Quantitative Methoden mit R & R-Studio

Sommersemester 2026 | Sitzung 3

Maura Kratz

Willkommen zurück!

Recap

  1. Projektordner anlegen und darin arbeiten
  2. tidy code und tidy Kommentare schreiben
  3. Hilfe suchen
  4. Daten einlesen mit dem rio-Paket
  5. Daten überblicken mit dem summarytools-Paket

Was heute ansteht:

  • Check-In
  • Besprechung der Übung 1
  • Was sind Pakete?
  • Tidyverse
  • Data Cleaning & Wrangling

Pakete

  • Einige Funktionen sind bereits in base R enthalten
  • Für andere müssen zusätzliche Pakete geladen werden
  • Pakete sind Bündel unterschiedlicher Funktionen
  • Base R reicht oft nur für sehr basale Operationen und Visualisierungen, für alles andere werden Pakete benötigt

summarytools-Paket

Funktion Beschreibung Geeignet für
dfSummary() Übersicht über alle Variablen (Klasse, fehlende Werte, Verteilungen, etc.) Schnelle Gesamtübersicht eines Datensatzes
freq() Häufigkeitstabellen Einfache Verteilungen kategorialer Variablen
descr() Deskriptive Statistik (Mittelwert, Median, SD, etc.) Basisanalyse numerischer Variablen
ctable() Kreuztabellen mit Prozenten und optionalen Tests (z. B. Chi²) Zusammenhang zwischen zweikategorialen Variablen 
btw_2025_ergebnisse %>%
  summarytools::dfSummary(na.col = FALSE) %>% # missings-Spalte ausblenden
  summarytools::view(file = "./data/btw_2025_ergebnisse_uebersicht.html") # speichern

summarytools-Paket

Abhängigkeiten:

  • summarytools greift auf ein anderes Paket namens cairo zu
  • cairo nutzt für die Erstellung von .html-Dateien eine Grafikbibliothek, die in Windows integriert ist, in macOS aber irgendwann ersetzt wurde
  • macOS benötigt also ein Programm (XQuartz), das die Grafikbibliothek bereitstellt
  • um das Programm manuell nachzuinstallieren:

  1. XQuartz herunterladen: xquartz.org

  2. RStudio öffnen und das Skript erneut ausführen

Feedback zu Übung 1

  • naming convention: uebung_01_name.R (+ gern auch im Dokument selbst angeben)

  • Code immer ausführen! Das ist die beste Prüfung, ob er korrekt ist.

  • achtet darauf alle benötigten Pakete zu laden (mein Fehler)

  • nutzt lieber relative als absolute Pfade

  • install.packages(" ") vs library( ) : eins hat Anführungszeichen, das andere nicht

  • Aufgabe 4c) zu Labels fiel schwer

Important

  • kursfremde Syntax fällt (negativ) auf!

  • leere Übungen oder Kursskripte abzugeben ebenfalls

Übungen als Voraussetzung für die aktive und regelm. Teilnahme

  • Es gibt rund 10 Übungen, davon bis zu 1 “Joker”

  • nach jeder Abgabe notiere ich:

    • grün = pünktlich und bestanden;

    • gelb = mit Mängeln und/ oder unpünktlich,

    • rot = nicht bestanden oder nicht eingereicht

  • am Ende des Semesters bekommen alle, die 9-10 mal grünes Licht bekommen haben (und die übrigen Bestandteile wie Lektüre und mündl. Teilnahme erfüllt haben) ihre aktive und regelmäßige Teilnahme bestätigt

  • alles andere sind Einzelfallprüfungen. (Wie oft? Wurde eine Begründung angegeben? Wurde eine Ausgleichsleistung angeboten? etc.)

Datenanalyse-Workflow

Das tidyverse-Paketbündel

tidyverse-Logik

Base R

df <- read.csv("daten.csv")
df2 <- df[df$jahr == 2025, ]
mittel <- mean(df2$stimmen, na.rm = TRUE)

  • Viele Zwischenobjekte

  • schnell unlesbar durch verschachtelte [ ] bei mehreren Schritten

tidyverse

df <- rio::import("daten.csv")
mittel <- df %>%
  dplyr::filter(jahr == 2025) %>%
  dplyr::summarise(
    m = mean(stimmen, na.rm = TRUE)
  )

  • Ein Objekt, eine Pipeline

  • Jede Zeile = ein Schritt

  • Schritte lesen sich von oben nach unten wie eine Anleitung: “nimm df, dann filtere, dann berechne.”

