Grafiken und Statistik in R

Weitere Magazine

Empfehlungen

Info

� 2.3 Datenumgang 2 Daten dbSendQuery(verbindung, sql[2]) # UPDATE ausführen dbDisconnect(verbindung) # Verbindung trennen detach(package:RMySQL) # Paket entfernen Eigene Funktionen einlesen # Funktion vorher in separate Datei speichern source("../functions/plot.depth.en.R") # die Funktion "plot.depth.en" einlesen � alle Konsolenausgaben werden unterdrückt und müssen mit cat(...) oder print(...) angefordert werden. Es empfiehlt sich allgemein immer eingelesene Objekt mit attach(...) in den Suchpfad von aufzunehmen, da die einzelnen Spalten/Variablen sich dadurch direkt mit ihrem Namen ansprechen lassen. Sonst müßte man zusätzlich in den Funktionen angeben: Funktion(..., data="datenobjekt") oder mit $-Zeichen darauf zugreifen. In einem Beispiel heißt mein eingelesenes Datenobjekt diatomeen mit 72 Spalten. Ohne attach(diatomeen) müßte ich die Spalte depth mit diatomeen$depth ansprechen. Lasse ich hingegen vorher attach(diatomeen) durchführen, brauche ich nur depth schreiben, um etwas mit der Spalte depth zu rechnen, zeichnen usw. – erspart also Schreibarbeit. Wieder entfernen geht mit detach(diatomeen). 2.3.2 Daten von R einlesen In enthalten sind auch Beispieldatensätze. data(package = .packages(all.available = TRUE)) # Datensätze aller Pakete anzeigen data() # Datensätze nur der geladenen Pakete data(volcano) # Daten "volcano" laden Hat man -Anweisungen wie z. B. Funktionen separat in einer Datei, kann man sie mit source(..) auslesen. Ausgaben zur Konsole werden aber unterdrückt und müssen explizit mit cat("Infotext zur Konsole") oder print(..) angefordert werden. source("/Pfad/zur/Datei.r") # Funktionen einlesen Ähnlich arbeitet die Funktion dget(..) nur liest sie mit dput(..) geschriebene ASCII- -Objekte ein. dget("/Pfad/zur/Datei.txt") # ASCII-R-Objekt einlesen 2.3.3 Speichern/Auslesen Es gibt viele Möglichkeiten Daten abzuspeichen (s. ausführliche Dokumentation „R Data Import/Export“ in der HTML-Hilfe). Hierbei gibt es oft Pakete, die Nicht-R-Daten lesen und meist auch schreiben können, wie das Extra-Paket library(foreign) z. B. auch DBF-Dateinen schreiben kann. Klassischerweise lassen sich Daten mit write.table(...)in eine ASCII - Datei auslesen, z.B.: als (*.txt) oder Komma - Getrennte Datei (*.csv). write.table("arten" , file="output.csv", sep=";" , dec="," ) � Aufpassen mit Dezimaltrennzeichen; die Funktion schreibt direkt ins aktuelle Arbeitsverzeichnis -Objekte lassen sich natürlich in Form einer Sitzungs-Speicherung (workspace) sichern. Einzelne R-Daten- Objekte aber auch zusätzlich mit dput() dput("meinRObjekt" , file="meinRObjekt.ascii", ) # einzelnes R-Objekt als ASCII Datei abspeichern 16
