Explorative Datenanalyse durch Visualisierung & Digitaler Arbeitsplatz (DAP)

rstatsZH - Data Science mit R

Lars Schöbitz

Oct 1, 2024

Lösung von Coding Problemen

Tipps für Suchmaschinen

  • Verwende Verben, die beschreiben, was du tun willst
  • Sei präzise
  • Füge R zur Suchanfrage hinzu
  • Füge den Namen des R-Pakets zur Suchanfrage hinzu (z.B ggplot2)
  • Scrolle durch die ersten 5 Ergebnisse (wähle nicht nur das erste aus)
  • Schreibe die Suchanfrage auf Englisch

Beispiel: How to remove a legend from a plot in R ggplot2?

Stack Overflow

Was ist das?

  • Das größte Unterstützungsnetzwerk für (Coding-)Probleme
  • Kann anfangs einschüchternd sein
  • Upvote-System

Arbeitsablauf

  • Lies dir zuerst kurz die Frage durch, die gepostet wurde.
  • Lies dir dann die Antwort durch, die als “richtig” markiert wurde.
  • Lies dir dann eine oder zwei weitere Antworten mit vielen Zustimmungen durch.
  • Sieh dir dann die “linked posts” an.

Tipps für AI Werkzeuge

  • Verwende Verben, die beschreiben, was du tun willst
  • Präzise sein ist weniger wichtig
  • Füge R zur Suchanfrage hinzu
  • Füge den Namen des R-Pakets zur Suchanfrage hinzu (z.B ggplot2)
  • Schreibe die Suchanfrage auf Englisch oder Deutsch

Wie entferne ich eine Legende aus einem Diagramm in R ggplot2?
Legende in R ggplot2 entfernen.

Andere Quellen für Hilfe

Image generated with DALL-E 3 by OpenAI

Artwork by @allison_horst

Lernziele (für diese Woche)

  1. Die Lernenden können beschreiben wie Variablen eines Datensatzes mittels des R-Package ggplot2 den visuellen Eigenschaften eines Diagramms zugeordnet werden (EN: aesthetic mapping).
  2. Die Lernenden können die Skalierungen (Farbe, Achsen) eines Diagramms kontrollieren.
  3. Die Lernenden können drei verschiedene Diagrammtypen (Balkendiagramm, Histogramm, Punkt) und ihre Anwendungsfälle vergleichen.
  4. Die Lernenden können den DAP navigieren um relevante Software selbst auf ihren Arbeitsgeräten zu installieren. Sie können sich das R-Bundle aus dem Serviceportal bestellen und wissen wie sie Probleme melden.

Digitaler Arbeitsplatz / R Community

Triff das STAT

Philipp Bosch

  • Job ohne Excel gesucht 🧮
  • Community Mensch 💙
  • Data Literacy Fan 💡

Thomas Knecht

  • R-Support gegen Cookies 🍪
  • R-Infrastruktur Guru 🧙
  • Debug-Master & Kartentyp 🗺️

Installation auf dem DAP

Um in den vollen Genuss der R-Analyse Umgebung zu kommen, musst du im Serviceportal folgende Module bestellen:

Community

Im Kanton haben wir eine Community of Practice für R, welche ihre digitale Heimat in einem Teams-Kanal hat.

Hier geht’s zum Kanal

Im Kanal könnt ihr:

  • Fragen rund um R stellen (Stackoverflow des Kantons)
  • Neue Infos zum R-Bundle erhalten
  • Up-to-date bleiben was in der Community läuft

R-Fachgruppe

Aufgaben

  • Updates des R-Bundles
  • Weiterentwicklung der Installation anhand eurer Bedürfnisse
  • Support bei Installationsproblemen

Vertretungen

  • Thomas Knecht (JI)

  • Philipp Bosch (JI)

  • Sarah Gerhard (BI)

  • Miriam Hofstetter (VD)

  • Andreas Gubler (BD)

  • Gianluca Macauda (GD)

  • Fabian Berger (SD)

  • Jörg Sintermann (BD)

  • Nina Schnyder (JI)

  • Gian-Marco Alt (BD)

  • Joëlle Ninon Albrecht (JI)

Ihr seid dran: Fragen



Stellt eure Fragen an Thomas und Philipp

Pause machen

Bitte steh auf und beweg dich. Lasst eure E-Mails in Frieden ruhen.

10:00

Bild erzeugt mit DALL-E 3 by OpenAI

Explorative Datenanalyse mit ggplot2

R Paket ggplot2

  • ggplot2 ist das Datenvisualisierungspaket von tidyverse
  • gg” in “ggplot2” steht für “Grammar of Graphics”
  • Inspiriert durch das Buch Grammar of Graphics von Leland Wilkinson
  • Dokumentation: https://ggplot2.tidyverse.org/
  • Buch: https://ggplot2-book.org

Ich bin dran: Arbeiten mit Quarto und R



Zurücklehnen und genießen!

