Öffnen wir RStudio das erste Mal, so erscheinen drei Fenster, umgeben von einigen Bedienelementen. Wie in Abbildung 3.1 zu sehen, ist auf der linken Seite eine Konsole, rechts oben befindet sich eine leere Arbeitsumgebung und rechts unten das Dateisystem.
Wir können nun in die Konsole R-Befehle eingeben, die dann nach Drücken der Enter-Taste ausgeführt werden.
Erst nachdem wir eine neue Datei mit File >> New File >> R Script (bzw. Strg + Shift + N (Linux, Windows) oder Cmd + Shift + N (macOS)) erstellen oder über das Dateisystem eine bereits existierende Datei öffnen, haben wir die vollständige Arbeitsumgebung.
Nach dem Öffnen einer Datei ist das RStudio, wie unten auf dem Bild zu sehen, aufgeteilt. Die drei wichtigsten Bereiche sind der Editor, die Konsole und das Ausgabefenster.
↓ und ↑ auf die zuletzt eingegebenen Befehle zurückgreifen.+ statt mit einem >. Der Ausdruck kann dann weiter eingegeben werden, als ob es keinen Zeilenumbruch gegeben hätte.
+ am Anfang der Zeile wird automatisch erstellt und muss nicht geschrieben werden! Erst wenn alle Klammern geschlossen sind und der Ausdruck komplett ist, wird er ausgeführt (sofern möglich).
Ein Editor ist ein Fenster, in dem wir Text schreiben können, den wir dann in unserem Arbeitsverzeichnis als Datei abspeichern können.
Strg + Shift + N (Windows, Linux) oder Cmd + Shift + N (macOS)) wird ein Editor geöffnet.Strg + S (Windows, Linux) bzw. Cmd + S (macOS) gespeichert werden.Strg + Alt + S (Windows, Linux) bzw. Cmd + Option + S (macOS) gespeichert werden.
Wichtig zu erwähnen ist, dass Code, der in ein Skript geschrieben wird, erst einmal nicht ausgeführt wird, auch wenn die Enter-Taste gedrückt wird. Beim Ausführen müssen wir zwei verschiedene Szenarien unterscheiden:
R-Skript (Dateiendung .R):
Es besteht auch die Möglichkeit, über Tastenkombinationen (Shortcuts) nur Teile auszuführen: Tools >> Keyboard Shortcuts.
Quarto-Dokument (Endung .qmd)
Ein Quarto-Dokument führt nicht nur den geschriebenen R-Code aus, sondern erzeugt ein Dokument (z.B. html, pdf, revealjs). Dies ist insbesondere dann sinnvoll, wenn wir eine Dokumentation integrieren wollen oder unsere Daten präsentieren wollen. Quarto-Dokumente müssen daher kompiliert werden, was bei einem einfachen Dokument in der Regel mit dem Render-Knopf geschieht.
Ist der im Editor geschriebene R-Code offensichtlich fehlerhaft (fehlende Zuweisung, fehlende Klammer etc.), so erscheint am linken Rand ein rotes Kreuz und der Fehler wird durch eine rote Linie angezeigt.
Bei ‘schlechtem’ R-Code erscheint ggf. ein gelbes Dreieck.
Hier finden Sie eine kleine Übersicht, wie Sie Fehler finden und vermeiden können: Code Diagnostics
Unter Tools >> Global Options findet man praktische / empfehlenswerte Einstellungen:
Die Darstellung der Zeilenumbrüche im Editor: Damit vermeidet man beim Schreiben des Codes in einem Editor das Rechts-links-Scrollen.
Eine Anpassung des RStudios (Schriftgröße, -art, Farbschema, etc.)
seq() während die Funktion in die Konsole geschrieben wird.
↑ können die zuletzt aufgerufenen Befehle angezeigt und bei Bedarf verändert und ausgeführt werden.In Kapitel 3.1.2 haben wir bereits beschrieben, wie man den Editor nutzt. Warum ist das wichtig? Wenn wir R-Code oder allgemein Dateien schreiben, dann möchten wir diese abspeichern, sodass sie nicht verloren gehen. Genau dazu nutzt man einen Editor. Erstellt man im RStudio eine neue Datei über das Menü File >> New File >> R Script oder File >> New File >> Quarto Document…, so öffnet sich ein Editorfenster und ein leeres Skript erscheint, wobei beim Quarto-Dokument schon ein rudimentärer Header hinzugefügt werden kann.
