Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Erste Schritte Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

17. R als Programmiersprache

verfasst von : Daniel Wollschläger

Erschienen in: Grundlagen der Datenanalyse mit R

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

R bietet nicht nur Mittel zur numerischen und grafischen Datenanalyse, sondern ist gleichzeitig eine Programmiersprache, die dieselbe Syntax wie die bisher behandelten Auswertungen verwendet. Das sehr umfangreiche Thema der Programmierung mit R soll in den folgenden Abschnitten nur soweit angedeutet werden, dass nützliche Sprachkonstrukte wie z. B. Kontrollstrukturen verwendet sowie einfache Funktionen selbst erstellt und analysiert werden können. Eine ausführliche Behandlung sei der hierauf spezialisierten Literatur überlassen (Chambers, 2008; Ligges, 2016; Wickham, 2014). Die Entwicklung eigener R-Pakete behandeln R Core Team (2016d) und Wickham (2015).

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Numerische Methoden
Fußnoten
1
Für Hilfe zu diesem Thema vgl. ?Control.
 
2
Mit if(FALSE) { 〈Befehle〉 } können damit schnell viele Befehlszeilen von der Verarbeitung ausgeschlossen werden, ohne diese einzeln mit # auskommentieren zu müssen. Die ausgeschlossenen Zeilen müssen dabei jedoch nach wie vor syntaktisch korrekt, können also keine Kommentare im engeren Sinne sein.
 
3
Allgemein gilt, dass in einer Zeile stehende Befehle einen Block bilden und zusammen ausgeführt werden. Geschweifte Klammern sorgen dafür, dass die zwischen ihnen stehenden Befehle auch dann als einzelner Block gewertet werden, wenn sie sich über mehrere Zeile erstrecken. Die Auswertung erfolgt erst, wenn die Klammer geschlossen wird, auch wenn Abschnitte davor bereits für sich genommen syntaktisch vollständig sind.
 
4
Anders als in kompilierten Programmiersprachen wie etwa C oder Fortran sind Schleifen in R als interpretierter Sprache oft ineffizient. Als Grundregel sollten sie deswegen bei der Auswertung größerer Datenmengen nach Möglichkeit vermieden und durch vektorisierte Befehle ersetzt werden, die mehrere, als Vektor zusammengefasste Argumente gleichzeitig bearbeiten (Ligges & Fox, 2008).
 
5
Die aufgerufene Funktion kann nur Kopien der ursprünglichen Objekte, nicht aber die Objekte selbst ändern, da Argumente als Wertparameter (call by value) übergeben werden.
 
6
Dies sind lokale Objekte, sie existieren in einer beim Funktionsaufruf eigens erstellten Umgebung (Abschn. 1.​4.​1). Für das in diesem Kontext relevante, aber komplexe Thema der Regeln für die Gültigkeit von Objekten (scoping) vgl. Chambers (2008) und Ligges (2016).
 
7
Bis zur Auswertung ist das Argument ein promise. Für gewöhnliche Zuweisungen an Objekte gilt dagegen das Eager-Evaluation-Prinzip, nach dem der Inhalt von neuen Objekten schon bei der Zuweisung ausgewertet wird. Um auch für diese Objekte das Lazy-Evaluation-Prinzip zu nutzen, muss delayedAssign() verwendet werden.
 
8
Für einfache, nur zum eigenen Gebrauch bestimmte Funktionen mag dies überflüssig erscheinen, da man dann selbst darauf achten kann, sie korrekt zu verwenden. Allerdings ist dies gefährlich, da sich Funktionen durch andere als die vorgesehenen Eingangsinformationen stillschweigend anders als beabsichtigt verhalten können und so u. U. schwer entdeckbare Fehler verursachen (Abschn. 17.2.6).
 
9
Es handelt sich bei der hier vorgestellten Technik um das S3-Paradigma – in Abgrenzung zum flexibleren, aber auch komplizierteren S4-Paradigma, das etwa beim beschriebenen method dispatch nicht auf das erste Argument beschränkt ist.
 
10
Für S4-Methoden analog showMethods("〈Funktionsname〉") sowie showMethods (classes="〈Klasse〉").
 
11
Die Entwicklungsumgebungen RStudio und Architect bzw. Eclipse+StatET bieten grafische Oberflächen, die das debugging sehr erleichtern.
 
