prak-07-solutions.Rmd

---
title: "Praktikum 07"
author: "Füge deinen Namen hizu"
date: "Füge ein Datum hinzu"
output: 
  html_document: 
    toc: true
    toc_float: true
editor_options: 
  chunk_output_type: console
---

```{r setup, include=FALSE}

# Ich habe hier erneut Standardeinstellungen für Code-chunks angepasst
knitr::opts_chunk$set(echo = TRUE, message = FALSE, warning = FALSE)

```

# Lade Packages

1. Lade `dplyr` und `palmerpenguins` Packages
2. Führe den Code-chunk aus

```{r}

library(dplyr)
library(ggplot2)
library(palmerpenguins)

```
# Tastaturkürzel

Ich habe hier nochmals die wichtigsten Tastaturkürzel für dich hinzugefügt

- **Einen neuen Code-chunk hinzufügen:** Ctrl + Alt + I
- **Code "Zeile für Zeile" innerhalb eines Code-chunks ausführen:** Ctrl + Enter
- **Den gesamten Code-chunk ausführen:** Ctrl + Shift + Enter
- **Die Pipe (%>%):** Ctrl + Shift + M
- **Der Zuweisungs-Operator (<-)**: Alt + -

# dplyr::summarise()

Mit der Funktion `summarise()` wird ein neuer Dataframe erstellt. Der Dataframe enthält eine Spalte für jede angegebene zusammenfassende Statistik.

Dieser enthält eine (oder mehrere) Zeilen für jede Kombination von Gruppierungsvariablen.

```{r dplyr-summarise}

penguins %>% 
  summarise()

penguins %>% 
  summarise(n())  # neue Spalte bekommen namen der Funktion

penguins %>% 
  summarise(
    count = n(),  # neue Spalte wird benannt
    max = max(year) # neue Spalte wird benannt
  )

nrow(penguins)
dim(penguins)  # reihen + spalten
str(penguins)
glimpse(penguins)

```


```{r dplyr-summarise-filter}

penguins %>% 
  filter(species == "Chinstrap", island == "Dream") %>%  # gefilterter Dataframe wird an summarise weitergegeben
  summarise(anzahl = n())

```

# dplyr::group_by()

Die Funktion `group_by()` wird genutzt um einen existierenden Dataframe in einen gruppierten Dataframe zu konvertieren, sodass die folgenden Anweisungen auf der Ebene der Gruppen angewandt werden. Der resultierende Dataframe enthält eine (oder mehrere) Zeilend für jede Kombination von Gruppierungsvariablen, und eine Spalte für jede Gruppierungsvariable.

## Gruppierte Zusammenfassung

```{r dplyr-summarise-group} 

penguins %>% 
  group_by(species, island)  # beachte Output. Groups: species, island [5]

penguins %>% 
  group_by(island, species) %>% 
  summarise(count = n()) # Pro Gruppe eine Reihe. Pro Variable eine Spalte im Output.

penguins %>% 
  filter(body_mass_g > 3700) %>% # Erst filtern, dann zusammenfassen
  group_by(island, species) %>% 
  summarise(count = n())

```

## Mit NAs umgehen

```{r dplyr-summarise-group-na}

penguins %>% 
  group_by(island) %>% 
  summarise(
    count = n(),
    mean = mean(bill_depth_mm)  # Datensatz hat NA Werte für bill_depth_mm
  )

penguins %>% 
  group_by(island) %>% 
  summarise(
    count = n(),
    mean = mean(bill_depth_mm, na.rm = TRUE) # NA werden ignoriert (aber nicht entfernt)
  )

penguins %>% 
  filter(!is.na(bill_depth_mm)) %>%  # NAs werden entfernt
  group_by(island) %>% 
  summarise(
    count = n(),
    mean = mean(bill_depth_mm) # NAs müssen hier nicht mehr ignoriert werden
  )


## drop_na

library(tidyr)  # Eine Funktion aus dem tidyr Package

penguins %>% 
  drop_na() # Entfernt jede Reihe welche ein NA in minimal einer Spalte hat

penguins %>% 
  drop_na(bill_depth_mm) # Entfernt jeder Reihe welche ein NA in der Spalte bill_depth_mm hat

penguins %>% 
  drop_na(!sex) # Enfernt jede Reihe mit NAs in einer Variable, ausser der Variable sex


```

## Nochmals ggplot2

```{r ggplot-bar-col}

ggplot(penguins, aes(x = species)) +
  geom_bar()  # Bar plot braucht nur die x-Achse. Die y-Achse wird anhand der Werte in der Variable species berechnet 


# Wir können dies aus selbst machen über group_by für die species
penguins_spec_count <- penguins %>% 
  group_by(species) %>% 
  summarise(count = n())

# Ein neuer plot, diesmal mit einem Wert für x und für y aus unserem neuen Dataframe
ggplot(penguins_spec_count, aes(x = species, y = count)) +
  geom_col() + # !!! Achtung: Hier nun Funktion geom_col nutzen 
  coord_flip()

