# QUANTITATIVE DATENANALYSE IN R | Maura Kratz | SoSe26 ----------- # SITZUNG 04 Data merging ----------- # ______________________________________________________----------- # 1 setup -------------------- # work directory überprüfen getwd() # Pakete installieren und laden library(rio) # daten einlesen library(dplyr) # %>% # 2. Daten importieren & vorbereiten (recap) -------------------- # Ergebnisdaten (siehe Sitzung 2) btw_2025_ergebnisse_raw <- rio::import("./data/kerg2.csv", sep = ";", dec = ",", skip = 9) btw_2025_ergebnisse <- btw_2025_ergebnisse_raw %>% janitor::clean_names() # Strukturdaten (siehe Übung 1) btw_2025_strukturdaten_raw <- rio::import( "data/btw2025_strukturdaten.csv", sep = ";", dec = ",", skip = 9 ) btw_2025_strukturdaten <- btw_2025_strukturdaten_raw %>% janitor::clean_names() btw_2025_strukturdaten <- btw_2025_strukturdaten %>% dplyr::rename( gemeinden = gemeinden_am_31_12_2023_anzahl, flache_km2 = flache_am_31_12_2023_km2, bev_insgesamt_1000 = bevolkerung_am_31_12_2023_insgesamt_in_1000, bev_deutsche_1000 = bevolkerung_am_31_12_2023_deutsche_in_1000, bev_auslander_pct = bevolkerung_am_31_12_2023_auslander_innen_percent, bev_dichte_ew_km2 = bevolkerungsdichte_am_31_12_2023_ew_je_km2, geburtensaldo_je_1000_ew = zu_bzw_abnahme_der_bevolkerung_2023_geburtensaldo_je_1000_ew, wanderungssaldo_je_1000_ew = zu_bzw_abnahme_der_bevolkerung_2022_wanderungssaldo_je_1000_ew, alter_unter_18_pct = alter_von_bis_jahren_am_31_12_2023_unter_18_percent, alter_18_24_pct = alter_von_bis_jahren_am_31_12_2023_18_24_percent, alter_25_34_pct = alter_von_bis_jahren_am_31_12_2023_25_34_percent, alter_35_59_pct = alter_von_bis_jahren_am_31_12_2023_35_59_percent, alter_60_74_pct = alter_von_bis_jahren_am_31_12_2023_60_74_percent, alter_75plus_pct = alter_von_bis_jahren_am_31_12_2023_75_und_mehr_percent, boden_siedlung_verkehr_pct = bodenflache_nach_art_der_tatsachlichen_nutzung_am_31_12_2022_siedlung_und_verkehr_percent, boden_vegetation_gewaesser_pct = bodenflache_nach_art_der_tatsachlichen_nutzung_am_31_12_2022_vegetation_und_gewasser_percent, wohnungen_fertig_je_1000_ew = fertiggestellte_wohnungen_2023_je_1000_ew, wohnungen_bestand_je_1000_ew = bestand_an_wohnungen_am_31_12_2023_insgesamt_je_1000_ew, wohnflache_je_wohnung = wohnflache_am_31_12_2023_je_wohnung, wohnflache_je_ew = wohnflache_am_31_12_2023_je_ew, pkw_je_1000ew = pkw_bestand_am_01_01_2024_pkw_insgesamt_je_1000_ew, pkw_elektro_hybrid_pct = pkw_bestand_am_01_01_2024_pkw_mit_elektro_oder_hybrid_antrieb_percent, unternehmen_je_1000ew = unternehmensregister_2022_unternehmen_insgesamt_je_1000_ew, handwerk_je_1000ew = unternehmensregister_2022_handwerksunternehmen_je_1000_ew, schulabg_beruflich_2022 = schulabganger_innen_beruflicher_schulen_2022, schulabg_allg_je_1000ew = schulabganger_innen_allgemeinbildender_schulen_2022_insgesamt_ohne_externe_je_1000_ew, schulabg_ohne_abschluss_pct = schulabganger_innen_allgemeinbildender_schulen_2022_ohne_hauptschulabschluss_percent, schulabg_hauptschule_pct = schulabganger_innen_allgemeinbildender_schulen_2022_mit_hauptschulabschluss_percent, schulabg_mittlere_reife_pct = schulabganger_innen_allgemeinbildender_schulen_2022_mit_mittlerem_schulabschluss_percent, schulabg_abitur_pct = schulabganger_innen_allgemeinblldender_schulen_2022_mit_allgemeiner_und_fachhochschulreife_percent, kita_unter_3_quote = kindertagesbetreuung_am_01_03_2023_betreute_kinder_unter_3_jahre_betreuungsquote, kita_3_bis_6_quote = kindertagesbetreuung_am_01_03_2023_betreute_kinder_3_bis_unter_6_jahre_betreuungsquote, einkommen_je_ew_2021 = verfugbares_einkommen_der_privaten_haushalte_2021_eur_je_ew, bip_je_ew_2021 = bruttoinlandsprodukt_2021_eur_je_ew, svb_insgesamt_je_1000ew = sozialversicherungspflichtig_beschaftigte_am_30_06_2023_insgesamt_je_1000_ew, svb_landwirtschaft_pct = sozialversicherungspflichtig_beschaftigte_am_30_06_2023_land_und_forstwirtschaft_fischerei_percent, svb_prod_gewerbe_pct = sozialversicherungspflichtig_beschaftigte_am_30_06_2023_produzierendes_gewerbe_percent, svb_handel_gast_verkehr_pct = sozialversicherungspflichtig_beschaftigte_am_30_06_2023_handel_gastgewerbe_verkehr_percent, svb_oeffentl_dienstl_pct = sozialversicherungspflichtig_beschaftigte_am_30_06_2023_offentliche_und_private_dienstleister_percent, svb_uebrige_dienstl_pct = sozialversicherungspflichtig_beschaftigte_am_30_06_2023_ubrige_dienstleister_und_ohne_angabe_percent, sgb_2_insgesamt_je_1000ew = empfanger_innen_von_leistungen_nach_sgb_ii_august_2024_insgesamt_je_1000_ew, sgb_2_nicht_erwerbsfaehig_pct = empfanger_innen_von_leistungen_nach_sgb_ii_august_2024_nicht_erwerbsfahige_hilfebedurftige_percent, sgb_2_auslander_pct = empfanger_innen_von_leistungen_nach_sgb_ii_august_2024_auslander_innen_percent, alo_quote_insgesamt = arbeitslosenquote_november_2024_insgesamt, alo_quote_maenner = arbeitslosenquote_november_2024_manner, alo_quote_frauen = arbeitslosenquote_november_2024_frauen, alo_quote_15_24 = arbeitslosenquote_november_2024_15_bis_24_jahre, alo_quote_55_64 = arbeitslosenquote_november_2024_55_bis_64_jahre ) # 3. Daten mergen -------------------- # Beide Datensätze enthalten Angaben zur Wahlkreisnummer. btw_2025_ergebnisse %>% distinct(gebietsnummer, gebietsart, gebietsname) %>% View() # dabei steht 99 hier für das Bundesgebiet. btw_2025_strukturdaten %>% distinct(wahlkreis_nr, wahlkreis_name) %>% View() # Hier zeigen die Nummern über 900 Aggregatzahlen an, für die Bundesländer und # das gesamte Bundesgebiet. Wahlkreise tragen die Nummern 1-299. # Insgesamt ist das Problem, dass zwar beide Datensätze Angaben zu a) Wahlkreisen, b) Bundes- # ländern und c) dem Bundesgebiet enthalten, diese Daten aber im Strukturdatensatz # in einer einzigen Variable stecken, im Ergebnisdatensatz hingegen in drei # verschiedenen: gebietsnummer, gebietsart, und gebietsname. # Um also die Strukturdaten den Ergebnisdaten hinzufügen zu können, müssen wir # deren Struktur