12
Operatoren sind in rückwärts gerichtete Hochkommata zu setzen, etwa ‘+‘ für die Addition.
 
13
Für S4-Methoden analog showMethods("〈Funktionsname〉").
 
14
Für S4-Methoden analog showMethods("〈Funktionsname〉", classes=" 〈Kla- sse〉", includeDefs=TRUE).
 
Literatur
Adler, J. (2012). R in a Nutshell (2. Aufl.). Sebastopol, CA: O’Reilly.
Agresti, A. (2007). An introduction to categorical data analysis (2. Aufl.). New York, NY: Wiley.MATHCrossRef
Aiken, L. S., & West, S. G. (1991). Multiple regression: Testing and interpreting interactions. Thousand Oaks, CA: SAGE.
Allaire, J. J., Cheng, J., Xie, Y., McPherson, J., Chang, W., Allen, J., … Hyndman, R. (2016). rmarkdown: Dynamic documents for R [Software]. http://​rmarkdown.​rstudio.​com (R package version 1.1)
Allison, P. D. (2008). Convergence failures in logistic regression. SAS Global Forum, 360, 1–11.
Andres, J. (1996). Das allgemeine lineare Modell. In E. Erdfelder, R. Mausfeld, T. Meiser, & G. Rudinger (Hrsg.), Handbuch Quantitative Methoden (S. 185–200). Weinheim: Beltz.
Backhaus, K., Erichson, B., Plinke, W., & Weiber, R. (2015a). Multivariate Analysemethoden (14. Aufl.). Heidelberg: Springer.MATH
Backhaus, K., Erichson, B., & Weiber, R. (2015b). Fortgeschrittene Multivariate Analysemethoden (3. Aufl.). Heidelberg: Springer.MATHCrossRef
Becker, R. A., Chambers, J. M., & Wilks, A. R. (1988). The new S language: A programming environment for data analysis and graphics. Pacific Grove, CA: Wadsworth & Brooks/Cole.MATH
Bender, R., Augustin, T., & Blettner, M. (2005). Generating survival times to simulate Cox proportional hazards models. Statistics in Medicine, 24, 1713–1723.MathSciNetCrossRef
Beyersmann, J., Allignol, A., & Schumacher, M. (2012). Competing risks and multistate models with R. New York, NY: Springer.MATHCrossRef
Bivand, R. S., Pebesma, E., & Gómez-Rubio, V. (2013). Applied spatial data analysis with R. New York, NY: Springer.MATHCrossRef
Bloomfield, V. A. (2014). Using R for numerical analysis in science and engineering. Boca Raton, FL: Chapman & Hall/CRC.MATH
Bortz, J., Lienert, G. A., & Boehnke, K. (2010). Verteilungsfreie Methoden in der Biostatistik (3. Aufl.). Heidelberg: Springer.
Bronstein, I. N., & Semendjajew, K. A. (2012). Springer Taschenbuch der Mathematik (3. Aufl.). Berlin: Springer.MATH
Büning, H., & Trenkler, G. (1994). Nichtparametrische statistische Methoden (2. Aufl.). Berlin: Walter de Gruyter.MATHCrossRef
Chernik, M. R., & LaBudde, R. A. (2011). An introduction to bootstrap methods with applications to R. Hoboken, NJ: Wiley.
Davison, A. C., & Hinkley, D. V. (1997). Bootstrap methods and their applications. Cambridge, UK: Cambridge University Press.MATHCrossRef
Duchateau, L., & Janssen, P. (2007). The frailty model. New York, NY: Springer.MATH
Eddelbuettel, D. (2013). Seamless R and C++ integration with Rcpp. New York, NY: Springer.MATHCrossRef
Eid, M., Gollwitzer, M., & Schmitt, M. (2015). Statistik und Forschungsmethoden (5. Aufl.). Weinheim: Beltz.
Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175–191. http://​www.​gpower.​hhu.​de/​ CrossRef
Fischer, G. (2013). Lineare algebra (18. Aufl.). Wiesbaden: Vieweg+Teubner.
Galecki, A. T., & Burzykowski, T. (2013). Linear mixed-effects models using R: A step-by-step approach. New York, NY: Springer.MATHCrossRef
Genz, A., & Bretz, F. (2009). Computation of multivariate normal and t probabilities (Lecture notes in statistics, Vol. 195). Heidelberg: Springer.MATHCrossRef
Good, P. I. (2004). Permutation, parametric, and bootstrap tests of hypotheses (3. Aufl.). New York, NY: Springer.MATH
Hoffman, D. D. (2000). Visual intelligence: How we create what we see. New York, NY: W. W. Norton & Company.
Hosmer Jr, D. W., Lemeshow, S., & May, S. (2008). Applied survival analysis: Regression modeling of time to event data (2. Aufl.). New York, NY: Wiley.MATHCrossRef
