Die wichtigsten R Pakete

Ein Grund für den Erfolg des Statistik Programms R liegt an der großen und aktiven Community, die viele nützliche Erweiterungen erstellt. Die kostenlosen Erweiterungen werden Pakete genannt, werden ganz unkompliziert eingefügt und geben euch neue Befehle und Funktionen. Fast jeder Nutzer, der sich ernsthaft mit R beschäftigt, macht gebrauch von speziellen Packeten um schnellere und bessere Ergebnisse zu erzielen. In diesem Tutorial lernst du, wie Packete Installiert werden und erhälst eine Übersicht der beliebtesten Pakete der Community.

Inhalt
Pakete in R installieren
Die nützlichsten R Pakete

Pakete in R installieren

Das installieren von Pakete könnte nicht einfacher sein. Tippe einfach diesen Befehl in die Commandozeile:

install.packages("NAME")

Solange dein Computer mit dem Internet verbunden ist, lädt R das Paket von CRAN herunter. Warte solange, bis der Installationsprozess abgeschlossen ist.

Jetzt ist das Paket mit unserer Version von R installiert. Bei neuen Berechnungen müssen die Pakete nicht immer wieder heruntergeladen werden. Jedoch fordert die Statistiksoftware bei jeder Software das aktivieren des Paketes. Aus diesem Grund öffnen wir in einer Session mit diesem Befehl das Paket:

library("NAME")

Nachdem das Paket in der aktuellen Session geladen wurde,  können wir die neuen Funktionalitäten nutzen.

 

Die nützlichsten R Pakete

Die open Source statistiksoftware R hat eine große und aktive Community mit vielen talentierten Programmierern, die immer neue und bessere Pakete für R schreiben. Auf dieser Webseite haben wir eine kurze Übersicht der nützlichsten Pakete zusammengestellt – ohne einen Anspruch auf Vollständigkeit. Falls du der Meinung bist, dass ein wichtiges Paket hier fehlt, kannst du uns gerne eine Nachricht senden (Kontaktformular).

sessioninfo() | Überblick der geladenen Pakete
library(packagename) | Pakete laden mit funktion
install.packages(„packagename“) |Pakete installieren

Hinweis für die Tutorials in auf dieser Webseite: Falls in einem Tutorial auf ein bestimmtes Paket zurückgegriffen wird, dann steht das auch immer im jeweiligen Kapitel dazu.

 

Daten importieren

foreign SAS Daten in R importieren
XLConnect Excel Dateien laden und schreiben mit R. Ansonsten versteht R nur .csv Dateien.
RMySQL, Informationen direkt aus einer Datenbank ziehen.
haven – Improved methods to import SPSS, Stata and SAS files in R.

 

Daten berechnen

lme4  – Mixed-effects models
data.table  – ist eine erweiterung von data.frame. Mit diesen Funktionen lassen schnell Zeilen und Spalten eines dataframes bearbeiten.

 

Visualisierungen

ggplot2 – Eines der beliebtesten Pakete in R. ggplot2 hilft dir bei der Gestalung von individuellen Plots.
rgl – Interactive 3D visualizations with R
scales – Hilft bei der Visualisierung von Skalierungen bei Diagrammen.
corrplot – Erzeugt hübsche Korrelationstabellen

 

Daten Modellierungen

car – car’s Anova function is popular for making type II and type III Anova tables.
mgcv – Generalized Additive Models
stats – erweitert R mit tollen Statistikfunktionen
simr / pwr–  – Berechet die statistische Power eeines Modells.
lme4/nlme – Linear and Non-linear mixed effects models
randomForest – Random forest methods from machine learning
multcomp – Tools for multiple comparison testing
vcd – Visualization tools and tests for categorical data
glmnet – Lasso and elastic-net regression methods with cross validation
caret – Tools for training regression and classification models

 

Daten berichten

shiny – Easily make interactive, web apps with R. A perfect way to explore data and share findings with non-programmers.

R Markdown – The perfect workflow for reproducible reporting. Write R code in your markdown reports. When you run render, R Markdown will replace the code with its results and then export your report as an HTML, pdf, or MS Word document, or a HTML or pdf slideshow. The result? Automated reporting. R Markdown is integrated straight into RStudio.

xtable – The xtable function takes an R object (like a data frame) and returns the latex or HTML code you need to paste a pretty version of the object into your documents. Copy and paste, or pair up with R Markdown.

knitr  – Easy dynamic report generation in R.

xtable – Export tables to LaTeX or HTML.

Clusteranalyse

cluster

 

Weitere Webseiten und Informationen für R

Hat dir der Beitrag gefallen?