an jene des Ergebnisdatensatzes anpassen: # Strukturdaten für Merge vorbereiten btw_2025_strukturdaten_merge <- btw_2025_strukturdaten %>% dplyr::mutate( gebietsart = dplyr::case_when( # neue Variable Gebietsart erstellen wahlkreis_nr == 999 ~ "Bund", wahlkreis_nr >= 901 ~ "Land", TRUE ~ "Wahlkreis" ), wahlkreis_nr = dplyr::case_when( # die nummern an jene im ergebnisdatensatz anpassen wahlkreis_nr == 999 ~ 99, wahlkreis_nr == 901 ~ 1, wahlkreis_nr == 902 ~ 2, wahlkreis_nr == 903 ~ 3, wahlkreis_nr == 904 ~ 4, wahlkreis_nr == 905 ~ 5, wahlkreis_nr == 906 ~ 6, wahlkreis_nr == 907 ~ 7, wahlkreis_nr == 908 ~ 8, wahlkreis_nr == 909 ~ 9, wahlkreis_nr == 910 ~ 10, wahlkreis_nr == 911 ~ 11, wahlkreis_nr == 912 ~ 12, wahlkreis_nr == 913 ~ 13, wahlkreis_nr == 914 ~ 14, wahlkreis_nr == 915 ~ 15, wahlkreis_nr == 916 ~ 16, TRUE ~ wahlkreis_nr ) ) # Merge durchführen btw_2025_erg_struk <- btw_2025_ergebnisse %>% dplyr::left_join(btw_2025_strukturdaten_merge, by = c("gebietsnummer" = "wahlkreis_nr", "gebietsart" = "gebietsart") ) # 4 Labels ---------- # Ergebnisdaten # variablennamen ausgeben lassen zum Kopieren btw_2025_ergebnisse %>% names() # Liste mit Labels bauen labels_btw_2025_ergebnisse <- list( wahlart = "Wahlart: Bundes, -Landes, -Kommunalwahl ", wahltag = "Datum des Wahltags", gebietsart = "Gebietsart: Bundesland, Wahlkreis, oder gesamtes Staatsgebiet", gebietsnummer = "Gebietsnummer", gebietsname = "Gebietsname", ueg_gebietsart = "Übergeordnete Gebietsart", ueg_gebietsnummer = "Übergeordnete Gebietsnummer", gruppenart = "Gruppenart: Partei, Einzelbewerber, System", gruppenname = "Gruppenname: z.B. Parteiname", gruppenreihenfolge = "Reihenfolge der Gruppe", stimme = "Stimmart (Erst-/Zweitstimme)", anzahl = "Anzahl Stimmen", prozent = "Stimmenanteil in Prozent", vorp_anzahl = "Anzahl Stimmen bei vorherangegangener Wahl", vorp_prozent = "Stimmenanteil bei vorherangegangener Wahl in Prozent", diff_prozent = "Veränderung zur vorherangegangenen Wahl in Prozent", diff_prozent_pkt = "Veränderung zur vorherangegangenen Wahl in Prozentpunkten", gewahlt = "Gewählt: Pateiname" ) # Labels anbringen btw_2025_erg_struk <- btw_2025_erg_struk %>% labelled::set_variable_labels(.labels = labels_btw_2025_ergebnisse, .strict = FALSE) # Strukturdaten btw_2025_strukturdaten_labels <- stats::setNames( object = names(btw_2025_strukturdaten_raw), # Die Labels/Beschreibungen (Werte) nm = names(btw_2025_strukturdaten) # Die aktuellen Spaltennamen (Namen) ) # Jetzt als Liste an labelled übergeben btw_2025_erg_struk <- btw_2025_erg_struk %>% labelled::set_variable_labels( .labels = as.list(btw_2025_strukturdaten_labels), .strict = FALSE ) # 5 Speichern ------------------ save(btw_2025_erg_struk, file = "output/btw_2025_erg_struk.RData") View(btw_2025_erg_struk) # Übersicht mit summarytools: btw_2025_erg_struk %>% summarytools::dfSummary( max.distinct.values = 3, na.col = FALSE) %>% print(file = "output/btw_2025_erg_struk_summary.html")