1/135
Looks like no tags are added yet.
Statistical software (R)
Programma om data te hanteren, te bewerken, te analyseren en te visualiseren; je code is reproduceerbaar doordat je hem in een script bewaart.
RStudio panes: script, console, environment, menu
Script: hier schrijf en bewaar je code. Console: hier voer je code uit en zie je resultaten en foutmeldingen. (Global) environment: de objecten en datasets die nu in R staan. Menu: opties en instellingen.
R project
Map waarin je script, data en output bij elkaar houdt; R werkt dan vanuit die map als working directory.
Working directory
De map waarin R bestanden zoekt en opslaat. Bekijken met getwd(), instellen met setwd() of via Session in het menu.
Object
Alles wat je in R opslaat onder een naam (waarde, vector, matrix, data frame, list). Verschijnt in je environment.
Function
Voert een bewerking uit en geeft een waarde of object terug (bijv. mean()). Verschijnt niet in je environment, tenzij je hem zelf schrijft.
Argument
Extra instructie voor een functie, bijv. na.rm = TRUE.
Wijst een waarde of resultaat toe aan een objectnaam: x <- 5.
Arithmetic operators in R
Comparison operators in R
groter dan, < kleiner dan, >= groter of gelijk, <= kleiner of gelijk, == gelijk aan, != niet gelijk aan.
Logical operators in R
& (AND, en), | (OR, of), ! (NOT, niet).
Value
Object met één enkel getal: x <- 1.
Vector
Eendimensionale set waarden van hetzelfde type, gemaakt met c(): x <- c(1, 2). Bij gemengde typen wordt het een character vector.
c()
Combineert waarden tot een vector.
Matrix
Tabel (rijen en kolommen) waarin alle waarden van hetzelfde type zijn.
Data frame
Dataset met rijen = observaties (units) en kolommen = variabelen; kolommen mogen verschillende types hebben (in tegenstelling tot een matrix).
List
Object dat een verzameling van andere objecten kan bevatten (data frames, matrices, vectoren, functies, andere lists).
Variable types in a data frame
dbl = double (numeriek), int = integer (numeriek), num = numeriek, chr = character (tekst), lgl = logical (TRUE/FALSE), fct = factor (categorisch), lbl = labelled. Controleer ze altijd (bijv. met glimpse()).
Factor (fct)
Type voor categorische variabelen in R. Maak met as.factor() of factor(); dichotome codes 1 en 2 moeten eerst factor worden.
Package
Add-on met extra functies voor R. Installeer eenmalig met install.packages("naam"); laad bij elke sessie met library(naam).
tidyverse
Verzameling data-science-packages (o.a. dplyr, ggplot2, readr); leesbaarder dan base R.
Pipe operator (%>%)
Stuurt het resultaat vóór de pipe als eerste input naar de functie erna; zo maak je per regel één stap. In ggplot gebruik je + om lagen toe te voegen, niet %>%.
Global environment: clean up
rm(list = ls()) verwijdert alles, rm(x) alleen x. R start elke sessie leeg, dus laad packages steeds opnieuw.
?mean
Opent de helppagina van een functie (? + functienaam).
NA
Missing value in R.
na.rm = TRUE
Argument dat missing values (NA) negeert bij een berekening (bijv. mean(x, na.rm = TRUE)); zonder dit geeft mean() NA als er NA's zijn.
read_csv() / read.csv()
Importeert een .csv-bestand: read_csv("bestand.csv") of read.csv("bestand.csv", sep = ",").
View()
Opent de dataset in een tabelweergave.
glimpse()
Toont per variabele het type en de eerste waarden.
colnames()
Toont de namen van de variabelen (kolommen).
summary()
Geeft een samenvatting van een variabele: minimum, Q1, median, mean, Q3, maximum en het aantal NA's.
select()
Kiest welke kolommen (variabelen) je behoudt: data %>% select(Gender, Age).
rename()
Hernoemt kolommen: rename(nieuw = oud).
filter()
Selecteert rijen op basis van een voorwaarde: filter(Motivation >= 0). Combineren kan met & en |.
