demo-02-solutions.Rmd

---
title: "Demo 2"
subtitle: "Vektoren in R"
output: 
  html_document: 
    toc: yes
    toc_float: TRUE
editor_options: 
  chunk_output_type: console
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE, message = FALSE, warning = FALSE)
```


# Lade Packages

In diesem Praktikum arbeiten wir mit den R Packages `{dplyr}`, `{lubridate}`, und `{ggplot2}`. Allesamt sind Teil des Tidyverse und können daher mit einem Aufruf von `library(tidyverse)` geladen werden.

```{r lade-packages}

library(dplyr)
library(ggplot2)
library(lubridate)

```

# Vektoren Typen

## Atomare Vektoren 

- logical
- integer (numerisch)
- double (numerisch)
- character
- complex (vernachlässigbar)
- raw (vernachlässigbar)

```{r vek-atomar}

vektor_lgl <- c(TRUE, FALSE, NA)

typeof(vektor_lgl)

length(vektor_lgl)

vektor_lgl2 <- 1:5 == 3

# numerische vektoren

vektor_int <- c(1L, 5L, 3L)

vektor_dbl <- c(10, 5, 3)
typeof(vektor_dbl)

# character vektor (Zeichenvektoren) aka Strings  
vektor_chr <- c("Apfel", "Birne", "Banane")
typeof(vektor_chr)
```

# Typumwandlung

Explizite Typumwandlung:

- `as.logical()`
- `as.integer()`
- `as.double()`
- `as.character()`

```{r vek-typ-explizit}

as.numeric(vektor_lgl)
sum(vektor_lgl2)

as.logical(as.character(vektor_lgl))

as.integer(3.7)
round(3.7)
round(3.4)

```

# Erweiterte Vektoren

Erweiterte Vektoren, weil diese mit zusätzlichen Attributen versehen sind. Dazu gehört die Klasse (class), welche das Verhalten beeinflusst. 

- Faktoren 
- Datums- / Zeitwerte und Zeiten
- Tibbles

## Faktoren

Faktoren stellen kategoriale Daten dar, die einen festen Satz möglicher Werte annehmen können. Faktoren bauen auf integer (Ganzahlen) auf und besitzen zwei Attribute: levels und class.

```{r vek-faktoren}

vektor_chr
factor(vektor_chr)
factor(vektor_chr, levels = c("Banane", "Apfel", "Birne"))
sort(vektor_chr)

```

## Datumswerte

Datumswerte sind numerische Vektoren, die die Anzahl der Tage seit dem 1. Januar 1970 darstellen.

```{r vek-datum}

# ISO 8601 Datumsformat

typeof("1970-01-01")

datum_ursprung <- as.Date("1970-01-01")
typeof(datum_ursprung)
attributes(datum_ursprung)
class(datum_ursprung)

wday(datum_ursprung, label = TRUE, week_start = 1)

attributes(datum_ursprung)$class

datum_ursprung

as.double(datum_ursprung)

datum_ursprung + 5
as.double(datum_ursprung + 10)
# 1. 1
# 2. "1"
# 3. "1970-01-02" x
# 4. "1971-01-01"

class(Sys.Date())
as.double(Sys.Date())

library(palmerpenguins)

penguins %>% 
  pull(species)

penguins$species

penguins[[1]]

```

# Tibbles / Dataframes

Tibbles sind Listen mit Vektoren einer einheitlichen Länge. Während ein Vektor nur einen Datentyp enthalten kann, können Listen mehrere Datentypen enthalten.

```{r tibbles}

inventar <- tibble(
  datum = Sys.Date(),
  frucht = vektor_chr,
  preis = vektor_dbl,
  verfuegbarkeit = vektor_lgl
)

inventar %>% 
  #mutate(frucht = factor(frucht, levels = c("Banane", "Birne", "Apfel"))) %>% 
  ggplot(aes(x = reorder(frucht, -preis), y = preis)) +
  geom_col()

attributes(reorder(inventar$frucht, inventar$preis))

as.double(c("Banane", "Birne", "Apfel"))

desc(as.double(factor(vektor_chr)))

inventar %>% 
  mutate(frucht = factor(frucht, levels = desc(c("Banane", "Birne", "Apfel")))) %>% 
  ggplot(aes(x = frucht, y = preis)) +
  geom_col()


```