2 Daten 2.3 Datenumgang 2.3.4 Eingeben/Erzeugen Geht über Tabellenblatt oder direkte Eingabe. Einlesen durch direkte Eingabe in Konsole datensatz = scan() # R schaltet auf Datenscannen ein 4 6 46 9 27 # Daten eingeben auch mit Enter möglich datensatz # nochmal anzeigen Eingabe durch Tabellenblatt länge=2; breite=3 data.entry(länge, breite) # startet Eingabe über ein Tabellenblatt mit Startwerten 2 & 3 # Beispieldaten eingeben # quit # daten in Datenobjekt zusammenführen (studie
Seite 1 und 2: Skript zum Umgang und zur multivari
Seite 3 und 4: Inhaltsverzeichnis Abbildungsverzei
Seite 5 und 6: 3.2.16 Balkendiagramme/Histogramme
Seite 7 und 8: 4.6.1 Umkehrpunkte . . . . . . . .
Seite 9 und 10: 1 Allgemeines Benutzung des Skripte
Seite 11 und 12: 1 Allgemeines 1.2 Blitzstart die Au
Seite 13 und 14: 1 Allgemeines 1.2 Blitzstart 1.2.2
Seite 15 und 16: 1 Allgemeines 1.2 Blitzstart m[1,]
Seite 17 und 18: 1 Allgemeines 1.2 Blitzstart par(ma
Seite 19 und 20: 1 Allgemeines 1.4 Pakete laden, her
Seite 21 und 22: 2 Daten log(...) # natürlicher Log
Seite 23: 2 Daten 2.3 Datenumgang cat(file=ff
Seite 27 und 28: 2 Daten 2.3 Datenumgang # Reihe än
Seite 29 und 30: 2 Daten 2.3 Datenumgang sich natür
Seite 31 und 32: 2 Daten 2.3 Datenumgang # 1 (4.33,4
Seite 33 und 34: 2 Daten 2.4 Transformieren . . . .
Seite 35 und 36: 3 Grafik 3.1 Einstellungen Zusätze
Seite 59 und 60: 3 Grafik 3.2 Diagramme Für die Leg
Seite 61 und 62: 3 Grafik 3.2 Diagramme # subset in
Seite 63 und 64: 3 Grafik 3.2 Diagramme Entsprechend
Seite 65 und 66: 3 Grafik 3.2 Diagramme def.par
Seite 67 und 68: 3 Grafik 3.2 Diagramme Fallen mehre
Seite 69 und 70: 3 Grafik 3.2 Diagramme # Zufallsdat
Seite 71 und 72: 3 Grafik 3.2 Diagramme # Bsp.: Lini
Seite 73 und 74: 3 Grafik 3.2 Diagramme −20 −25
Seite 75 und 76:
3 Grafik 3.2 Diagramme # Gitternetz
Seite 77 und 78:
3 Grafik 3.2 Diagramme par(las=1) #
Seite 79 und 80:
3 Grafik 3.2 Diagramme par(las=1) #
Seite 81 und 82:
3 Grafik 3.2 Diagramme −20 −25
Seite 83 und 84:
3 Grafik 3.2 Diagramme plot.after =
Seite 85 und 86:
3 Grafik 3.2 Diagramme 3.2.16 Balke
Seite 87 und 88:
3 Grafik 3.2 Diagramme # mtext = ma
Seite 89 und 90:
3 Grafik 3.2 Diagramme polygon(x.bo
Seite 91 und 92:
3 Grafik 3.2 Diagramme # Sterndiagr
Seite 93 und 94:
3 Grafik 3.2 Diagramme data(volcano
Seite 95 und 96:
3 Grafik 3.2 Diagramme library(plot
Seite 97 und 98:
4 Statistik set.seed(25) # Zufallsg
Seite 99 und 100:
4 Statistik # allgemeine Modell Aus
Seite 101 und 102:
4 Statistik 4.3 Regressionsanalyse
Seite 103 und 104:
4 Statistik data(airquality) # Date
Seite 105 und 106:
4 Statistik } val
Seite 107 und 108:
4 Statistik rect.hclust(hc, h=50, w
Seite 109 und 110:
4 Statistik library(fpc) # Paket la
Seite 111 und 112:
4 Statistik msplot(boston.pv, edges
Seite 113 und 114:
4 Statistik # Dendrogramm verkürze
Seite 115 und 116:
4 Statistik 4.4.10 Heatmaps 4.4 Clu
Seite 117 und 118:
4 Statistik 4.4 Clusteranalyse 3. D
Seite 119 und 120:
4 Statistik similarities distances
Seite 121 und 122:
4 Statistik Methode pro & contra Be
Seite 123 und 124:
4 Statistik ostr.pca $ci s.arrow(o
Seite 125 und 126:
4 Statistik 4.5 Ordinationsmethoden
Seite 127 und 128:
4 Statistik # mit Maus platzieren l