mutate()
Maakt een nieuwe variabele of past een bestaande aan: mutate(Motivation_log = log(Motivation)). Maak liever een nieuwe variabele dan de originele te overschrijven.
case_when()
Conditioneel labels of waarden toekennen binnen mutate(): voorwaarde ~ waarde; .default vangt de rest op.
group_by()
Groepeert de data op een variabele, zodat volgende berekeningen per groep gebeuren.
summarise()
Berekent samenvattende statistieken (vaak na group_by()), bijv. summarise(mean_x = mean(x), n = n()).
n()
Telt het aantal rijen (observaties), meestal binnen summarise().
arrange(desc())
Sorteert rijen; desc() geeft aflopende volgorde (hoog naar laag), zonder desc() oplopend.
mean() / median() / sd() / var() / min() / max()
Functies voor gemiddelde, mediaan, standaarddeviatie, variantie, minimum en maximum. Vaak met na.rm = TRUE.
map()
Past een functie toe op meerdere variabelen tegelijk: data %>% map(sd) of data %>% map(tabyl).
z-score in R
mutate(z_x = (x - mean(x)) / sd(x)). Mean van de z-variabele is ca. 0 (afgerond) en sd = 1.
Reverse a variable in R (z-score)
Vermenigvuldig met −1: mutate(z_running_pos = -z_running). Nodig als een lage score "goed" is.
Index in R
mutate(index = z_a + z_b + z_c + z_d): optelling van gestandaardiseerde variabelen.
tabyl() (janitor)
Maakt een frequentietabel (tabyl(var)) of kruistabel (tabyl(rij_var, kolom_var)). Voor een contingency table: DV in de rijen, IV in de kolommen.
adorn_totals()
Voegt totalen toe aan een tabel: adorn_totals("row") of adorn_totals("col").
adorn_percentages("col")
Zet de tabel om naar kolompercentages (kolommen tellen op tot 100%), nodig om het effect van de IV in de kolommen te bestuderen.
adorn_pct_formatting()
Toont de proporties als percentages (bijv. digits = 1).
adorn_ns()
Voegt de absolute aantallen toe aan de percentages in de cellen.
adorn_title("combined")
Zet een gecombineerde titel boven de tabel (rijvariabele / kolomvariabele).
ggplot()
Bouwt een plot laagsgewijs op: data → aesthetics (aes) → geom → schalen/labels → facets. Lagen voeg je toe met +.
aes()
Koppelt variabelen aan het plot: x, y, fill, color, sample.
geom_bar()
Bar chart voor categorische variabelen (aes(x = var)). position = "stack", "dodge" of "fill".
geom_histogram()
Histogram voor een numerieke variabele; aantal klassen via bins = …
geom_boxplot()
Boxplot; aes(y = var) voor verticaal. Meerdere variabelen naast elkaar: aes(y = var, x = "naam").
geom_density()
Density plot (gladde histogram). Een histogram erbij op dezelfde schaal: aes(y = after_stat(density)).
geom_point()
Scatterplot: aes(x = IV, y = DV).
geom_smooth(method = lm)
Voegt een regressielijn toe aan een scatterplot.
geom_qq() + geom_qq_line()
QQ-plot om afwijkingen van normaliteit te beoordelen: aes(sample = var).
position in geom_bar()
"stack" = gestapeld (standaard), "dodge" = naast elkaar, "fill" = percentages in plaats van aantallen.
fill / color / alpha
fill kleurt staven/vlakken per groep, color kleurt punten/lijnen, alpha stelt transparantie in.
facet_wrap(~var)
Splitst een plot in subplots, één per categorie van een variabele.
labs() / scale_x_continuous(name = …)
Past titel en aslabels van een plot aan.
patchwork (| en /)
Package om opgeslagen ggplots te combineren: | zet naast elkaar, / zet onder elkaar.
Choosing a display by measurement level (R)
Categorisch: frequentietabel of geom_bar. Numeriek: histogram, boxplot of density. Twee categorische variabelen: kruistabel (tabyl). Twee numerieke variabelen: scatterplot.
Common R errors
Hoofdlettergevoeligheid (Mean() i.p.v. mean()), typefouten in bestandsnamen, ontbrekend of niet geladen package, vergeten na.rm = TRUE, bestand niet in de working directory, en-dash (-) i.p.v. min (-) bij kopiëren. Lees altijd de foutmelding.
