdown.css" rel="stylesheet" />
<script src="index_files/countdown/countdown.js"></script>
<link rel="stylesheet" href="img/styles_x.css" type="text/css" />
</head>
<body>
<textarea id="source">
class: center, middle, inverse, title-slide
.title[
# R Workshop
]
.author[
### Felix lorenz
]
.date[
### 24. Februar 2026
]
---
<div>
<style type="text/css">.xaringan-extra-logo {
width: 110px;
height: 128px;
z-index: 0;
background-image: url(./img/tg.jpg);
background-size: contain;
background-repeat: no-repeat;
position: absolute;
top:1em;right:1em;
}
</style>
<script>(function () {
let tries = 0
function addLogo () {
if (typeof slideshow === 'undefined') {
tries += 1
if (tries < 10) {
setTimeout(addLogo, 100)
}
} else {
document.querySelectorAll('.remark-slide-content:not(.title-slide):not(.inverse):not(.hide_logo)')
.forEach(function (slide) {
const logo = document.createElement('div')
logo.classList = 'xaringan-extra-logo'
logo.href = null
slide.appendChild(logo)
})
}
}
document.addEventListener('DOMContentLoaded', addLogo)
})()</script>
</div>
<script>document.addEventListener('DOMContentLoaded',function(){new xeBanner(JSON.parse('{"left":"<h6>Amt für Daten und Statistik<\/h6><h7><\/h7>","exclude":["title-slide"],"position":"top"}'))})</script>
<script>document.addEventListener('DOMContentLoaded',function(){new xeBanner(JSON.parse('{"left":"24. Februar 2026","center":"© Amt für Daten und Statistik","exclude":["title-slide"],"position":"bottom"}'))})</script>
----
## Vorstellungsrunde
Was ist meine Motivation für meine Teilnahme?
Bei welchem konkreten Projekt/welcher Aufgabe aus meinem Arbeitsalltag könnte/möchte ich R einsetzen?
Welche Kenntnisse möchte ich im Kurs erlangen?
---
----
## Ziele des Workshops
1. Richtiges Mindset schaffen, um Programmieren zu lernen
2. Möglichst breiten Blick auf die Möglichkeiten von R schaffen, um Grundstein für selbstständiges Lernen zu bilden.
3. Beispiele aus der Praxis in der Dienststelle für Statistik zum besseren Verständnis
---
----
## R und RStudio
.pull-left[
**R**
- R ist eine freie (open-source) Programmiersprache, erschienen in 1993
- R ist eine Arbeitsumgebung für statistische Analysen und Grafiken (und vieles mehr)
- R kann mit *packages* erweitert werden
]
--
.pull-right[
**RStudio**
- RStudio ist eine grafische Benutzeroberfläche, welche auch integrierte Entwicklunsumgebung (i.e. IDE - integrated development environment) genannt wird
]
---
----
## Die R und tidyverse-Bibel
<div class="figure">
<img src="https://pictures.abebooks.com/isbn/9781491910399-de.jpg" alt="https://pictures.abebooks.com/isbn/9781491910399-de.jpg" width="30%" />
<p class="caption">https://pictures.abebooks.com/isbn/9781491910399-de.jpg</p>
</div>
Das Buch ist kostenlos [hier](https://r4ds.had.co.nz/index.html) zu finden und ist ideal für Einsteiger.
---
----
## Aufbau RStudio
<img src="./img/Rstudio.jpg" width="100%" />
---
----
## R Projects
- Daten, Scripts etc. werden in einem Ordner gebündelt
- erleichtert die Strukturierung und erhöht die Übersichtlichkeit
**Derzeitige Ordnung im Y widerspricht dieser Logik**
<img src="./img/03_projects.PNG" width="60%" />
---
----
## R Projects
In der Regel folgen Projekte dem untenstehenden Aufbau. Dieser ist dem Aufbau eines Packages nachempfunden. Dies ist jedoch kein Muss und kann variiert werden.
``` r
# Project
- data
-> dataset.csv
- R
-> data_preparation.R
- output
-> output.xlsx
- www
-> image.png
```
---
----
## Hands On: R Projects und initiale Einstellungen
- Unnötiges Speichern/Laden von Daten ausstellen
- Global Options kennenlernen
- Projekte erstellen
---
----
## Funktionen, Objekte und Packages
> **In R ist alles ein Objekt – auch Funktionen sind spezielle Objekte.**
R speichert sowohl Daten als auch Funktionen als Objekte. So können alle Elemente einheitlich behandelt und flexibel genutzt werden.
