Data Analytics
  • Overview
  • Empirical Research
    • 1 Research Questions
    • 2 Data Collection
    • 3 Signal and Noise
    • 4 Types of Questions
      • Finding Individual Records
      • Summarizing Data
      • Exploring Data
      • Drawing Conclusions from Data
      • Fehlende Informationen vorhersagen
      • Kausalität feststellen
    • 5 Data
      • Data Sets
      • Data Records
      • Data Attributes
      • Data Types
      • Scales
      • Data Formats
        • Das CSV-Format
        • Das JSON-Format
        • Das Parquet-Format
    • 6 Tools
      • Projects
  • Introduction to R
    • 7 The Problem
    • 8 Vectors
    • 9 Data Frames
    • Simulations
    • Logic and Arithmetic
    • Objects and Variables
    • Data structures
    • Control structures
    • Loops
      • Die For-Schleife
      • Die While-Schleife
      • Die Repeat-Schleife
    • Functions
    • Readability and Reusability
  • Loading Data
    • Tidyverse and Tibbles
    • Load a data set
    • Load from multiple files
    • Getting to know the Data
    • Der Analyseprozess
    • Der Werkzeugkasten
  • Data Transformation
    • Five transformations
    • Select columns
    • Filter rows
    • Add columns
    • Change columns
      • Spalten verändern
    • Sort rows
    • Summarize rows
    • SQL and R
  • Data Visualization
    • Pleas for data visualization
    • Overview of ggplot2
    • Visualisierungsformen
      • Trends und Entwicklungen
      • Distributions
      • Word Clouds
      • Mengen und Proportionen
      • Geospatial Data
    • Formatting plots
      • Achsenformatierung
    • Multiple plots
    • Stolperfallen
      • Abgeschnittene y-Achse
      • Duale y-Achse
      • Non-Proportional Ink
    • Übungen
      • 💻Transformation der REWE-Daten
      • 💻Übung zur Datenvisualisierung
  • Communication
    • Quarto
  • SQL
    • Grundlagen SQL
      • Was ist SQL?
      • Daten importieren
      • Spalten und Ausdrücke auswählen
      • Zeilen filtern
      • Zeilen aggregieren und gruppieren
      • Aggregierte Zeilen filtern
      • Zeilen sortieren
      • 💻Übungen
    • Erweitertes SQL
      • Views
      • Mengenoperatoren
      • Unterabfragen
      • Window-Funktionen
      • Datum und Zeit
      • JSON
      • Arrays
      • Statistische Funktionen
    • Joins mit SQL
      • Das relationale Modell
      • Verbinden von Tabellen
      • Datensätze anreichern
    • Textanalysen mit SQL
      • In Texten suchen
      • Wörter analysieren
        • Daten vorfiltern
        • Säubern und Normalisieren
        • Tokenisieren und Zählen
        • Stopwörter filtern
        • POS Tagging
      • Themen identifzieren
      • Wortpaare
      • Netzwerke
      • Emoticons extrahieren
      • NLP mit spaCy
        • spaCy in Databricks installieren
        • Die NLP Pipeline
          • Tokenize
          • Part-of-Speech (POS)
          • Named Entities (NER)
          • Lemmatizer
          • Syntaktische Abhängigkeiten
        • spaCy und Spark SQL
          • spaCy und UDFs
          • Texte mit spaCy streamen
  • Data Sets & Exercises
    • Übungen
      • SQL
        • ⭐Die Simpsons Teil 1
        • ⭐Die Simpsons Teil 2
      • R
    • Fallstudien
      • Morde in Chicago
    • Datensätze
      • 📂Environmental Impacts of Food Production
      • 📂Amazon Reviews
      • 📂arXiv Papers
      • 📂Chicago Crimes
      • 📂Covid19
      • 📂Open Food Facts
      • 📂Orangenlimonade
      • 📂REWE Online Products
      • 📂Simpsons
      • 📂TED Talks
      • 📂Tweets
  • References
Powered by GitBook
On this page
  • Einfache Arithmetik
  • Vergleichsoperationen
  • Logikoperationen

Was this helpful?

  1. Introduction to R

Logic and Arithmetic

Der einfachste Anwendungsfall für R ist ein umfangreicher Taschenrechner. Wir lernen im ersten Schritt die Möglichkeiten kennen, R für mathematische Berechnungen einzusetzen.

Einfache Arithmetik

Wir können auf der R-Konsole arithmetische Ausdrücke eingeben und mit Strg + Enter oder dem Run-Button ausführen. Dabei gibt es die bekannten Operatoren, die in der Tabelle unten gelistet sind:

1 + 1

# Ergebnis in der Konsole:
# > 1 + 1
# [1] 2
Operator
Beschreibung
Beispiel
Ergebnis

+

Addition

41 + 1

42

-

Subtraktion

43 - 1

42

*

Multiplikation

2 * 21

42

/

Division

84 / 2

42

^

Potenzierung

8 ^ 2

64

%%

Modulo

142 %% 100

42

%/%

Ganzzahlige Division

142 %/% 100

1

Vergleichsoperationen

R unterstützt die typischen Vergleichsoperationen mit entsprechenden Operatoren, die in der Tabelle unten aufgelistet sind:

Operator
Beschreibung
Beispiel
Ergebnis

>

Größer

42 > 41

TRUE

<

Kleiner

42 < 41

FALSE

<=

Kleiner gleich

41 <= 41

TRUE

>=

Größer gleich

41 >= 42

FALSE

==

Gleich

1 + 1 == 2

TRUE

!=

Ungleich

42 != 41

TRUE

Logikoperationen

Logikoperatoren dürfen in keiner Programmiersprache fehlen. Schließlich ist Logik ein wesentlicher Bestandteil der Informationsverarbeitung. Die Tabelle unten listet die wichtigsten Logikoperatoren und deren Umsetzung in R.

Operator
Beschreibung
Beispiel
Ergebnis

!

Verneinung

!1==1

FALSE

&

Und (Element-basiert)

1==1 & 2==1

FALSE

&&

Und (Objekt-basiert)

s. Unten

-

|

Oder (Element-basiert)

1==1 | 2==1

TRUE

||

Oder (Objekt-basiert)

s. Unten

-

PreviousSimulationsNextObjects and Variables

Last updated 8 months ago

Was this helpful?

Logikoperatoren spielen besonders bei der Verwendung von eine wichtige Rolle. Hier geht es darum, basierend auf definierten Bedingungen zu entscheiden, ob ein bestimmter Codeblock ausgeführt werden soll oder nicht. Um Bedingungen miteinander zu verknüpfen, benötigen wir logische Verknüpfungen wie UND oder ODER.

Kontrollstrukturen