# --------- Sample Session  -------

rm(list = ls())

# ----------------------------------
# 2.1 The Forbes 2000 Ranking of the World's Biggest Companies

# install.packages("HSAUR2")
library(HSAUR2)

# Welche Datensätze gibt es im Paket "HSAUR2"
data(package = "HSAUR2")

# Daten laden
data("Forbes2000", package = "HSAUR2")
ls()

# Hilfeseite zu den Daten öffnen
?Forbes2000
help("Forbes2000", package = "HSAUR2")

# Interne Struktur des R-Objekts mit str()
# Gibt für jede Variable die Klasse und die ersten Beobachtungen aus
str(Forbes2000)
str(Forbes2000, vec.len = 1) # verkürzter Ausschnitt

# Daten anschauen
print(Forbes2000)   # alle Zeilen
head(Forbes2000)    # die ersten 6 Zeilen
tail(Forbes2000)    # die letzten 6 Zeilen

head(Forbes2000, n=2)
tail(Forbes2000, n=20) 

# Dimension des Datensatzes
nrow(Forbes2000)    # Anzahl an Zeilen
ncol(Forbes2000)    # Anzahl an Spalten
dim(Forbes2000)     # Anzahl an Zeilen und Spalten

# dim(Forbes2000)[1]
# dim(Forbes2000)[2]

# Variablennamen
names(Forbes2000)


# ----------------------------------
# 2.2 Simple Summary Statistics 

# Summary: 5-Punkte-Zusammenfassung plus Mean für numerische Variablen,
#          absolute Häufigkeiten für Faktoren
summary(Forbes2000)

# für numerische Variablen
mean(Forbes2000$sales)
median(Forbes2000$sales)
range(Forbes2000$sales)
quantile(Forbes2000$sales)
quantile(Forbes2000$sales,probs=seq(0,1,by=0.05))


# für Faktor-Variablen
table(Forbes2000$category)
prop.table(table(Forbes2000$category))
nlevels(Forbes2000$category)
levels(Forbes2000$category)

# ----------------------------------
# 2.3 Subsets

# Auswahl/Ausschluss von Zeilen
Forbes2000[1:10, ]
Forbes2000[-(20:2000),]

# Auswahl/Auschluss von Spalten
Forbes2000[, 2] # nach Index
Forbes2000$name # nach Name
Forbes2000[, "name"] # nach Name
Forbes2000[,c("name", "country")]

Forbes2000[,-c(3:ncol(Forbes2000))] # nach Index 
# Forbes2000[, -"name"] # funktioniert nicht 
Forbes2000[,-which(names(Forbes2000) == "name")]
Forbes2000[,-which(names(Forbes2000) %in% c("name", "country"))]

# Kombination aus beidem
vars <- c("name", "sales", "profits", "assets")
Forbes2000[1:3, vars]

# Logische Vektoren
Forbes2000$assets > 1000
table(Forbes2000$assets > 1000)
# Auswahl über logische Bedingung (alle Einträge mit TRUE werden ausgewählt)
Forbes2000[Forbes2000$assets > 1000, "name"]
Forbes2000[which(Forbes2000$assets > 1000), "name"]  # mit which Zugriff auf den Index

Forbes2000[Forbes2000$country == "Australia" & Forbes2000$rank < 100, ] # und-Operator
Forbes2000[Forbes2000$country == "Australia" | Forbes2000$rank < 100, ] # oder-Operator


# Mit der subset()-Funktion
?subset
subset(x=Forbes2000, subset=Forbes2000$assets > 1000, select=vars)

# ----------------------------------
# 2.4 Missing Values

# Fehlende Werte sind mit NA kodiert.
# 'not available' or 'missing value'
summary(Forbes2000$profits)

# Der Umgang mit NA's kann in vielen Funktionen angegeben werden. 
mean(Forbes2000$profits)
?mean
mean(Forbes2000$profits, na.rm = TRUE)

cor(Forbes2000$profits, Forbes2000$sales)
?cor
cor(Forbes2000$profits, Forbes2000$sales, use="pairwise.complete.obs")

# is.na() identifiziert die fehlenden Werte
which(is.na(Forbes2000$profits))

# which(is.na(Forbes2000))    # nicht so hilfreich
which(is.na(Forbes2000), arr.ind=TRUE)
# Den Index der gültigen Werte einer Variable erhält man mit
which(!is.na(Forbes2000$profits))



# Vollständige Fälle
complete.cases(Forbes2000$profits)  # vollständige Einträge 
complete.cases(Forbes2000)          # vollständige Beobachtungen (Zeilen)

# Löschen aller Beobachtungen mit fehlenden Werten (eher unüblich)
?na.omit
Forbes2000cc <- na.omit(Forbes2000)
dim(Forbes2000cc)
mean(Forbes2000cc$profits)

# ----------------------------------
# 2.5 Basic Data Manipulations

# Erzeugen einer neuen Variable mit: Datensatz$Variablenname <- ... 
Forbes2000cc$costs <- Forbes2000cc$sales - Forbes2000cc$profits

# Löschen einer Variable mit: Datensatz$Variablenname <- NULL
Forbes2000cc$category <- NULL
dim(Forbes2000cc)

# Gleichzeitiges Bearbeiten mehrerer Variablen
# Manche Funktionen können gleichzeitig auf mehrere Spalten angewendet werden (hier Standardisieren)
Forbes2000cc[, 4:7] <- scale(Forbes2000cc[, 4:7])

# Andere Funktionen können nur auf Vektoren angewendet werden
median(Forbes2000cc[, 4:7])


c(median(Forbes2000cc[, "sales"]),
  median(Forbes2000cc[, "profits"]))

# Alternative mit apply bzw. sapply (siehe auch Kapitel zur Vekorisierung)
?apply
apply(X=Forbes2000cc[, 4:7], MARGIN=2, FUN=median)

?sapply
sapply(X=Forbes2000cc[, 4:7], FUN=median)


# Simultane Analyse einer Zeile - schwierig, da meist Variablen unterschiedlicher Klassen 
Forbes2000cc[722, ]

# Manipulation von Zellen
Forbes2000cc[722, "sales"] <- 0.05
Forbes2000cc[722, ]

# ----------------------------------
# 2.6 Saving data

# Speichern eines einzelnen R-Objekts in einer Datei
?saveRDS
saveRDS(Forbes2000cc, file = "Forbes2000cc.rds")
rm(Forbes2000cc)

# Laden des gespeicherten Objekts
Forbes2000cc <- readRDS("Forbes2000cc.rds")

# Alternativen:
?write.table  # zum Speichern von Datensätzen als Text-Datei
?save         # zum Speichern eines oder mehrerer Objekte
?save.image   # zum Speichern des gesamten Arbeitsverzeichnises

setwd("...")
save.image(file="workspace.RData")