---
----
## Datenstrukturen
R besitzt verschiedene Basisobjekte, die ihr bereits im *DataCamp* Kurs kennengelernt habt. Die meistgenutzten sind:
.panelset[
.panel[.panel-name[Variablen]
- grundlegenstes und kleinstes R Objekt
- kann `numeric`, `character` oder `logical` sein
``` r
x <- 10
y = "Das ist ein String"
x
```
```
## [1] 10
```
``` r
y
```
```
## [1] "Das ist ein String"
```
]
.panel[.panel-name[Vektoren]
- eindimensionales Objekt. Alle Elemente müssen den gleichen Datentyp haben.
- am häufigsten verwendet werden `numeric`, `character` oder `logical`
``` r
vec_num <- c(1,5,2)
vec_char <- c("one","five",NA)
var_log <- c(FALSE,TRUE,TRUE)
vec_num
```
```
## [1] 1 5 2
```
``` r
vec_char
```
```
## [1] "one" "five" NA
```
]
.panel[.panel-name[Data Frames]
- vergleichbar mit klassischer Tabelle (alle Spalten müssen gleich lang sein)
- einzelne Spalten sind im Prinzip Vektoren und besitzen die gleichen Eigenschaften
``` r
df <- data.frame(col_1 = c(1,5,2),col_2 = vec_char)
df
```
```
## col_1 col_2
## 1 1 one
## 2 5 five
## 3 2 <NA>
```
]
.panel[.panel-name[Listen]
- Boxen die unterschiedlichste Objekte enthalten können
- in einer Liste kann prinzipiell alles gespeichert werden
``` r
temp_list <- list(x,y,vec_num, vec_char,df)
temp_list[[5]]
```
```
## col_1 col_2
## 1 1 one
## 2 5 five
## 3 2 <NA>
```
]
]
---
----
## Funktionen
- Funktionen sind wichtige Bestandteile im Arbeiten mit R. Einzelne Tasks können mit einer Funktion zusammengefasst und reproduzierbar gemacht werden
.panelset[
.panel[.panel-name[built-in]
R besitzt viele "built-in" Funktionen, wie z. B. mathematischen Grundlagen (`mean()`,`sum()`,`sqrt()`, etc.)
``` r
values <- c(3,9,6,8)
mean(values)
```
```
## [1] 6.5
```
]
.panel[.panel-name[Aus package]
Einzelne Funktionen aus packages können mit voransgestelltem `packagename::` aufgerufen werden.
Die `library` Funktion lädt alle Funktionen des Packages. Der vorangestellte package Name kann dann weggeleassen werden.
``` r
library(dplyr)
```
``` r
dplyr::dense_rank(values)
```
```
## [1] 1 4 2 3
```
]
.panel[.panel-name[Eigene Funktion]
Funktionen können auch vom User selbst ersetellt werden
``` r
greetings <- function(name){
result <- paste0("Hello ",name,". Nice to meet you.")
print(result)
}
```
``` r
greetings(name="Joe")
```
]
.panel[.panel-name[Ergebnis]
```
## [1] "Hello Joe. Nice to meet you."
```
]
]
---
----
## Packages
- Erweiterungen, die reproduzierbare Funktionen enthalten und kostenfrei genutzt werden können
- Packages können direkt von [CRAN (Comrehensive R Archive Network)](https://cran.r-project.org/) installiert werden
- Packages können auch von GitHub, GitLab o.ä. installiert werden
- Jede/r kann Packages entwickeln
``` r
# CRAN
install.packages("package_name")
install.packages("dplyr")
# GITHUB
devtools::install_github("username/package_name")
devtools::install_github("ogdtg/tgAPI")
# GITLAB
devtools::install_gitlab("username/packagename")
# uvm...
```
---
---
## „Programmierweisheiten“
--
**1. Jedes Problem hatte irgendjemand anders schon einmal…**
--
**2. „Richtiges“ Recherchieren ist die halbe Miete beim Programmieren.**
--
**3. Man kann oft mehr automatisieren, als man im ersten Moment denkt.**
--
**4. Automatisierung bringt fast immer einen Mehrwert – spätestens bei Wiederholungen.**
--
**5. Viele Wege führen nach Rom – wichtig ist ein funktionierender, verständlicher Weg.**
---
----
## Jedes Problem hatte irgendjemand anders schon einmal…
…die Lösung ist daher meistens auch irgendwo zu finden.