```

## Weitere zusammenfassende Funktionen

Eine Liste aller Funktionen findest du hier: https://dplyr.tidyverse.org/reference/summarise.html#useful-functions

```{r dplyr-summarise-fkt}

# Weitere zusammenfassende Funktionen (summary Fuctions), welche in summarise genutzt werden können 

penguins %>%
  drop_na(!sex) %>% 
  group_by(island, sex) %>%
  summarise(
    count = n(),
    mass_mean = mean(body_mass_g),  
    mass_sd = sd(body_mass_g),
    mass_min = min(body_mass_g),
    mass_max = max(body_mass_g),
    mass_median = median(body_mass_g)  # Die Hälfte der Beobachtungen über diesem Wert, die Hälfte der Beobachtungen unter diesem Wert
  )

## Quantiles sind etwas speziell

penguins %>% 
  drop_na() %>% 
  group_by(island) %>% 
  summarise(
    quantiles = quantile(body_mass_g, probs = c(0.25, 0.5, 0.75)), # quantile werden pro Spalte angegeben
    probs = c("q25", "median", "q75") # Fügt einen Vektor der Länge 2 mit den Werten 0.25 und 0.75 hinzu
  ) %>% 
  pivot_wider(names_from = "probs", values_from = "quantiles") # Eine Funktion aus dem tidyr Package

```


```{r dplyr-summarise-plot}

# Boxplot zeigt die Quantile mit dem Mean (Durchschnitt)

library(ggplot2)

penguins_clean <- penguins %>% 
  drop_na(sex)   
  
ggplot(penguins_clean, aes(x = island, y = bill_depth_mm, color = island)) +
  geom_boxplot(outlier.shape = NA) +  # Zeigt outlier nicht an, sind aber weiterhin in den Daten
  geom_jitter(width = 0.2, alpha = 0.3) + # Füge die Punkte hinzu
  coord_flip() + # Dreht den Plot
  facet_wrap(~sex, ncol = 1) +
  scale_color_brewer(type = "qual", palette = 2) +
  theme_minimal(base_size = 16)

```

Mehr Erklärungen zum Boxplot: https://www.data-to-viz.com/caveat/boxplot.html

# dplyr::count()

Mit der Funktion `count()` lassen sich Häufigkeitstabellen erstellen. Die Funktion kombiniert die Funktionen `group_by` und `summarise()` mit `n()` in eine Funktion.

```{r dplyr-count}

penguins %>% 
  group_by(species) %>% 
  summarise(
    n = n()
  )

penguins %>% 
  count(species)  # fässt die Schritte des voherigen Codes in einen Zusammen

penguins %>% 
  count(species, island) %>% 
  count(species, wt = n)  # wt (weight) wird angegeben wenn der Dataframe schon eine Spalte mit Häufigkeiten hat

```


# dplyr::case_when()

Die Funktion `case_when()` in Kombination mit `mutate()` erlaubt es neue Variablen basierend auf bestimmten Konditionen anderer Variablen zu erstellen.

```{r, dplyr-case-when}

penguins %>% 
  mutate(bin_size = case_when(   # mutate erstellt eine neu Variable
    body_mass_g > 4500 ~ "gross", # basierend auf body_mass_g
    
    # wenn body_mass_g kleiner 3000 und grösser = 4500, dann "medium"
    body_mass_g > 3000 & body_mass_g <= 4500 ~ "mittel", 
    
    # wenn body_mass_g <= 3000, dann "small"
    body_mass_g <= 3000 ~ "klein")) %>%
  count(bin_size)


penguins %>% 
  mutate(flipper_rank = case_when(
    flipper_length_mm < 200 ~ 1,
    flipper_length_mm >= 200 ~ 2,
    TRUE ~ 0)) %>% # Gibt es Werte die nicht die Bedingungen erfüllen, werden diese mit "TRUE ~ "definiert
  count(flipper_rank)


```


```{r, dplyr-case-when-tib}

# Ein character (Text) Vektor mit 3 Werten
tiere_vektor <- c("Katze", "Ente", "Eichhoernchen", "Pferd")

# Ein numerischer Vektor mit drei Werten
id_vektor <-  c(1, 2, 3, 4)

# Mit der Funktion tibble() wird ein tibble oder auch Dataframe erstellt
tiere_tib <- tibble(
  id = id_vektor,
  tiere = tiere_vektor
)

# Füge eine neue Spalte "Sprache" basierend auf dem Tier hinzu
tiere_tib %>% 
  mutate(sprache = case_when(
    tiere == "Pferd" ~ "Wieher!",
    tiere == "Katze" ~ "Miauh!",
    TRUE ~ "Wie macht das Tier?"
  ))

```