class: center, middle, inverse, title-slide .title[ # Wissenschaftliches Programmieren mit R ] .subtitle[ ## Funktionen und Kontrollstrukturen ] .author[ ### Andreas Blaette ] .date[ ### 25. Mai 2023 ] --- # Datenformate und Tabellen Revisited - Man wird sich an eine Reihe von Datenformaten gewöhnen müssen: - txt (plain text) - csv / tsv (comma separated values / tab separated values) - json (für Web-Technologien verbreitet) - XML (eXtended Markup Language) - Es gibt Alternativen zum "base R" `data.frame`: - `tibble` (verbesserte Ausgabe) - `data.table` (Vermeidung des Kopierens von Daten) - Das dplyr-Paket bietet ein weit verbreitetes Vokabular zur Arbeit mit Tabellen - Mind the tidyverse! --- # Artithmetische Operatoren (Wdh.) * Mit arithmetischen Operatoren kann man mit Vektoren rechnen | Operator | Description | |----------|--------------| | + | addition | | - | subtraction | | * | multiplication | | / | division | | ^ or ** | exponentiation | - Beachte: Länge des zweiten Vektors muss entweder 1 oder identisch mit der des ersten Vektors sein. - Die Reihenfolge der Anwendung arithmetischer Operatoren lässt sich durch Klammern steuern => Umsetzung von Formeln wie in der gängigen mathematischen Notation´ --- # Logische Operatoren | Operator | Description | |----------|-------------| | < | kleiner als / less than | | <= | kleiner gleich / less than or equal to | | > | größer als / greater than | | >= | größer gleich / greater than or equal to | | == | exakt gleich / exactly equal to | | != | ungleich / not equal to | | !x | nicht x / Not x | | x & y | x UND y / x AND y | | isTRUE(x) | ist wahr? / test if X is TRUE | - Beachte: Logische Operatoren werden auf Vektoren angewendet, das Ergebnis kann ein logischer Vektor der Länge > 1 sein - Oft ist der Operator `%in%` nützlich, um das Auftreten der Elemente eines Vektors in einem zweiten Vektor zu prüfen --- # Kontrollstrukturen: if-else ```r schokolade <- c("milka", "lindt", "ritter-sport", "alpia", "schogetten") schokolade[4] == "alpia" ``` ``` ## [1] TRUE ``` ```r if (schokolade[5] != "alpia"){ print("her mit dem zeug") } else { print("bleib mir weg damit") } ``` ``` ## [1] "her mit dem zeug" ``` - Beachte: - Zeilenumbrüche werden so gesetzt, dass dies die Lesbarkeit des Codes optimiert - geschweifte Klammern können entfallen, wenn der auszuführende Ausdruck aus nur einer Funktion besteht - Abfragen können beliebig mit `else if` erweitert werden´ --- # Kontrollstrukturen: for-Schleifen - einfaches Iterieren durch einen numerischen Vektor ```r for (i in c(1,2,3,4,5)) print(i) # auch für character vectors, logische vektoren ``` - oft sieht mqn dies: Iteration durch eine Zahlenreihe ```r for (i in 1:5){ print(i) } ``` - man kann auch durch einen character vector iterieren ```r for (i in c("a", "b", "c")){ print(i) } ``` - und dabei kann natürlich der Vektor schon früher definiert worden sein ```r for (schoki in schokolade) print(schoki) ``` - oft arbeitet man auch mit der Indizierung eines Vektors ```r for (i in 1:length(schokolade)) print(schokolade[i]) ``` --- # Verknüpfung von Kontrollstrukturen Hier ein ganz einfaches Szenario, das man aber in der Praxis oft nutzen kann: Iteration durch einen Vektor und Durchführung einer Anweisung, wenn eine bestimmte Bedingung erfüllt ist. ```r for (schoki in schokolade){ if (schoki == "alpia"){ print("großer jubel") } else { print("weg damit!!!!") } } ``` ``` ## [1] "weg damit!!!!" ## [1] "weg damit!!!!" ## [1] "weg damit!!!!" ## [1] "großer jubel" ## [1] "weg damit!!!!" ``` --- # Definition von Funktionen ```r add_one <- function(x){x + 1} add_one(1) ``` ``` ## [1] 2 ``` ```r add_anything <- function(x, y){x + y} add_anything(5, 5) ``` ``` ## [1] 10 ``` - Beachte: Der letzte Ausdruck einer Funktion fungiert als Rückgabewert - Beim Aufruf einer Funktion kann die Benennung der Argumente entfallen --- # Funktionen II - Argumente können "default values" haben ```r add_anything_default <- function(x, y = 2){ x + y } add_anything_default(x = 5) ``` ``` ## [1] 7 ``` ```r add_anything_default(x = 5, 3) ``` ``` ## [1] 8 ``` ```r add_anything_default(x = 5, y = 6) ``` ``` ## [1] 11 ``` --- # Funktionen richtig anwenden Warum es gut ist, Funktionen zu verstehen ... Ein kleines Szenario: ```r tab <- read.table( "https://opendata-duisburg.de/sites/default/files/Corona%2030.04.2020.csv", sep = ";" ) tab[1:5,] ``` ``` ## V1 V2 V3 V4 V5 ## 1 Datum  Bestätigte Fälle  Aktuell infiziert  Genesen  Verstorben ## 2 30.04.2020   841   205   615   21  ## 3 29.04.2020   819   195   604   20  ## 4 28.04.2020   806   198   589   19  ## 5 27.04.2020   799   200   580   19  ``` Was muss man tun, um eine ordentliche Tabelle zu importieren? --- # Funktionen und Pipes Insbesondere im "tidyverse"-Ökosystem sind Verkettungen von Funktionsaufrufen über "Pipes" gängig. Hier wird der Rückgabewert einer Funktion zum ersten Argument der nachfolgenden Funktion, die mit dem Pipe-Operator `%>%` angebunden wird. ```r library(magrittr) tab <- read.table("https://opendata-duisburg.de/sites/default/files/Corona%2030.04.2020.csv", sep = ";", header = TRUE) tab[["Datum"]] <- as.Date(tab[["Datum"]], format = "%d.%m.%Y ") tab %>% subset(Datum >= as.Date("2020-04-01")) %>% barplot(height = .[["X.Aktuell.infiziert"]]) ``` --- # Ausblick: sapply - es ist kaum etwas so "Rish" wie lapply ```r lapply(1:3, function(x){x + 1}) ``` ``` ## [[1]] ## [1] 2 ## ## [[2]] ## [1] 3 ## ## [[3]] ## [1] 4 ``` ```r sapply(1:3, function(x){x + 1}) ``` ``` ## [1] 2 3 4 ``` - Einsatz: Splitten einer Tabelle entsprechend eines Vektors, Anwendung einer Funktion und Re-Kombination --- # Aufgabe Analysieren Sie die Altersstruktur der Wähler_innen der Parteien bei der Bundestagswahl 2017 mit dem GLES-Datensatz. Legen Sie dafür ein mehrseitiges pdf-Dokument an: Auf jeder Seite soll ein Törtchen-Diagramm den prozentualen Anteil einer Alterskohorte zeigen. Tip: Vermutlich werden Sie mit einer Schleife arbeiten? Bevor eine Schleife durchgeführt wird, öffnen Sie ein pdf-Dokument. ```r pdf(file = tempfile()) ``` Dieses muss dann am Ende geschlossen werden ... ```r dev.off() ```