* Code übernehmen und reproduzieren, statt das Rad jedes Mal neu zu erfinden
* **Lösungen verstehen, nicht blind kopieren**
* Bewährte Quellen:
* [Stack Overflow](https://stackoverflow.com/)
* [R-bloggers](https://www.r-bloggers.com/)
* Package-Dokumentationen & Vignetten
**Neu seit 2023:**
* KI/LLMs (z. B. ChatGPT) können beim **Verstehen, Erklären und Debuggen** unterstützen
---
----
## Recherchieren heute: Google **und** KI
* Programmieren ist weiterhin ein englischsprachiges Feld → Englisch liefert die besten Treffer
* Fehlermeldungen lassen sich oft direkt googlen
* **KI kann ergänzend helfen**, z. B.:
* Fehlermeldungen verständlich erklären
* Beispielcode kommentieren
* alternative Lösungsansätze vorschlagen
> **Wichtig:**
> KI ist ein Werkzeug – kein Ersatz für eigenes Denken.
---
----
## Arbeiten mit KI (LLMs) im Programmieren
**✅ Sinnvolle Einsatzbereiche**
* Code erklären lassen („Was passiert hier Zeile für Zeile?“)
* Fehlermeldungen einordnen
* Ideen strukturieren („Wie gehe ich das Problem an?“)
* Refactoring-Vorschläge für besseren, lesbareren Code
* Kommentare oder Dokumentation vorschlagen lassen
---
----
## Arbeiten mit KI (LLMs) im Programmieren
**❌ Grenzen & Risiken**
* ❌ Code ungeprüft übernehmen
* ❌ Fachliche Entscheidungen an KI delegieren
* ❌ Ergebnisse ohne Plausibilisierung verwenden
> **Merksatz:**
> KI hilft beim Lernen – Lernen übernimmt sie nicht.
---
----
## Arbeiten mit KI (LLMs) im Programmieren
**Datenschutz & Verantwortung (Behördenkontext)**
* ❌ Keine personenbezogenen oder sensiblen Daten eingeben
* ❌ Keine internen Dokumente oder unveröffentlichten Zahlen hochladen
* ✅ Wenn nötig: Daten anonymisieren oder mit synthetischen Beispielen arbeiten
> **Faustregel:**
> Alles, was nicht öffentlich ist, gehört nicht in externe KI-Tools.
---
----
## So stellt man gute Fragen an KI
Statt:
*„Warum geht das nicht?“*
Besser:
* „Ich habe folgendes Ziel: …“
* „Das ist mein Code: …“
* „Das ist die Fehlermeldung: …“
* „Nenne mir mögliche Ursachen und wie ich sie prüfen kann.“
> Gute Fragen → bessere Antworten.
---
----
## Man kann oft mehr automatisieren, als man denkt
* Prozesse als Ganzes betrachten
* Wiederkehrende Schritte identifizieren
* Code möglichst generisch schreiben
<div class="figure" style="text-align: center">
<img src="https://marcgg.com/assets/blog/automation-win.png" alt="https://marcgg.com/assets/blog/automation-win.png" width="55%" />
<p class="caption">https://marcgg.com/assets/blog/automation-win.png</p>
</div>
---
----
## Automatisierung bringt (fast immer) einen Mehrwert
--
* spart Zeit bei Wiederholungen
--
* reduziert Fehleranfälligkeit
--
* erhöht Reproduzierbarkeit und Nachvollziehbarkeit
--
* bringt einen nachhaltigen Lerneffekt
> **Faustregel:**
> Was man mehr als einmal macht, lohnt sich zu automatisieren.
---
----
## Viele Wege führen nach Rom
* Es gibt selten „die eine richtige Lösung“
* Unterschiedliche Funktionen & Packages können zum Ziel führen
* **Im Team sind gemeinsame Konventionen trotzdem wichtig**
<br><br>
<h2 align="center"><i>„Der beste Code ist der, der verständlich und verlässlich funktioniert.“</i></h2>
---
----
## Programmieren lernt man nur durch Anwendung!
* Lesen hilft – **machen ist entscheidend**
* Fehler gehören dazu
* Jeder Fehler ist ein Lernmoment
**Heute zusätzlich:**
* KI kann beim Lernen unterstützen
* Aber: selbst tippen, selbst denken, selbst ausprobieren
---
----
## Zusammenfassung
* Programmieren ist ein Handwerk
* Recherchieren gehört dazu
* Automatisierung schafft Freiraum
* KI ist ein neues Werkzeug – kein Ersatz für Kompetenz
* Übung ist durch nichts zu ersetzen
---
----
## Das tidyverse
.pull-left[
tidyverse ist eine Sammlung von zusammenhängenden R-Paketen. Sie basiert auf der Idee von tidy Data, wo jede Spalte eine Variable, jede Zeile eine Beobachtung und jede Zelle einen einzelnen Wert darstellt.