Seite 129 und 130:
4 Statistik ?dune # Hilfe zum Daten
Seite 131 und 132:
4 Statistik # Schwerpunkt jeder Gru
Seite 133 und 134:
4 Statistik # gehören die Daten zu
Seite 135 und 136:
4 Statistik bnr2
Seite 137 und 138:
4 Statistik YY
Seite 139 und 140:
4 Statistik 4.8 Paläo - Rekonstruk
Seite 141 und 142:
4 Statistik 4.8 Paläo - Rekonstruk
Seite 143 und 144:
5 Programmierung # Grafik wieder 1x
Seite 145 und 146:
5 Programmierung 5.1 Benutzerfunkti
Seite 147 und 148:
6 Diverses NULL # default )# end sw
Seite 149 und 150:
6 Diverses 6.5 L ATEX/HTML Ausgaben
Seite 151 und 152:
7 Linkliste - Tutorien - Pakete We
Seite 153 und 154:
7 Linkliste - Tutorien - Pakete Abb
Seite 155 und 156:
7 Linkliste - Tutorien - Pakete Tab
Seite 157 und 158:
7 Linkliste - Tutorien - Pakete än
Seite 159 und 160:
Glossar A abhängig X → Y - Hier
Seite 161 und 162:
B am Ähnlichsten ist, hat die Auto
Seite 163 und 164:
Chi 2 - Test Mit dem Chi-Quadrat-Te
Seite 165 und 166:
D Datentransformation Die Transform
Seite 167 und 168:
E Eigenvektor Eigenvektoren eines l
Seite 169 und 170:
Friedman - Test Der Friedman - Test
Seite 171 und 172:
horseshoe effect Siehe arch effect.
Seite 173 und 174:
und xi werden die Deskriptoren stan
Seite 175 und 176:
Manhattan-Metrik (auch City-Block-M
Seite 177 und 178:
Multikolinearität Das Vorliegen ei
Seite 179 und 180:
man schreibt das mathematisch so au
Seite 181 und 182:
P Datenmatrizen unsymmetrisch symme
Seite 183 und 184:
post-hoc Tests auch a posteriori Te
Seite 185 und 186:
R R - Modus s. Q - Modus. R 2 auch
Seite 187 und 188:
skaleninvariant Skaleninvarianz ist
Seite 189 und 190:
Normalverteilung: Shapiro-Wilk Test
Seite 191 und 192:
Verteilungen Binomialverteilung, B(
Seite 193 und 194:
W Ward Clusteranalyse Beim Ward - V
Seite 195 und 196:
Literatur Amaral, G. J. A., I. L. D
Seite 197 und 198:
Anhang Funktion 1: Zum Zeichnen von
Seite 199 und 200:
# NA - data (not available) show.na
Seite 201 und 202:
x.max
Seite 203 und 204:
x=seq(from=x.axis[1] , to=x.axis[nx
Seite 205 und 206:
data.null[, 1], col=ifelse(length(p
Seite 207 und 208:
} y1
Seite 209 und 210:
stop("\n#> 'chain' should be a char
Seite 211 und 212:
} ) data
Seite 213 und 214:
# y
Seite 215 und 216:
# stop("Stop: chain data needed wit
Seite 217 und 218:
"theta[ni=%8$2s]:%1$32.50f psi=%2$8
Seite 219 und 220:
# mod.lm
Seite 221 und 222:
xy$y[2:3]
Seite 223 und 224:
R Reference Card by Tom Short, EPRI
Seite 225 und 226:
Where leading zeros are shown they
Seite 227 und 228:
character expansion font = 1 (1,2,3
Seite 229 und 230:
Index Alle Stichwörter mit (G) fin
Seite 231 und 232:
k - medoid pma(...) cluster . . . .
Seite 233 und 234:
Blattfunktion . . . . . . . . . . .
Seite 235 und 236:
Linienenden par(lend="rounded") 29
Seite 237 und 238:
Redundanzanalyse Glossar . . . . .
Seite 239 und 240:
Partial least squares . . . . . . .
Alle anzeigen

Grafiken und Statistik in R

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?