4 Datenmanagement I

4.1 Daten importieren

4.1.1 Organisation von Dateien

Empfehlung: Einen Ordner für alle Datendateien innerhalb des Projektordners (bspw. data)

4.1.2 Exkurs: Dateipfade

Beispiel für den absoluten Pfad der Datei Daten.txt - lässt sich aus den Eigenschaften einer Datei entnehmen.

D:\\Dokumente\\Kurse\\Rintensiv\\Projektordner\\data\\Daten.txt

Wenn nur vom Projektordner aus navigiert werden muss, dann entfällt bei der Pfadangabe der ganze Teil vor data (relative Pfadangabe)

Wichtig: R nutzt Backslash “\” zu anderen Zwecken, daher muss ein normaler Slash “/” genutzt werden

Die relative Pfadangabe für Daten.txt würde also so aussehen:

data/Daten.txt

4.1.3 Daten aus .txt, .csv, .xlsx und weiteren Dateiformaten auslesen

dataset <- read.table(file = "data/Daten.txt", header = TRUE)

Dateipfad unter file = immer in "" angeben
Navigieren innerhalb des Projektordners (Vorteil: keine vollständigen Dateipfade müssen angegeben werden)
header (default: FALSE): nimmt die erste Zeile als Variablennamen
sep (default: ""): legt fest wie die Spalten in der Ursprungsdatei getrennt sind
dec (default: "."): legt fest welches Zeichen zur Dezimaltrennung genutzt wird

Befehl für .csv Dateien

dataset <- read.csv2("data/Daten.csv")

Befehl für .xlsx Dateien

install.packages("xlsx")
library(xlsx)
dataset <- read.xlsx("data/Daten.xlsx")

Befehl für .sav Dateien (SPSS)

install.packages("haven")
library(haven)
dataset <- read_sav("data/Daten.sav")

4.1.4 Alternative per Klickpfad

Im Environment auf Import Dataset klicken und gewünschtes Format auswählen:

Anschließend gewünschtes Dataset suchen und anklicken.

Vorschau mit allen Argumenten, die auch im read.table() enthalten sind:

Eingabe in die Konsole:

Daten_2 <- read.csv("data/Daten_2.txt", 
                    sep="")
View(Daten_2)

Vorteil:

automatisch richtiger Befehl
Vorschau

Nachteil

Kompletter Dateipfad angegeben, nicht brauchbar für andere

4.1.5 Überblick verschaffen

str() gibt die Struktur des Dataframes aus

str(dataset)
'data.frame':   10 obs. of  12 variables:
 $ Person: int  1 2 3 4 5 6 7 8 9 10
 $ item1 : int  3 4 3 2 2 4 2 3 3 4
 $ item2 : int  2 1 1 2 2 1 3 1 1 1
 $ item3 : int  3 4 3 2 2 3 3 4 3 3
 $ item4 : int  2 3 3 2 2 3 2 4 3 2
 $ item5 : int  2 1 1 2 1 1 2 1 1 1
 $ item6 : int  1 1 1 2 1 1 3 1 1 1
 $ item7 : int  4 4 3 2 3 4 2 4 3 4
 $ item8 : int  1 1 1 2 2 1 4 1 1 2
 $ item9 : int  1 1 1 2 2 1 4 1 1 1
 $ item10: int  3 4 3 2 2 4 1 3 3 4
 $ item11: int  4 2 4 4 2 5 4 2 4 4

dim() gibt die Dimensionen (Zeilen und Spalten) einer Matrix bzw. Dataframes an

dim(dataset)
#> [1] 10 12

mit head() lassen sich die ersten n = c(Zeilen, Spalten) anzeigen

head(x = dataset, n = c(2,11))
  Person item1 item2 item3 item4 item5 item6 item7 item8
1      1     3     2     3     2     2     1     4     1
2      2     4     1     4     3     1     1     4     1
  item9 item10
1     1      3
2     1      4

View(Dataset) öffnet eine Ansicht ähnlich zu Excel (View groß geschrieben!)

names() gibt die Variablennamen des Datensatzes aus

names(dataset)
 [1] "Person" "item1"  "item2"  "item3"  "item4"  "item5" 
 [7] "item6"  "item7"  "item8"  "item9"  "item10" "item11"

Damit lassen sich auch Namen von Variablen im Datenesatz verändern

names(dataset)[names(dataset) == "item11"] <- "item12"
names(dataset)
 [1] "Person" "item1"  "item2"  "item3"  "item4"  "item5" 
 [7] "item6"  "item7"  "item8"  "item9"  "item10" "item12"

4.2 Daten speichern

4.2.1 Datensatz exportieren als .txt, .csv, .xlsx oder .sav

Befehl:
- write.table(x = data, file = "data/Daten.txt", row.names = FALSE)
Argumente:
- x: Welches Objekt soll exportiert werden
- file: Pfad und Name der neuen Datei (.txt am ende nicht Vergessen!)
- sep, dec: Wie bei read.table
- row.names (default: TRUE): Zeilennamen/ -nummerierung als eigene Spalte
- col.names (default: TRUE): Variablennamen als erste Zeile speichern

Genauso wie bei den read- Funktionen gibt es auch

write.csv() für .csv Dateien
write.xlsx() für .xlsx Dateien (Package “xlsx” benötigt)
write_sav() für .sav Dateien (Package “haven” benötigt)

Wenn beispielsweise: file = “Unterordner/exportierteDatei.txt”, dann liegt die Datei im Unterodner. Wenn kein Pfad angegeben wird, dann liegt sie im Projektordner.