Hothorn, T., Bretz, F., & Westfall, P. (2008). Simultaneous inference in general parametric models. Biometrical Journal, 50(3), 346–363.MathSciNetMATHCrossRef
Hothorn, T., & Everitt, B. S. (2014). A handbook of statistical analysis using R (3. Aufl.). Boca Raton, FL: Chapman & Hall/CRC.MATH
Huber, W., Carey, V. J., Gentleman, R., Anders, S., Carlson, M., Carvalho, B. S., … Morgan, M. (2015). Orchestrating high-throughput genomic analysis with Bioconductor. Nature Methods, 12, 115–121.
Ihaka, R., & Gentleman, R. (1996). R: A language for data analysis and graphics. Journal of Computational and Graphical Statistics, 5(3), 299–314.
Klein, J. P., & Moeschberger, M. L. (2003). Survival analysis: Techniques for censored and truncated data (2. Aufl.). New York, NY: Springer.MATH
Kruschke, J. K. (2015). Doing Bayesian data analysis: A tutorial with R, JAGS, and Stan (2. Aufl.). Amsterdam: Academic Press.MATH
Lemon, J. (2006). Plotrix: a package in the red light district of R. R News, 6(4), 8–12.
Ligges, U. (2016). Programmieren mit R (4. Aufl.). Berlin: Springer Spektrum.MATH
Mardia, K. V., Kent, J. T., & Bibby, J. M. (1980). Multivariate Analysis. London, UK: Academic Press.MATH
Maronna, R. A., Martin, R. D., & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. New York, NY: Wiley.MATHCrossRef
Maxwell, S. E., & Delaney, H. D. (2004). Designing experiments and analyzing data: A model comparison perspective (2. Aufl.). Mahwah, NJ: Lawrence Erlbaum.MATH
McElreath, R. (2015). Statistical rethinking: A Bayesian course with examples in R and Stan. Boca Raton, FL: Chapman & Hall/CRC.
Meyer, S., & Held, L. (2014). Power-law models for infectious disease spread. The Annals of Applied Statistics, 8(3), 1612–1639.MathSciNetMATHCrossRef
Miller, A. J. (2002). Subset selection in regression (2. Aufl.). Boca Raton, FL: Chapman & Hall/CRC.MATHCrossRef
Nash, J. C. (2014a). Nonlinear parameter optimization using R tools. Chichester, UK: Wiley.MATHCrossRef
Pinheiro, J. C., & Bates, D. M. (2000). Mixed-effects models in S and S-PLUS. New York, NY: Springer.MATHCrossRef
Ritz, C., & Streibig, J. C. (2009). Nonlinear regression with R. New York, NY: Springer.MATHCrossRef
Rödiger, S., Friedrichsmeier, T., Prasenjit, K., & Michalke, M. (2011). RKWard: A Comprehensive Graphical User Interface and Integrated Development Environment for Statistical Analysis with R. Journal of Statistical Software, 49(9), 1–34. http://​www.​jstatsoft.​org/​v49/​i09/​
Spector, P. (2008). Data manipulation with R. New York, NY: Springer.MATH
Urbanek, S., & Horner, J. (2015). Cairo: R graphics device using cairo graphics library for creating high-quality bitmap (PNG, JPEG, TIFF), vector (PDF, SVG, PostScript) and display (X11 and Win32) output [Software]. http://​CRAN.​R-project.​org/​package=​Cairo (R package version 1.5-9)
van Buuren, S. (2012). Flexible imputation of missing data. Boca Raton, FL: Chapman & Hall/CRC.MATHCrossRef
Wilkinson, G. N., & Rogers, C. E. (1973). Symbolic description of factorial models for analysis of variance. Applied Statistics, 22, 392–399.CrossRef
Wilkinson, L. (2005). The Grammar of Graphics (2. Aufl.). New York, NY: Springer.MATH
Wirtz, M., & Caspar, F. (2002). Beurteilerübereinstimmung und Beurteilerreliabilität. Göttingen: Hogrefe.
Wood, S. N. (2006). Generalized additive models: An introduction with R. Boca Raton, FL: Chapman & Hall/CRC.MATH
Xie, Y. (2015). Dynamic documents with R and knitr (2. Aufl.). Boca Raton, FL: Chapman & Hall/CRC.
Yan, J., & Fine, J. P. (2004). Estimating equations for association structures. Statistics in Medicine, 23(6), 859–874.CrossRef
Zelterman, D. (2015). Applied multivariate statistics with R. Cham: Springer.CrossRef
Metadaten
Titel
R als Programmiersprache
verfasst von
Daniel Wollschläger
Copyright-Jahr
2017
Verlag
Springer Berlin Heidelberg
Buch
Grundlagen der Datenanalyse mit R

Print ISBN: 978-3-662-53669-8

Electronic ISBN: 978-3-662-53670-4

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-662-53670-4_17