Shift + Strg + N (Windows / Linux) / Cmd + Shift + N (macOS)
Nachdem man ein Skript geöffnet hat, sollte man es unter einem geeigneten Namen abspeichern. Dies geschieht wieder über das Menü File >> Save As….
Neben der Vergabe aussagekräftiger Dateinamen ist es auch sinnvoll, innerhalb des Skripts ordentlich zu arbeiten. Besonders hilfreich ist das Kommentieren von Code. Auch wenn es manchmal etwas lästig erscheint (Ich weiß ja, was ich dort gemacht habe!), ist es ausgesprochen sinnvoll, Code zu kommentieren. Es hilft nicht nur einem selbst, nach einer gewissen Zeit das Geschriebene (wieder) zu verstehen, sondern kann auch beim Austausch von Codeteilen mit anderen Personen diesen viel Arbeit ersparen.
Das Kommentieren geschieht mit Hilfe der Raute #. Alles Geschriebene nach der Raute wird von R ignoriert:
# Beispiel
# Das ist ein Kommentar
2 + 2 # Kommentar hinter R-Befehl[1] 4## -------------------------------------------
## Das hier ist ein auffälliger Kommentar
## über mehrere Zeilen
## auch mehrere Rauten sind erlaubt!
## -------------------------------------------RStudio bietet die Möglichkeit, Projekte zu erstellen. Die Vorteile bestehen darin, dass
Variablen, die im Arbeitsspeicher (Environment) auftauchen (oder auch mit der Funktion ls() sichtbar gemacht werden können), existieren prinzipiell nur so lange, wie die R-Sitzung dauert.
Es ist möglich, den Inhalt des Arbeitsspeichers und damit die Inhalte der Variablen zu speichern, allerdings geht dabei die Information verloren, wie diese Daten entstanden sind.
Viel wichtiger und besser ist es, die Datei / das Skript, welches die Variablen erzeugt, zu speichern. Damit können die Daten / Ergebnisse jederzeit rekonstruiert werden und gegebenenfalls Änderungen an der Erzeugung durchgeführt werden.
Daher ist es sinnvoll, unter Tools >> Global Options die Einstellungen zum Workspace wie im unteren Bild zu ändern.
Im Fall von Pfaden und Verzeichnissen muss man zwischen Mac/Linux- und Windows-Betriebssystemen unterscheiden.
Mac/Linux-Systeme nutzen in Pfaden den Schrägstrich / (Slash). Eine Datei hat dann zum Beispiel den Ort /home/tarantino/meineArbeit/dokument.pdf
Windows-Systeme nutzen in Pfaden den Backslash \, und dieselbe Datei von eben findet man unter \tarantino\meineArbeit\dokument.pdf
Allerdings kommt dem Backslash in R eine besondere Bedeutung zu, so dass man bei der Eingabe eines Windows-Pfades zwei Backslashes nutzen müsste. Die gute Nachricht ist, dass R auf allen Systemen mit dem einfachen Slash arbeiten kann, so dass alle Nutzer immer die Mac/Linux-Schreibweise nutzen können und sollten!
Absolute Pfade sehen auf Mac/Linux-Systemen anders aus als auf Windows-Systemen. Während absolute Windows-Pfade immer mit einem Großbuchstaben, dem Laufwerk (z.B. C:), oder einem Servernamen (z.B. \\servername) beginnen, starten Mac/Linux-Pfade mit einem Slash (/users/tarantino). Wann immer es möglich ist, sollten Sie auf die Angabe von absoluten Pfaden verzichten, weil es ein Teilen Ihres Codes verhindert: niemand wird genau die gleiche Verzeichnisstruktur wie Sie haben!
Ein letzter Unterschied ist, dass bei einem Mac/Linux-System die Tilde ~ ein Platzhalter für das home directory, das ist die oberste Hierarchie des Arbeitsverzeichnisses eines Benutzers, ist. Bei einem Windows-System gibt es das in der Form nicht.
In R gibt es ein Arbeitsverzeichnis (working directory). Dies ist der Ort, an dem gesucht wird, wenn Dateien geladen oder abgespeichert werden.
