14  Tipps und Tricks

14.1 Dataframes speichern und laden

Dataframe speichern und laden 1/3

Manchmal dauert es lange einen bestimmten Dataframe zu erzeugen. Dies kann zum Beispiel der Fall sein, wenn die Daten zuerst aus dem Internet heruntergeladen werden müssen. Dann macht es oft Sinn, das Projekt in zwei Dateien aufzuteilen:

  1. In der einen qmd-Datei werden die Daten geladen und aufbereitet. Die fertigen Daten können dann auf der Festplatte abgelegt werden.

  2. In einer anderen qmd-Datei werden die aufbereiteten Daten von der Festplatte eingelesen und dann statistisch ausgewertet.

Diese Vorgehensweise lässt sich mit wenig Aufwand durch die Funktionen save und load realisieren.

Dataframe speichern und laden 2/3

d <- tibble(A = c(1, 2, 3), B = c("u", "v", "w"))
save(d, file = "daten/test.RData")
rm(list = "d")

Dataframe d

  1. anlegen
  2. in der Datei daten/test.RData speichern
  3. löschen (nur für Demonstrationszwecke)

Dataframe speichern und laden 3/3

load("daten/test.RData")
d
  • Dataframe d wurde aus der Datei geladen und ist jetzt wieder vorhanden
  • Einlesen geht auch für umfangreiche Datensätze sehr schnell

14.2 Zeichenketten suchen und ersetzen

Beispieldatensatz

d <- tibble(
  Name = c("unistrasse_nord", "unistrasse_sued", "markstrasse_ost", "markstrasse_west"),
  Wert = c(10, 20, 4, 8)
)
d

Richtung löschen

d |>
  mutate(NameKurz = str_replace(Name, "_nord|_sued|_ost|_west", ""))
  • Mit str_replace Richtungen durch eine leere Zeichenkette ersetzen
  • Verschiedene zu ersetztende Zeichenketten mit | trennen

14.3 Daten mit sehr vielen Merkmalen und/oder kryptischen und/oder langen Namen für Spalten

🎥 Erklärvideo

Beispieldatensatz

d <- read_csv2("daten/Jawe2020.csv", locale = locale(encoding = "ISO-8859-1"))
d
  • Daten zu Dauerzählstellen von der Bast
  • Tabelle mit 235 Spalten
  • Idee: Auswahl und Benennung der Spalten in Excel-Tabelle

Schritt 1: Tabelle anlegen und in Excel bearbeiten

colnames(d) |>
  as_tibble_col(column_name = "name_alt") |>
  write_csv("daten/jawe-spalten.csv")

  • jawe-spalten.csv in Excel öffnen
  • Spalten benennen
  • Als Excel-Dokument speichern

Schritt 2: Namen einlesen und umbenennen

colnames <- read_excel("daten/jawe-spalten.xlsx") |>
  filter(!is.na(name_neu)) |>
  select(name_neu, name_alt) |>
  deframe()
d1 <- d |> select(all_of(colnames))
  • Namen der Spalten
    • Tabelle einlesen
    • Zeilen mit neuem Namen
    • Spalten anordnen
    • Mit deframe in named vector konvertieren
  • Dataframe
    • Spalten aus colnames

14.4 Namen von Spalten enthalten Merkmale und Werte

🎥 Erklärvideo

Beispieldatensatz

d_f <- read_excel("daten/familien-1.xlsx")
d_f
  • Unhandlich
  • Ziel: Tabelle mit einer Zeile je Kind

Schritt 1: Alles in eine Zeile

d1 <- d_f |>
  pivot_longer(
    cols = starts_with("kind"), values_transform = as.character, values_drop_na = TRUE
  )
  • Alle Spalten, die mit “kind” anfangen auswählen
  • Name der Spalte wird Merkmal ‘name’
  • Wert wird Merkmal ‘value’
  • Einträge in Zeichenketten konvertieren
    • nur falls unterschiedliche Werte
  • Zeilen ohne Werte wegwerfen

Schritt 2: Spalten für Kind und Merkmal

d2 <- d1 |>
  separate(name, into = c(NA, "kind", "merkmal"))
  • Inhalt von Variable name in Variablen kind und merkmal aufteilen
  • Nicht benögte Spalte mit NA

Schritt 3: Spalten für Merkmale

d3 <- d2 |>
  pivot_wider(names_from = merkmal, values_from = value) |>
  mutate(alter = as.integer(alter))
  • Aus Inhalt der Spalte Merkmal werden Namen von Spalten
  • Werte aus Spalte value einsetzen
  • Alter wieder in Zahl umwandeln (optional)

In einem Rutsch

d_k <- d_f |>
  pivot_longer(
    cols = starts_with("kind"), values_transform = as.character, values_drop_na = TRUE
  ) |>
  separate(name, into = c(NA, "kind", "merkmal")) |>
  pivot_wider(names_from = merkmal, values_from = value) |>
  mutate(Alter = as.integer(alter))

In einem Rutsch

d_k

14.5 Namen von Spalten enthalten Merkmale und es gibt Defaultwerte

🎥 Erklärvideo

Beispieldatensatz

d_f <- read_excel("daten/familien-2.xlsx")
  • Unhandlich
  • Ziel: Tabelle mit einer Zeile je Kind
  • Werte aus Spalte Schule alle Kinder übernehmen

Schritt 1: Alles in eine Zeile

d1 <- d_f |>
  pivot_longer(cols = starts_with("kind"), values_to = "schule")
  • Alle Variablen mit "kind"

Schritt 2: Spalte für Kind

d2 <- d1 |>
  separate(name, into = c(NA, "kind", NA)) |> mutate(kind = as.integer(kind))
  • Von den neuen Spalten nur kind behalten
  • In Zahl umwandeln

Schritt 3: Defaultwert raussuchen

d3 <- d2 |>
  mutate(
    schule = if_else(is.na(schule) & kind <= anzahl_kinder, schule_alle_kinder, schule)
  ) |>
  filter(!is.na(schule)) |>
  select(-schule_alle_kinder, -anzahl_kinder)
  • Defaultwert übernehmen, falls
    • kein Wert für Schule
    • Nummer des Kindes kleiner gleich Anzahl Kinder
  • Ansonsten alten Wert beibehalten
  • Zeilen ohne Schule löschen

In einem Rutsch

d_k <- d_f |>
  pivot_longer(cols = starts_with("kind"), values_to = "schule") |>
  separate(name, into = c(NA, "kind", NA)) |>
  mutate(Kind = as.integer(kind)) |>
  mutate(
    schule = if_else(
      is.na(schule) & kind <= anzahl_kinder, schule_alle_kinder, schule
    )
  ) |>
  filter(!is.na(schule)) |>
  select(-schule_alle_kinder, -anzahl_kinder)

In einem Rutsch

d_k