Code Struktur

  • ggplot() ist die Hauptfunktion von ggplot2
  • Plots werden in Schichten aufgebaut
  • Die Struktur des Codes für Plots lässt sich wie folgt zusammenfassen
ggplot(data = [datensatz], 
       mapping = aes(x = [x-variable], 
                     y = [y-variable])) +
  geom_xxx() +
  andere Optionen

Code Struktur

ggplot()

Code Struktur

ggplot(data = gapminder)

Code Struktur

ggplot(data = gapminder,
       mapping = aes())

Code Struktur

ggplot(data = gapminder,
       mapping = aes(x = continent,
                     y = lifeExp))

Code Struktur

ggplot(data = gapminder,
       mapping = aes(x = continent,
                     y = lifeExp)) +
  geom_boxplot()

Code Struktur

ggplot(data = gapminder,
       mapping = aes(x = continent,
                     y = lifeExp)) +
  geom_boxplot() +
  theme_minimal()

Polls

Poll 1: Was stellt die dicke Linie innerhalb des Kastens eines Boxplots dar?

  1. Ich weiß es nicht
  2. der Mittelwert der Beobachtungen
  3. die Mitte der Box
  4. der Median der Beobachtungen

Poll 2: Wie viel Prozent der Beobachtungen befinden sich innerhalb der Box eines Boxplots (Interquartilsbereich)?

  1. Ich weiß es nicht
  2. 25%
  3. hängt vom Median ab
  4. 50%

Poll 3: Was ist der Median einer Gruppe von Beobachtungen?

  1. Ich weiß es nicht
  2. Der Median ist der am häufigsten vorkommende Wert in einem Datensatz.
  3. Der Median ist die Summe aller Werte in einem Datensatz geteilt durch die Anzahl der Beobachtungen.
  4. Der Median ist der Punkt, über und unter dem die Hälfte (50%) der Beobachtungen liegt.

Boxplot, erklärt

Ein Diagramm, das zeigt, wie ein Boxplot nach den oben beschriebenen Schritten erstellt wird.

Figure 1: Diagramm, das zeigt, wie ein Boxplot erstellt wird.

Bild entnommen aus: https://r4ds.hadley.nz/data-visualize#fig-eda-boxplot

Wir sind dran: md-02-uebungen

  1. Öffne posit.cloud in deinem Browser (verwende dein Lesezeichen).
  2. Öffne den rstatszh-k009 Arbeitsbereich (Workspace) für den Kurs.
  3. Klicke auf Start neben md-02-uebungen.
  4. Suche im Dateimanager im Fenster unten rechts die Datei md-02b-daten-visualisierung.qmd und klicke darauf, um sie im Fenster oben links zu öffnen.
20:00

Pause machen

Bitte steh auf und beweg dich. Lasst eure E-Mails in Frieden ruhen.

05:00

Bild erzeugt mit DALL-E 3 by OpenAI

Daten visualisieren

Arten von Variablen

Numerisch

Diskrete Variablen

  • nicht negative
  • zählbare
  • ganze Zahlen
  • z.B. Anzahl Schüler, Würfelwurf

Stetige (kontinuierliche) Variablen

  • unendliche Anzahl von Werten
  • zwischen zwei Werten
  • auch Datums/Uhrzeitwerte
  • z.B. Länge, Gewicht, Grösse

Nicht numerisch

Kategoriale Variablen

  • endliche Anzahl von Werten
  • eindeutige Gruppen (z.B. EU Länder)
  • ordinal, wenn diese eine logische Reihenfolge/Rangordnung aufweisen (z.B. Wochentage, Schulnoten)

Histogramm

  • zur Visualisierung der Verteilung von kontinuierlichen (numerischen) Variablen
ggplot(data = penguins,
       mapping = aes(x = body_mass_g)) +
  geom_histogram()

Barplot (Säulendiagramm)

  • zur Visualisierung der Verteilung von kategorischen (nicht numerischen) Variablen
ggplot(data = penguins,
       mapping = aes(x = species)) +
  geom_bar()

Scatterplot (Streudiagramm)

  • for visualizing relationships between two continuous (numerical) variables
ggplot(data = gapminder_2007,
       mapping = aes(x = gdpPercap,
                     y = lifeExp,
                     size = pop,
                     color = continent)) +
  geom_point() +
  scale_color_colorblind() +
  theme_minimal()

Zusatzaufgaben Modul 2

Modul 2 Dokumentation

rstatszh-k009.github.io/website/module/md-02.html

Zusatzaufgaben Abgabedatum

  • Abgabedatum: Montag, 07. Oktober
  • Korrektur- und Feedbackphase bis zu: Donnerstag, 10. Oktober

Danke

Danke! 🌻

Folien erstellt mit revealjs und Quarto: https://quarto.org/docs/presentations/revealjs/ Access slides als PDF auf GitHub

Alle Materialien sind lizenziert unter Creative Commons Attribution Share Alike 4.0 International.

rstatszh-k009.github.io/website/