Man erhält das Arbeitsverzeichnis mittels der Funktion getwd(). Im RStudio sieht man das Arbeitsverzeichnis im Reiter Files (in Abbildung 3.15 Home > hochschule > vorlesungen).
getwd()[1] "/home/jansen/hochschule/homepage/skripte"setwd() oder dem Menüpunkt Set Working Directory kann ein Arbeitsverzeichnis gesetzt werden,# don't try this at home!
setwd("/pfad/ins/verderben/")allerdings gibt es eine sehr viel elegantere Variante dies zu tun, nämlich durch das Erstellen von Projekten.
Nutzt man R und RStudio regelmäßig, so arbeitet man oft an mehr als einem Projekt (z.B. verschiedene Vorlesungen, Studienarbeiten, Praktika, etc.). Es ist sinnvoll, alles, was mit einem Projekt assoziiert ist, zusammen aufzubewahren: (Roh-)Daten, R-Skripte, Analysen, Graphiken. Zu diesem Zweck gibt es im RStudio Projekte.
File >> New Project:
erstellt ein neues Projekt. Dabei hat man die Wahl, ob man ein neues Verzeichnis erstellt oder ein bereits existierendes verwendet.
File >> Open Project:
kann ein Projekt geöffnet werden. Dafür muss eine Datei mit der Endung .Rproj existieren.
File >> Recent Projects:
ist schneller, einfacher und praktischer: hier findet man eine Liste der letzten Projekte.
File >> Close Project:
beendet das aktuelle Projekt (temporär) ohne RStudio zu schließen.
Der Wechsel von einem Projekt zum nächsten geschieht am bequemsten über das Dropdown-Menü rechts oben.
hochschule/ erstellt. Die Struktur könnte wie folgt aussehen:Empfohlene Ordnerstruktur:
hochschule/DataAnalytics/
├── DataAnalytics.Rproj ← Projektdatei (nie manuell bearbeiten)
├── daten/
│ ├── raw/ ← Rohdaten (nie verändern!)
│ └── processed/ ← aufbereitete Daten
├── skripte/ ← R- und Quarto-Dateien
├── output/ ← Tabellen, Grafiken
└── README.md ← Kurzbeschreibung des Projekts
hochschule/DataAnalytics zu finden.
Erstellen Sie je ein RStudio-Projekt für jede Datenanalyse / jedes Projekt.
Bewahren Sie alle (Roh-)Daten in dem zugehörigen Projektverzeichnis auf.
Speichern Sie im selben Verzeichnis auch alle Skripte, editieren Sie diese und führen Sie die Skripte teilweise oder komplett aus.
Speichern Sie die Ausgaben (Grafiken und bereinigte Daten), wenn Sie diese verteilen oder mit ihnen weiterarbeiten wollen.
Benutzen Sie in R-Skripten statt absoluten ausschließlich relative Pfade. Dadurch wird es möglich, komplette Projektordner auf anderen Rechnern laufen zu lassen (z.B. wenn man mit mehreren Menschen an einem Projekt arbeitet oder auf verschiedenen Rechnern).
Laden Sie Pakete in Ihren R-Skripten mit Hilfe des Pakets pacman und der Funktion p_load(). Dies gewährleistet, dass installierte Pakete geladen und nicht installierte Pakete automatisch installiert und geladen werden.
Mit dem RStudio können Datensätze, die zum Beispiel als csv-Datei oder als Excel-Datei vorliegen, direkt eingelesen werden.
Textdateien sind oft als csv-Dateien gespeichert. Das csv steht für comma-separated values, was bedeutet, dass die Merkmale durch Kommata getrennt sind. Da das Komma im Deutschen als Dezimaltrenner dient, sind deutschsprachige csv-Dateien oft durch Semikola getrennt.
Haben die Merkmale keine Namen, so müssen wir den Haken bei First Row as Names entfernen. Es werden dann generische Merkmalsnamen X1, X2, etc. vergeben.
Sind die Merkmalsnamen nicht in der ersten Zeile, sondern erst in einer späteren, so können wir mit Skip angeben, wie viele Zeilen ignoriert werden sollen.
Das Einlesen der Excel-Dateien ist in der Regel unproblematisch. Analog zu den Textdateien sucht man über das Menü Import Dataset >> From Excel >> Browse… die einzulesende Datei aus.
Danach muss sichergestellt werden, dass
