R Befehle mit Beispiel Flashcards

1
Q

Wurzel ziehen von 4

A

sqrt(4)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

3 hoch 4

A

3^4

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Absoluter Betrag von 8

A

abs(8)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Objekt erstellen

A

Objekt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Def: Vektor

A

Eine Menge von Elementen (num, chr)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Def: Faktor

A

Variable mit Nominalskalenniveau

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Def: Data-Frame

A

Ein Datensatz aus Vektoren und/oder Faktoren

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Befehl: Combine

A

c(“Anführungszeichen”)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Befehl: Um welche Art Objekt handelt es sich?

A

Structure: str( )

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Befehl: Objekte löschen

A

rm( )

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Befehl: alle Objekte im Environment löschen

A

rm(list=ls( ))

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Befehl: Arbeitsverzeichnis festlegen

A

setwd(“Pfad”)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Befehl: Arbeitsverzeichnis abfragen

A

getwd( )

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Wann muss man das Arbeitsverzeichnis festlegen?

A

Bei jedem Start von R

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

B: Paket installieren

A

install.packages(“Anf.Zeichen”)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

B: Paket laden (nach installation)

A

library( )

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Wofür steht .csv?

A

Comma Seperated Values (zB. Excel)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

B: Daten einlesen allgemein

A

read.table( header=T/F, sep=”\t”, dec=”./,/;”)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Bsp: Objekt “piraten” erstellen aus Datensatz piraten.txt. Erste Zeile Variablennamen, Tab-stop als Trennung, Punkt als Dezimaltrenner.

A

piraten PF read.table(file=”piraten.txt”, header=T, sep=”\t”, dec=”.”)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Bsp: Objekt “piraten” als .txt speichern mit Tab als Trenneinheit und ohne Zeilennummerierung

A

write.table( piraten, “neuerName.txt”, sep=”\t”, row.names=FALSE)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

B: Objekte speichern als .txt

A

write.table( )

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

B: .RData einlesen

A

load(file=”datei.RData”)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

B: Objekte in .RData-Format speichern

A

save(piraten, file=”neuerName.RData”)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

B: Alle Objekte im Environment speichern

A

save.image(file=neuerName.RData”)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Was versteht man unter “wide format”?

A

Zeilen: Objekte Spalten: Variablen Gegenstück: “long format”

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

B: Datensatz in extra Fenster anschauen

A

View( )

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

B: Variablennamen aus Datensatz abfragen

A

names( )

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

B: Variablenklasse in “numeric” ändern

A

as.numeric(object$variable)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

B: Variablenklasse in “character” ändern

A

as.character(object$variable)

30
Q

B: Variablenklasse in “factor” ändern

A

as.factor(object$variable)

31
Q

B: Variablenklasse in “factor” ändern, dabei aber “1” und “2” als “ja” und “nein” festlegen

A

factor(object$variable, levels=c(1, 2) labels=c(“ja”, “nein”))

32
Q

B: Schreibweise “für >1 (1 bis höchste)

A

1:hi

33
Q

Bsp: Umcodieren einer Variable in z.B. < 5 und 5 und ≥5

A

object$variableNEW

34
Q

B: Umcodieren einer Variable

A

recode( )

35
Q

Format für Subsetting

A

Eckige Klammern []

36
Q

Bsp: Betrachte nur Spalte 3 (alle Zeilen)

A

object[,3]

37
Q

Bsp: Betrachte in Spalte 5 die Zeilen 3 bis 30

A

object[3:30,5]

38
Q

Richtige Reihenfolge für Spalten und Zeilen beim Subsetting?

A

object[Zeile, Spalte]

39
Q

Bsp: Betrachte nur Spalte “Alter” und alle Zeilen ab Zeile 15

A

object[15:hi, “Alter”]

40
Q

Nach dem Subsetting gibt das Programm einen modernisierten Datensatz aus. Wie heißt dieser Auszug aus dem ursprünglichen?

A

“tibble” z.B. aus object[1:15, “marke”]

41
Q

B: Löschen der Variable in Spalte 2 (Durch Erstellen eines aktualisierten Datensatzes)

A

objectOhne PF object[,-2]

42
Q

Löschen der Variablen in Spalte 4 und 5 (Durch Erstellen eines aktualisierten Datensatzes)

A

objectOhne PF object[,-c(4,5)]

43
Q

Durch welches Symbol kann man in R “nicht” ausdrücken?

A

!

44
Q

Durch welches Symbol kann man in R “gleichlautend” ausdrücken?

A

%in%

45
Q

objectNeu PF object[,!names(object) %in% “X”]

A

“Nimm alle Variablen, deren Name nicht gleichlautend mit X ist”

46
Q

Bsp: Geziehlt einen neuen Datensatz ohne Variable “Jahr” erstellen

A

objectNeu PF object[,!names(object) %in% “Jahr”]

47
Q

Bsp: Geziehlt einen neuen Datensatz ohne Variablen “Jahr” und “Alter” erstellen

A

objectNeu PF object[,!names(object) %in% c(“Jahr”, “Alter”)]

48
Q

Weiterer Befehl, um Variablen zu löschen

A

subset( )

49
Q

Durch welches Symbol kann man in R “ist gleich” ausdrücken?

