Quantitative Methoden mit R & RStudio

Sommersemester 2026 | Sitzung 2

Maura Kratz

Willkommen zurück!

Was heute ansteht:

  • Check-In: Installation & Fragen
  • RStudio-Oberfläche
    • Einstellungen
    • Hilfe
  • Projektordner anlegen
  • Basic R-Syntax & Nützliche Shortcuts
  • Daten einlesen

Die RStudio-Arbeitsumgebung

Bisher sieht es bei euch vermutlich etwa so aus:

Die RStudio-Arbeitsumgebung

Da wir in RStudio aber immer mit Skripten arbeiten, sieht die Oberfläche typischerweise so aus:

Einstellungen

  • Tools → Global Options
  • Bitte die Optionen zum Workspace deaktivieren: Häkchen nicht setzen und im drop-down-Menü “never” wählen
  • mehr Infos zu den Einstellungen im User Guide

relative und absolute Pfade

Windows

Absoluter Pfad:

# Pfad mit "Shift+Rechtsklick+Pfad kopieren" kopieren und einfügen führt zu  backward slashes (\)

# Option 1: händisch zu forward slashes konvertieren
daten <- rio::import("C:/Forschung/Forschungsprojekt_A/data/beispieldaten.csv")

# Option 2: raw string nutzen 
daten <- rio::import(r"(C:\Forschung\Forschungsprojekt_A\data\beispieldaten.csv)")

Relativer Pfad:

# Wenn wir einen working directory spezifiziert, oder ein Projekt angelegt haben, müssen wir statt des absoluten nur noch den relativen Pfad angeben 

# working directory setzen (falls kein Projekt)
setwd("C:/Forschung/Forschungsprojekt_A")

# danach reicht der relative Pfad
daten <- rio::import("./data/beispieldaten.csv")

Relative und absolute Pfade

macOS / Linux

Absoluter Pfad:

# Pfad mit "Rechtsklick + Als Pfadname kopieren" kopieren und einfügen führt zu forward slashes

# kein raw string nötig
daten <- rio::import("/Users/maura/Forschung/Forschungsprojekt_A/data/beispieldaten.csv")

Relativer Pfad:

# Wenn wir ein Projekt angelegt haben oder setwd() genutzt haben, reicht der relative Pfad

# Working Directory setzen (wenn nicht ohnehin ein Projekt)
setwd("/Users/maura/Forschung/Forschungsprojekt_A")

# danach reicht der relative Pfad
daten <- rio::import("./data/beispieldaten.csv")

Ordner und Pfade

  • Wir müssen R sagen, wo es Datensätze einlesen und Ergebnisse ablegen soll
  • Dazu ist es sinnvoll in Projekten zu arbeiten (1 Projekt pro Kurs/ Hausarbeit/ Forschungsprojekt)
  • So müssen nicht immer lange, nicht reproduzierbare absolute Pfade angegeben werden
  • Und es muss nicht immer explizit der Arbeitsordner mit setwd("Pfad-zum-Ordner") festgelegt werden
  • Ein Projekt legt einen Ordner als Standard-Arbeitsordner fest
  • Von dort aus können dann unterschiedliche Unterordner mit relativen Pfaden angesteuert werden:
data_1 <- rio::import("./data/dataset_1.csv")
R_Kurs/
├── R_Kurs.Rproj
├── data/
│   └── bspdaten.csv
├── slides/
│   └── sitzung_01.pdf
├── skripte/
│   └── 02_analyse.R
├── uebungen/
│   └── uebung_01.R
└── output/
    ├── grafik_01.png
    └── tabelle_01.docx

Important

Niemals ein Leerzeichen in Ordner- oder Dateinamen!

Die wichtigsten Keyboard-Shortcuts

  • Str + Enter führt Code aus. Dafür:

    • entweder den auszuführenden Code markieren

    • oder den Cursor irgendwo im auszuführenden Code-Chunk platzieren

  • Str + Shift + S führt das gesamte Skript aus.

  • Str + Shift + M fügt die Pipe (%>%) ein

  • Str + Shift + L räumt die Console auf

Guter Stil im Skript

  1. erkläre, was du tust in # Kommentaren

  2. benne Objekte ausschließlich mit Kleinbuchstaben und trenne Wörter mit _

    i_use_snake_case 
    otherPeopleUseCamelCase 
    some.people.use.periods 
    And_aFew.People_RENOUNCEconvention
  3. unterteile dein Skript in Sektionen

    # Load data --------------------------------------
    
    # Plot data --------------------------------------

Note

Mehr dazu

im Tidyverse-Styleguide und im eBook R For Data Science.

Guter Stil im Code

  1. Leerzeichen vor Operatoren (außer ^), vor %>% und vor + in ggplot2-Befehlen

  2. keine Leerzeichen vor oder nach Klammern

  3. neue Argumente/ Befehle kommen in eine neue Zeile

  4. Pipes sollten grundsätzlich das letzte in einer Codezeile sein

  5. eine Pipe sollte nicht länger als 10-15 Zeilen sein

Basic R-Syntax

  • # für Kommentare, also Beschreibungen

  • <- um etwas einem R-Objekt zuzuweisen

  • [] um Positionen anzugeben

  • Durch Drücken der Tab-Taste erhältst du Vorschläge zur Vervollständigung

  • %>% bzw. Str. + Shift + M um mehrere Befehle mittels Pipe zu verketten

  • Aufbau von Befehlen: command_name(argument1 = value1, argument2 = value2, ...)

Wo bekomme ich Hilfe ?

  1. Direkt in RStudio

    • ?befehl(), z.B. ?mean()

    • ?paket, z.B. ?dplyr

    • ??"stichwort", z.B. ??"mean"

  2. Von Kommiliton*innen

  3. Von mir während der Sitzung und/ oder in Sprechstunden

Wo bekomme ich Hilfe ?

  1. Online

    • bei RStudio/Posit
    • über die von Google betriebene Suchmaschine Rseek
    • auf der CRAN-Webseite unter “Manuals” gibt es hilfreiche Einstiegshandbücher
    • auf Datacamp für einen schnellen Überblick über Basics
    • in den Ressourcen im Syllabus

Datenanalyse-Workflow

Hands On - Daten einlesen

Minute Cards

Bitte füllt die Minute Cards für die heutige Sitzung aus. Das sollt enicht länger als 3 Minuten dauern. Vielen Dank für eure Mitarbeit!

Vielen Dank und bis kommenden Dienstag!

Übung 1 zu “Daten einlesen” bis spätestens Sonntagabend!