# QUANTITATIVE DATENANALYSE IN R | Maura Kratz | SoSe26 ----------- # LÖSUNG ZU ÜBUNG 1: Datenimport ----------- # ______________________________________________________----------- # Aufgabe 1 ------------------ # Lade dir die Wahlkreisstrukturdaten herunter und lege sie in deinen .data-Unterordner. # Siehe dafür auf der Kurswebseite unter dem Tab "Daten" nach. # Aufgabe 2 ------------------ # Lade die nötigen Pakete: rio, janitor, dplyr, labelled, summarytools. # Lese die daten mir dem rio-Paket ein. Achte darauf, ggf. überflüssige Zeilen # zu überspringen. Sieh dir das Ergebnis an. library(rio) library(janitor) library(dplyr) library(labelled) library(summarytools) btw_2025_strukturdaten_raw <- rio::import( "data/btw2025_strukturdaten.csv", sep = ";", dec = ",", skip = 9 ) # Aufgabe 3 ------------------------ # Bereinige die Variablennamen. btw_2025_strukturdaten <- btw_2025_strukturdaten_raw %>% janitor::clean_names() # Aufgabe 4 --------------------- # a) Lass dir die Variablennamen ausgeben. # b) Ändere sie zu kurzen, sinnvollen Namen um. # Da wir das noch nicht durchgenommen haben bekommst du unten ein Beispiel, # das den rename-Befehl illustriert. Vervollständige den Befehl, indem du # auch die übrigen Varaiblen umbenennst. # c) Füge mit labelled::set_variable_labels() den neuen Namen # entsprechende Labels hinzu. # a) Namen printen names(btw_2025_strukturdaten) # b) Zu lange Namen umbenennen 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 ) # b) Labels hinzufügen btw_2025_strukturdaten <- btw_2025_strukturdaten %>% labelled::set_variable_labels( land = "Bundesland", wahlkreis_nr = "Wahlkreisnummer", wahlkreis_name = "Wahlkreisname", gemeinden = "Anzahl Gemeinden (31.12.2023)", flache_km2 = "Fläche in km² (31.12.2023)", bev_insgesamt_1000 = "Bevölkerung insgesamt in 1000 (31.12.2023)", bev_deutsche_1000 = "Deutsche Bevölkerung in 1000 (31.12.2023)", bev_auslander_pct = "Ausländeranteil in % (31.12.2023)", bev_dichte_ew_km2 = "Bevölkerungsdichte EW/km² (31.12.2023)", geburtensaldo_je_1000_ew = "Geburtensaldo je 1000 EW (2023)", wanderungssaldo_je_1000_ew = "Wanderungssaldo je 1000 EW (2022)", alter_unter_18_pct = "Anteil unter 18 Jahre in % (31.12.2023)", alter_18_24_pct = "Anteil 18–24 Jahre in % (31.12.2023)", alter_25_34_pct = "Anteil 25–34 Jahre in % (31.12.2023)", alter_35_59_pct = "Anteil 35–59 Jahre in % (31.12.2023)", alter_60_74_pct = "Anteil 60–74 Jahre in % (31.12.2023)", alter_75plus_pct = "Anteil 75+ Jahre in % (31.12.2023)", boden_siedlung_verkehr_pct = "Siedlungs- und Verkehrsfläche in % (31.12.2022)", boden_vegetation_gewaesser_pct = "Vegetation und Gewässer in % (31.12.2022)", wohnungen_fertig_je_1000_ew = "Fertiggestellte Wohnungen je 1000 EW (2023)", wohnungen_bestand_je_1000_ew = "Wohnungsbestand je 1000 EW (31.12.2023)", wohnflache_je_wohnung = "Wohnfläche je Wohnung in m² (31.12.2023)", wohnflache_je_ew = "Wohnfläche je EW in m² (31.12.2023)", pkw_je_1000ew = "PKW je 1000 EW (01.01.2024)", pkw_elektro_hybrid_pct = "Anteil Elektro-/Hybrid-PKW in % (01.01.2024)", unternehmen_je_1000ew = "Unternehmen je 1000 EW (2022)", handwerk_je_1000ew = "Handwerksunternehmen je 1000 EW (2022)", schulabg_beruflich_2022 = "Schulabgänger berufliche Schulen (2022)", schulabg_allg_je_1000ew = "Schulabgänger allgemeinbildend je 1000 EW (2022)", schulabg_ohne_abschluss_pct = "Schulabgänger ohne Abschluss in % (2022)", schulabg_hauptschule_pct = "Schulabgänger mit Hauptschulabschluss in % (2022)", schulabg_mittlere_reife_pct = "Schulabgänger mit mittlerem Abschluss in % (2022)", schulabg_abitur_pct = "Schulabgänger mit Abitur/FH-Reife in % (2022)", kita_unter_3_quote = "Kita-Betreuungsquote unter 3 Jahre (01.03.2023)", kita_3_bis_6_quote = "Kita-Betreuungsquote 3–6 Jahre (01.03.2023)", einkommen_je_ew_2021 = "Verfügbares Einkommen je EW in EUR (2021)", bip_je_ew_2021 = "BIP je EW in EUR (2021)", svb_insgesamt_je_1000ew = "SV-Beschäftigte insgesamt je 1000 EW (30.06.2023)", svb_landwirtschaft_pct = "SV-Beschäftigte Landwirtschaft in % (30.06.2023)", svb_prod_gewerbe_pct = "SV-Beschäftigte produzierendes Gewerbe in % (30.06.2023)", svb_handel_gast_verkehr_pct = "SV-Beschäftigte Handel/Gastgewerbe/Verkehr in % (30.06.2023)", svb_oeffentl_dienstl_pct = "SV-Beschäftigte öffentl. Dienstleister in % (30.06.2023)", svb_uebrige_dienstl_pct = "SV-Beschäftigte übrige Dienstleister in % (30.06.2023)", sgb_2_insgesamt_je_1000ew = "SGB-II-Empfänger insgesamt je 1000 EW (Aug. 2024)", sgb_2_nicht_erwerbsfaehig_pct = "SGB-II: nicht erwerbsfähige Hilfebedürftige in % (Aug. 2024)", sgb_2_auslander_pct = "SGB-II: Ausländeranteil in % (Aug. 2024)", alo_quote_insgesamt = "Arbeitslosenquote insgesamt (Nov. 2024)", alo_quote_maenner = "Arbeitslosenquote Männer (Nov. 2024)", alo_quote_frauen = "Arbeitslosenquote Frauen (Nov. 2024)", alo_quote_15_24 = "Arbeitslosenquote 15–24 Jahre (Nov. 2024)", alo_quote_55_64 = "Arbeitslosenquote 55–64 Jahre (Nov. 2024)", fussnoten = "Fußnoten" ) # Aufgabe 5 -------------- # Lass dir mit summarytools eine Datensazübersicht ausgeben. btw_2025_strukturdaten %>% summarytools::dfSummary(na.col = FALSE) %>% summarytools::view(file = "output/btw_2025_strukturdaten_summary.html") # OPTIONAL: Alternative zu 4b) -------------- # die ursprünglichen Variablennamen in btw_2025_strukturdaten_raw waren eigentlich # bereits gute labels # die können wir also als Label an die neuen Variablennamen in btw_2025_strukturdaten # anbringen # (named) Vektor erstellen mit neuen Namen als Werte und alte Namen als Namen der Werte btw_2025_strukturdaten_labels <- stats::setNames( object = names(btw_2025_strukturdaten_raw), # Das wird der Text des Labels nm = names(btw_2025_strukturdaten) # Das ist die Spalte im aktuellen Datensatz ) # 2. Zuweisen btw_2025_strukturdaten <- btw_2025_strukturdaten %>% labelled::set_variable_labels( .labels = as.list(btw_2025_strukturdaten_labels), .strict = FALSE ) save(btw_2025_strukturdaten, file = "output/btw_2025_strukturdaten.RData")