Prepro 2: Demo

Piping

Gegeben ist ein character vector (temperature) mit Temperaturwerten in Fahrenheit. Das Ziel ist es, die mittlere Temperatur in Grad Celsius zu berechnen.

\[°C = (F - 32) \times \frac{5}{9}\]

temperature <- c("111", "150", "123")

Um einen character vector in Zahlen umzuwandeln, brauchen wir die Funktion as.numeric. Für die Subtraktion und Multiplikation brauchen wir zur Veranschaulichung die entsprechenden Funktionen subtract und multiply_by aus der Library magrittr.

Übersetzt in R-Code entsteht folgende Operation:

library("magrittr")

out <- as.numeric(temperature)      # 1. Konvertierung in Numeric
out <- subtract(out, 32)            # 2. Subtraktion von 32
out <- multiply_by(out, 5/9)        # 3. Multiplikation mit 5/9
out <- mean(out)                    # 4. Berechnung des Mittelwertes

out
## [1] 53.33333

Möchte man das Zwischenspeichern vermeiden, entsteht eine komplexe, unleserliche Operation

out <- mean(multiply_by(subtract(as.numeric(temperature), 32), 5/9))

Um den Code sowohl leserlich zu halten als auch das Abspeichern von Zwischenergebnissen zu vermeiden, kann Piping verwendet werden: Mit “piping” wird der Output der einen Funktion der erste Parameter der darauf folgenden Funktion.

temperature |>                  
  as.numeric() |>               # 1. Konvertierung in Numeric
  subtract(32) |>               # 2. Subtraktion von 32
  multiply_by(5/9) |>           # 3. Multiplikation mit 5/9
  mean()                        # 4. Berechnung des Mittelwertes
## [1] 53.33333
Wichtig
  • der |> Pipe Operator wurde erst in R 4.1 eingeführt
  • Neben dem base R Pipe Operator existiert im Package magrittr ein sehr ähnlicher1 Pipe Operator: %>%
  • Die Tastenkombination Ctrl+Shift+M in RStudio fügt einen Pipe Operator ein.
  • Welcher Pipe Operator |> oder %>% mit der obigen Tastenkombination eingefügt wird, kann über die RStudio Settings Tools → Global Options → Code → Häkchen setzen bei Use native pipe operator
  • Wir verwenden die base-R Pipe |>

Joins

Wie ihr in der Vorlesung gelernt habt, erlauben Joins das Verbinden von Daten in unterschiedichen Tabellen über gemeinsame Schlüsselattribute. Die unterschiedlichen Join-Formen (inner, left, right, full join) bestimmen dabei, wie die Daten verbunden werden sollen. Hier wollen wir die unterschiedlichen Join-Formen in R genauer anschauen:

Wir benutzen dafür dasselbe Beispiel wie in der Vorlesung. Wir wollen den Ortnamen von Studierenden (gespeichert im Dataframe ortschaften) mit verschiedenen Joins via dem Schlüsselattribut PLZ an den Dateframe studierende knüpfen.

studierende <- data.frame(
  Matrikel_Nr = c(100002, 100003, 200003),
  Studi = c("Patrick", "Manuela", "Eva"),
  PLZ = c(8006, 8001, 8820)
)

studierende
##   Matrikel_Nr   Studi  PLZ
## 1      100002 Patrick 8006
## 2      100003 Manuela 8001
## 3      200003     Eva 8820

ortschaften <- data.frame(
  PLZ = c(8003, 8006, 8810, 8820),
  Ortsname = c("Zürich", "Zürich", "Horgen", "Wädenswil")
)

ortschaften
##    PLZ  Ortsname
## 1 8003    Zürich
## 2 8006    Zürich
## 3 8810    Horgen
## 4 8820 Wädenswil

Inner Join

# Load library
library("dplyr")

inner_join(studierende, ortschaften, by = "PLZ")
##   Matrikel_Nr   Studi  PLZ  Ortsname
## 1      100002 Patrick 8006    Zürich
## 2      200003     Eva 8820 Wädenswil

Left Join

left_join(studierende, ortschaften, by = "PLZ")
##   Matrikel_Nr   Studi  PLZ  Ortsname
## 1      100002 Patrick 8006    Zürich
## 2      100003 Manuela 8001      <NA>
## 3      200003     Eva 8820 Wädenswil

Right Join

right_join(studierende, ortschaften, by = "PLZ")
##   Matrikel_Nr   Studi  PLZ  Ortsname
## 1      100002 Patrick 8006    Zürich
## 2      200003     Eva 8820 Wädenswil
## 3          NA    <NA> 8003    Zürich
## 4          NA    <NA> 8810    Horgen

Full Join

full_join(studierende, ortschaften, by = "PLZ")
##   Matrikel_Nr   Studi  PLZ  Ortsname
## 1      100002 Patrick 8006    Zürich
## 2      100003 Manuela 8001      <NA>
## 3      200003     Eva 8820 Wädenswil
## 4          NA    <NA> 8003    Zürich
## 5          NA    <NA> 8810    Horgen

Unterschiedliche Attributsnamen

Häufig kommt es vor, dass in den Dataframes, welche miteinander verknüpft werden sollen, die Attributsnamen der Schlüsselattribute nicht übereinstimmen. Im obrigen Beispiel heisst das Schlüsselattribut in beiden Dataframes PLZ. Nun heisst im Dataframe studierende das Schlüsselattribut Wohnort.

studierende <- data.frame(
  Matrikel_Nr = c(100002, 100003, 200003),
  Studi = c("Patrick", "Manuela", "Pascal"),
  Wohnort = c(8006, 8001, 8006)
)

In R kann dies dann folgendermassen umgesetzt werden:

left_join(studierende, ortschaften, by = c("Wohnort" = "PLZ"))
##   Matrikel_Nr   Studi Wohnort Ortsname
## 1      100002 Patrick    8006   Zürich
## 2      100003 Manuela    8001     <NA>
## 3      200003  Pascal    8006   Zürich

  1. siehe https://stackoverflow.com/q/67633022/4139249↩︎