Das tidyverse umfasst Pakete für die Datenmanipulation, Visualisierung und Modellierung. Alle Packages basieren auf einer konsistenten "Grammatik".
]
.pull-right[
<div class="figure">
<img src="https://tidyverse.tidyverse.org/logo.png" alt="https://tidyverse.tidyverse.org/logo.png" style =top: 0; right: 0; display: block; margin-left: auto; />
<p class="caption">https://tidyverse.tidyverse.org/logo.png</p>
</div>
]
---
----
## Das tidyverse
<figure class="logo-fig logo-title1">
<a href='https://readr.tidyverse.org' target="_blank">
<img src='https://readr.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
<figure class="logo-fig logo-title2">
<a href='https://readxl.tidyverse.org' target="_blank">
<img src='https://readxl.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
<figure class="logo-fig logo-title3">
<a href='https://haven.tidyverse.org' target="_blank">
<img src='https://haven.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
<figure class="logo-fig logo-title4">
<a href='https://dplyr.tidyverse.org' target="_blank">
<img src='https://dplyr.tidyverse.org/logo.png' class='logo' />
</a>
</figure>
<figure class="logo-fig logo-title5">
<a href='https://tidyr.tidyverse.org' target="_blank">
<img src='https://tidyr.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
<figure class="logo-fig logo-title6">
<a href='https://stringr.tidyverse.org' target="_blank">
<img src='https://stringr.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
<figure class="logo-fig logo-title7">
<a href='https://lubridate.tidyverse.org' target="_blank">
<img src='https://lubridate.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
<figure class="logo-fig logo-title8">
<a href='https://magrittr.tidyverse.org' target="_blank">
<img src='https://magrittr.tidyverse.org/logo.png' class='logo' />
</a>
</figure>
<figure class="logo-fig logo-title9">
<a href='https://forcats.tidyverse.org' target="_blank">
<img src='https://forcats.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
<figure class="logo-fig logo-title10">
<a href='https://ggplot2.tidyverse.org' target="_blank">
<img src='https://ggplot2.tidyverse.org/logo.png' class='logo' />
</a>
</figure>
---
---
----
## Recap: Was haben wir bisher gelernt?
.pull-left[
**Session 1 – Themen:**
1. Daten einlesen (`readr`, `readxl`, `haven`)
2. Tidy Data – Prinzipien sauberer Datenstruktur
3. `tidyr` – Daten umformen
4. `dplyr::select()` & `dplyr::filter()` – Daten auswählen
]
.pull-right[
<img src="https://tidyverse.tidyverse.org/logo.png" width="80%" style="display: block; margin: auto;" />
]
---
----
## Recap: Daten einlesen
<figure class="logo-fig logo-fig-small">
<a href='https://readr.tidyverse.org' target="_blank">
<img src='https://readr.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
<figure class="logo-fig logo-fig-small2">
<a href='https://readxl.tidyverse.org' target="_blank">
<img src='https://readxl.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
<figure class="logo-fig logo-fig-small3">
<a href='https://haven.tidyverse.org' target="_blank">
<img src='https://haven.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
R kann nahezu jedes Datenformat einlesen. Die wichtigsten Packages:
| Format | Package | Funktion |
|--------|---------|----------|
| CSV (Komma) | `readr` | `read_csv()` |
| CSV (Semikolon) | `readr` | `read_csv2()` |
| Excel (.xlsx) | `readxl` | `read_excel()` |
| SAS / SPSS / Stata | `haven` | `read_sas()`, `read_spss()`, `read_dta()` |
| R-intern | base R | `readRDS()` / `saveRDS()` |
``` r
library(readr); library(readxl); library(haven)
df_csv <- read_csv("daten/datei.csv")
df_excel <- read_excel("daten/datei.xlsx")