4.3 Datensätze zusammenfügen

4.3.1 Fälle hinzufügen

Situation: Es wurde eine weitere Erhebung mit anderen Personen durchgeführt, in der die gleichen Items abgefragt wurden

dataset1 <- read.table("data/Daten.txt", header = TRUE)
head(dataset1,2)
  Person item1 item2 item3 item4 item5 item6 item7 item8
1      1     3     2     3     2     2     1     4     1
2      2     4     1     4     3     1     1     4     1
  item9 item10 item11
1     1      3      4
2     1      4      2

dataset2 <- read.table("data/Daten_2.txt", header = TRUE)
head(dataset2,2)
  Person item1 item2 item3 item4 item5 item6 item7 item8
1     11     5     3     5     3     2     6     4     4
2     12     3     5     2     3     5     3     3     2
  item9 item10 item11
1     3      3      4
2     6      4      6

mit rbind() lassen sich Daten (Vektoren, Matrizen, Dataframes) zeilenweise (reihenweise) zusammenfügen (rbind = rowbind)
es können beliebig viele Datensätze in diesem Befehl zusammengefügt werden

new_dataset <- rbind(dataset1,dataset2)

Überprüfung

dim(new_dataset)
[1] 20 12

Bedingungen

Die Datasets haben die gleiche Anzahl an Spalten
Die Datasets haben die gleichen Namen für die Variablen

4.3.2 Variablen hinzufügen

Situation: Innerhalb der Erhebung gab es noch eine Abfrage von weiteren Items

dataset1 <- read.table("data/Daten.txt", header = TRUE)
head(dataset1,2)
  Person item1 item2 item3 item4 item5 item6 item7 item8
1      1     3     2     3     2     2     1     4     1
2      2     4     1     4     3     1     1     4     1
  item9 item10 item11
1     1      3      4
2     1      4      2

dataset3 <- read.table("data/Daten_FB2.txt", header= TRUE)
head(dataset3,2)
  Person item12 item13 item14 item15 item16 item17 item18
1      1      5      3      5      3      2      6      4
2      2      3      5      2      3      5      3      3
  item19 item20 item21 item22
1      4      3      3      4
2      2      6      4      6

Mit cbind() lassen sich Daten (Vektoren, Matrizen, Dataframes) spaltenweise zusammenfügen

new_dataset2 <- cbind(dataset1, dataset3)

Überprüfung

dim(new_dataset2)
[1] 10 24

Bedingung - Datensätze müssen gleiche Anzahl an Zeilen haben - Datensätze müssen gleich sortiert sein

Situation: Innerhalb der Erhebung gab es noch eine Abfrage von weiteren Items, allerdings fehlt eine Person \(\rightarrow\) cbind() führt nicht zum gewünschten Ergebnis

dataset1 <- read.table("data/Daten.txt", header = TRUE)
head(dataset1,2)
  Person item1 item2 item3 item4 item5 item6 item7 item8
1      1     3     2     3     2     2     1     4     1
2      2     4     1     4     3     1     1     4     1
  item9 item10 item11
1     1      3      4
2     1      4      2

dataset4 <- read.table("data/Daten_FB2_NA.txt", header= TRUE)
head(dataset4,2)
  Person item12 item13 item14 item15 item16 item17 item18
1      1      5      3      5      3      2      6      4
3      3      4      4      5      5      2      3      3
  item19 item20 item21 item22
1      4      3      3      4
3      3      5      7      5

Mit merge(…, …, by="...“) lassen sich Daten (Vektoren, Matrizen, Dataframes) spaltenweise besser zusammenfügen
Anhand einer Schlüsselvariablen (by) können zusammengehörige Fälle erkannt werden
- by: Welche Variable ist die Schlüsselvariable?
- by.x, by.y: wie by, aber separate Angabe pro Datensatz, z.B. wenn sie nicht gleich benannt ist
- all: Alle Fälle behalten (TRUE) oder nur die in beiden Datensätzen vorhandenen (FALSE)
- all.x, all.y: wie all, aber nur für einen der Datensätze
- sort: Neu nach Schlüsselvariable sortieren? (TRUE = ja)

new_dataset3 <- merge(dataset1, dataset4, by = "Person", all = FALSE)
head(new_dataset3,2)
  Person item1 item2 item3 item4 item5 item6 item7 item8
1      1     3     2     3     2     2     1     4     1
2      3     3     1     3     3     1     1     3     1
  item9 item10 item11 item12 item13 item14 item15 item16
1     1      3      4      5      3      5      3      2
2     1      3      4      4      4      5      5      2
  item17 item18 item19 item20 item21 item22
1      6      4      4      3      3      4
2      3      3      3      5      7      5

\(\rightarrow\) Person 2 wird raus-gefiltert für alle restlichen Personen werden die neuen Variablen übernommen

all = FALSE: Nur die Fälle werden behalten, die in beiden Datensätzen vorhanden sind

new_dataset3 <- merge(dataset1, dataset4, by = "Person", all = TRUE)
head(new_dataset3,2)
  Person item1 item2 item3 item4 item5 item6 item7 item8
1      1     3     2     3     2     2     1     4     1
2      2     4     1     4     3     1     1     4     1
  item9 item10 item11 item12 item13 item14 item15 item16
1     1      3      4      5      3      5      3      2
2     1      4      2     NA     NA     NA     NA     NA
  item17 item18 item19 item20 item21 item22
1      6      4      4      3      3      4
2     NA     NA     NA     NA     NA     NA

\(\rightarrow\) Person 2 bleibt erhalten. Die nicht vorhandenen VAriablen werden mit NA gefüllt