A

==

50
Q

Bsp: Datensatz anlegen, in dem nur folgende Objekte vorkommen: Mit Variable ist gleich “Bio” (oder NA)

A

objectBIO PF object[object$variable==”Bio”,]

51
Q

Bsp: Datensatz mithilfe von subset-Befehl erstellen, wo ‘Variable ist gleich “Bio”’ zutrifft (ohne fehlende Fälle)

A

subset(piraten, variable==”Bio”)

52
Q

Bsp: Datensatz anlegen, in dem nur folgende Objekte vorkommen: Mit variable ist gleich “Bio” UND gesund größer als 3

A

objectBIOGes PF object[object$variable==”Bio” & object$variable (gr.als) 3 ,]

53
Q

Durch welches Symbol kann man in R “und” ausdrücken?

A

& (und)

54
Q

Durch welches Symbol kann man in R “oder” ausdrücken?

A

|

55
Q

B: Abfragen, ob es fehlende Werte gibt

A

is.na( ) #Ausgabe als TRUE (es fehlt ein Wert) oder FALSE

56
Q

B: Abfragen, welche Werte fehlen (zwei Befehle)

A

which(is.na(object))

57
Q

B: Alle Fälle mit fehlenden Werten ausschließen

A

na.omit( )

58
Q

Bsp: Eine neue Variable (Spalte) erstellen, die jeweils die Summe der Reihen (1-10) berechnet

A

rowSums(rosenberg[,c(1:10)])

59
Q

super praktischer Befehl, um abzufragen ob es fehlende Werte gibt:

A

anyNA( )

60
Q

B: Wie berechnen wir die Gefährlichkeit der Piraten, je nach Ausprägung der Variable meer?

Befehl aus dem psych-Paket

A

describeBy(piraten$gefahr, piraten$meer)

61
Q

Mit welchem Befehl, neben describeBy( ) kann man z.B. den Mittelwert zwischen den Variablen ausgeben lassen?

z.B. zwischen

“gefahr” und “meer”

A

Man spezifiziert die Variable, auf die der Befehl anzuwenden ist, dann die Variable, nach deren Ausprägungen unterteilt werden soll, und zuletzt die Funktion:

by(piraten$gefahr, piraten$meer, mean, na.rm=T)

62
Q

ggB: mit welchem Befehl kann man eine Zusammenfassung der Mittelwerte in Form eines Säulendiagrammes ausgeben lassen?

A

stat_summary(fun.y=mean, geom=”bar”)

63
Q

B: Wie können wir mithilfe von R den Produkt-Moment-Korrelationskoeffizienten

Achtung: wir möchten nur Korrelation bei Werten berechnen, bei denen beiden Variablen ein Wert zugeteilt ist

A

cor(objekt$var1, objekt$var2, use=”pairwise.complete.obs”)

64
Q

B: Wie geben wir eine Tabelle mit den Korrelationswerten dreier Variablen aus?

Auch hier sollen nur komplette Paare berechnet werden.

A

cor(objekt[c(“var1”, “var2”, “var3”)], use=”pairwise.complete.obs”)

65
Q

B: Wie lassen wir die Berechnung einer Regressionsgerade ausgeben, die die Variable 1 anhand der Variable 2 voraussagt?

A

lm( objekt$var1 ~ objekt$var2)

66
Q

Bsp: Wir möchten aus dem Datensatz piraten einen neuen Datensatz erstellen, der nur die Objekte mit der Variable meer gleich Nordpazifik enthält.

A

NeuesObj♦

piraten[piraten$meer==”Nordpazifik”,]

67
Q

Bsp: Es wurde ein Ausreißerwert identifiziert (14 Schätze). Berechnen wir nun die Korrelation der beiden Variablen gefahr und schaetze unter Ausschluss des einzelnen Ausreißers.

Achtung: Nur paarweise vorhandene Variablen verwenden

A

cor(piraten_np$schaetze[piraten_np$schaetze!=14], piraten_np$gefahr[piraten_np$schaetze!=14], use=”pairwise.complete.obs”)

68
Q

B: Wie können wir diesen Befehl so anpassen, dass der Objektträger mit schaetze=14 ausgeschlossen wird?

lm(piraten_np$schaetze ~ piraten_np$gefahr)

A

Bei beiden korrelierten Variablen muss durch Selektion der Wert ausgeschlossen werden ( ! = )

piraten_np$schaetze[piraten_np$schaetze!=14]

(Gleiches für $gefahr)

69
Q

B: Wie erstellen wir eine Kreuztabelle?

A

CrossTable( )

CrossTable(piraten$schwimmen, piraten$besitzer_in)

70
Q

B: mit welchem Befehl können wir den phi-Koeffizienten aus einer Tabelle zweier dichotomer Variablen berechnen?

A

phi( )

phi(table(piraten$schwimmen, piraten$besitzer_in))

71
Q

Bsp: Wir möchten per Hand den phi-Koeffizienten berechnen. Aus der Kreuztabelle übernehmen wir die Werte in welcher Reihenfolge?

A

von links oben nach rechts unten

phi(c(22, 14, 18, 21))

72
Q

Wie lautet der Befehl zur Bestimmung der Korrelation durch Spearman’s Rho?

A

cor(objekt$var1, objekt$var2, method=”spearman”, use=”pairwise.complete.obs”)