Pipes

  • Zwei Optionen: Base R pipe: |> ODER magrittr pipe: %>%
  • Die Default-Pipe kann über Global Options eingestellt werden
  • Zum Einfügen: eintippen oder Strg + Shift + M
  • Stilregeln:
    • Immer Leerzeichen vor der Pipe
    • Immer neue Zeile danach
btw_2025_ergebnisse %>%
  dplyr::filter(jahr == 2025) %>%
  dplyr::select(partei, zweitstimmen)

Hands On - Data Wrangling

Datentransformation mit dplyr

Befehl Beschreibung Bsp
rename() Spaltennamen ändern df %>% rename(neu = alt)
select() Variablen auswählen df %>% select(var1, var2)
slice() Zeilen nach Position auswählen df %>% slice(1:10)
filter() Zeilen nach Werten filtern df %>% filter(jahr == 2025)
relocate() Spaltenreihenfolge ändern df %>% relocate(var1, .before = var2)

Datentransformation mit mit dplyr

Befehl Beschreibung Bsp
mutate() Neue Variablen hinzufügen df %>% mutate(anteil = stimmen / sum(stimmen))
summarise() Mehrere Werte zusammenfassen df %>% summarise(mean(stimmen))
count() Häufigkeiten zählen df %>% count(partei)
group_by() Operationen gruppenweise ausführen df %>% group_by(partei) %>% summarise(mean(stimmen))

Datentransformation mit mit tidyr

Befehl Beschreibung Bsp
pivot_longer() Breites Format in langes umwandeln df %>% pivot_longer(cols = -id, names_to = "var", values_to = "val")
pivot_wider() Langes Format in breites umwandeln df %>% pivot_wider(names_from = var, values_from = val)

Änderungen überprüfen - 3 Optionen

1. In der Console ansehen

  • Sinnvoll zum Testen, kann aber schnell unübersichtlich werden bei großen Datensätzen

  • Änderungen werden nirgends gespeichert

btw_2025_ergebnisse %>%
  dplyr::select(gebietsart, gebietsnummer, gruppenname, stimme, prozent, gewahlt) %>%
  head(10)
   gebietsart gebietsnummer     gruppenname stimme   prozent gewahlt
1        Bund            99 Wahlberechtigte     NA        NA        
2        Bund            99        Wählende     NA 82.512200        
3        Bund            99       Ungültige      1  0.847738        
4        Bund            99       Ungültige      2  0.559080        
5        Bund            99         Gültige      1 99.152262        
6        Bund            99         Gültige      2 99.440920        
7        Bund            99             SPD      1 20.071417        
8        Bund            99             SPD      2 16.413301        
9        Bund            99             CDU      1 25.460226        
10       Bund            99             CDU      2 22.550824

Änderungen überprüfen - 3 Optionen

2. “Nur kurz schauen”

  • Daten werden in einem neuen Tab geöffnet.

  • Umgeht das Unübersichtlichkeitsproblem.

  • Nervt aber ggf. später, wenn das Skript von oben bis unten ausgeführt wird (“Source”-button).

btw_2025_ergebnisse %>%
  dplyr::filter(gebietsart != "Einzelbewerber/Wählergruppe") %>%
  View()

Änderungen überprüfen - 3 Optionen

3. Speichern oder Überschreiben

  • viele unterschiedliche Objekte zu speichern kann unübersichtlich werden

  • aber einmal überschriebene Daten schwieriger zurückzuholen

btw_2025_ergebnisse_be <-  btw_2025_ergebnisse %>%
  dplyr::filter(gebietsname == "Berlin")
btw_2025_ergebnisse <- btw_2025_ergebnisse %>%
  dplyr::rename(
    uberg_gebietsart = ueg_gebietsart, # neuer_name = alter_name
    uberg_gebietsnr = ueg_gebietsnummer)

Long vs. Wide

Long-Format ist sinnvoll für:

  • ggplot2 erwartet fast immer long format
  • group_by() + summarise()
  • Regressionsmodelle

Wide-Format ist sinnvoll für:

  • Korrelationsmatrizen (eine Zeile pro Beobachtungseinheit)
  • Vergleichstabellen (Erst- vs. Zweitstimme nebeneinander)
  • Export nach Excel

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 2 zu “Data Wrangling” bis spätestens Sonntagabend!