BMI formula in R
BMI = kg / m². In R: mass / (height_meters^2), dus met kwadraat, en lengte eerst van cm naar m (/ 100).
Statistical software (R)
Programma om data te hanteren, te bewerken, te analyseren en te visualiseren; je code is reproduceerbaar doordat je hem in een script bewaart.
RStudio panes: script, console, environment, menu
Script: hier schrijf en bewaar je code. Console: hier voer je code uit en zie je resultaten en foutmeldingen. (Global) environment: de objecten en datasets die nu in R staan. Menu: opties en instellingen.
R project
Map waarin je script, data en output bij elkaar houdt; R werkt dan vanuit die map als working directory.
Working directory
De map waarin R bestanden zoekt en opslaat. Bekijken met getwd(), instellen met setwd() of via Session in het menu.
Object
Alles wat je in R opslaat onder een naam (waarde, vector, matrix, data frame, list). Verschijnt in je environment.
Function
Voert een bewerking uit en geeft een waarde of object terug (bijv. mean()). Verschijnt niet in je environment, tenzij je hem zelf schrijft.
Argument
Extra instructie voor een functie, bijv. na.rm = TRUE.
Wijst een waarde of resultaat toe aan een objectnaam: x <- 5.
Arithmetic operators in R
Comparison operators in R
groter dan, < kleiner dan, >= groter of gelijk, <= kleiner of gelijk, == gelijk aan, != niet gelijk aan.
Logical operators in R
& (AND, en), | (OR, of), ! (NOT, niet).
Value
Object met één enkel getal: x <- 1.
Vector
Eendimensionale set waarden van hetzelfde type, gemaakt met c(): x <- c(1, 2). Bij gemengde typen wordt het een character vector.
c()
Combineert waarden tot een vector.
Matrix
Tabel (rijen en kolommen) waarin alle waarden van hetzelfde type zijn.
Data frame
Dataset met rijen = observaties (units) en kolommen = variabelen; kolommen mogen verschillende types hebben (in tegenstelling tot een matrix).
List
Object dat een verzameling van andere objecten kan bevatten (data frames, matrices, vectoren, functies, andere lists).
Variable types in a data frame
dbl = double (numeriek), int = integer (numeriek), num = numeriek, chr = character (tekst), lgl = logical (TRUE/FALSE), fct = factor (categorisch), lbl = labelled. Controleer ze altijd (bijv. met glimpse()).
Factor (fct)
Type voor categorische variabelen in R. Maak met as.factor() of factor(); dichotome codes 1 en 2 moeten eerst factor worden.
Package
Add-on met extra functies voor R. Installeer eenmalig met install.packages("naam"); laad bij elke sessie met library(naam).
tidyverse
Verzameling data-science-packages (o.a. dplyr, ggplot2, readr); leesbaarder dan base R.
Pipe operator (%>%)
Stuurt het resultaat vóór de pipe als eerste input naar de functie erna; zo maak je per regel één stap. In ggplot gebruik je + om lagen toe te voegen, niet %>%.
Global environment: clean up
rm(list = ls()) verwijdert alles, rm(x) alleen x. R start elke sessie leeg, dus laad packages steeds opnieuw.
?mean
Opent de helppagina van een functie (? + functienaam).
NA
Missing value in R.
na.rm = TRUE
Argument dat missing values (NA) negeert bij een berekening (bijv. mean(x, na.rm = TRUE)); zonder dit geeft mean() NA als er NA's zijn.
read_csv() / read.csv()
Importeert een .csv-bestand: read_csv("bestand.csv") of read.csv("bestand.csv", sep = ",").
View()
Opent de dataset in een tabelweergave.
glimpse()
Toont per variabele het type en de eerste waarden.
colnames()
Toont de namen van de variabelen (kolommen).
summary()
Geeft een samenvatting van een variabele: minimum, Q1, median, mean, Q3, maximum en het aantal NA's.
select()
Kiest welke kolommen (variabelen) je behoudt: data %>% select(Gender, Age).