df_sas <- read_sas("daten/datei.sas7bdat")
```
---
----
## Recap: Tidy Data
Drei einfache Regeln machen einen Datensatz *tidy*:
.pull-left[
1. Jede **Spalte** ist eine Variable
2. Jede **Zeile** ist eine Beobachtung
3. Jede **Zelle** enthält genau einen Wert
**Vorteile:**
- Konsistente Struktur für alle Tools
- R-Funktionen arbeiten nativ mit Tidy Data
]
.pull-right[
```
## # A tibble: 4 × 3
## kanton datum wert
## <chr> <date> <dbl>
## 1 TG 2024-01-01 100
## 2 TG 2024-01-02 102
## 3 BS 2024-01-01 88
## 4 BS 2024-01-02 90
```
<p class="check-yes">&#10003</p>
]
---
----
## Recap: Tidy Data – Gegenbeispiele
.panelset[
.panel[.panel-name[Mehrere Werte in einer Zelle]
```
## # A tibble: 2 × 2
## kanton werte
## <chr> <chr>
## 1 TG 100 / 102
## 2 BS 88 / 90
```
<p class="check-no">&#10060;</p>
]
.panel[.panel-name[Variablen als Spaltenköpfe]
```
## # A tibble: 2 × 3
## kanton `2024-01-01` `2024-01-02`
## <chr> <dbl> <dbl>
## 1 TG 100 102
## 2 BS 88 90
```
<p class="check-no">&#10060;</p>
]
.panel[.panel-name[Tidy – korrekt]
```
## # A tibble: 4 × 3
## kanton datum wert
## <chr> <date> <dbl>
## 1 TG 2024-01-01 100
## 2 TG 2024-01-02 102
## 3 BS 2024-01-01 88
## 4 BS 2024-01-02 90
```
<p class="check-yes">&#10003;</p>
]
]
---
----
## Recap: tidyr
<figure class="logo-fig logo-fig-small">
<a href='https://tidyr.tidyverse.org' target="_blank">
<img src='https://tidyr.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
Das `tidyr` Package bringt Daten ins Tidy-Format.
.panelset[
.panel[.panel-name[pivot_longer]
Mehrere Spalten → eine Spalte (*Long Format*)
``` r
df %>%
pivot_longer(cols = c("wert_a", "wert_b"),
names_to = "indikator",
values_to = "wert")
```
]
.panel[.panel-name[pivot_wider]
Eine Spalte → mehrere Spalten (*Wide Format*)
``` r
df %>%
pivot_wider(names_from = "kanton",
values_from = "wert")
```
]
.panel[.panel-name[separate_wider_delim]
Eine Spalte aufteilen (neu: `separate_wider_delim()`)
``` r
df %>%
separate_wider_delim(col = datum,
delim = "-",
names = c("jahr", "monat", "tag"))
```
> `separate()` ist veraltet – bitte `separate_wider_delim()` verwenden.
]
.panel[.panel-name[unite]
Mehrere Spalten zusammenführen
``` r
df %>%
unite(col = "datum", jahr, monat, tag, sep = "-")
```
]
]
---
----
## Recap: dplyr::select()
<figure class="logo-fig logo-fig-small">
<a href='https://dplyr.tidyverse.org' target="_blank">
<img src='https://dplyr.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
`select()` wählt **Spalten** aus einem Datensatz aus oder entfernt sie.
.panelset[
.panel[.panel-name[Nach Name]
``` r
df %>% select(kanton, datum, wert)
```
]
.panel[.panel-name[Bereich]
``` r
df %>% select(kanton:wert) # alle Spalten von kanton bis wert
```
]
.panel[.panel-name[Entfernen mit -]
``` r
df %>% select(-datum) # datum entfernen
```
]
.panel[.panel-name[Hilfsfunktionen]
``` r
df %>% select(starts_with("wert"))
df %>% select(contains("datum"))
df %>% select(where(is.numeric))
```
]
]
---
----
## Recap: dplyr::filter()
<figure class="logo-fig logo-fig-small">
<a href='https://dplyr.tidyverse.org' target="_blank">
<img src='https://dplyr.tidyverse.org/logo.png' class='logo'/>
</a>
</figure>
`filter()` wählt **Zeilen** aus, die eine Bedingung erfüllen.
.panelset[
.panel[.panel-name[Einfach]
``` r
df %>% filter(kanton == "TG")
df %>% filter(wert > 100)
```
]
.panel[.panel-name[Mehrere Bedingungen]
``` r
# UND: beide Bedingungen müssen zutreffen
df %>% filter(kanton == "TG" & wert > 100)
# ODER: mindestens eine muss zutreffen
df %>% filter(kanton == "TG" | kanton == "BS")
```
]
.panel[.panel-name[%in% Operator]
``` r
# Abgleich mit einem Vektor
df %>% filter(kanton %in% c("TG", "BS", "ZH"))
```
]
.panel[.panel-name[Kombiniert mit select]