Numerische Variablen: Ganzzahlen (integer) oder kontinuierlich (numeric: Gleitkommazahlen):

asp$d[1:5]

## [1] 26.180 23.063 26.812 14.750 42.380

class(asp$d)

## [1] "numeric"

# oder
with(asp, class(d))

## [1] "numeric"

int.df$Dauer[1:5]

## [1] 162 120 223 131  67

class(int.df$Dauer)

## [1] "integer"

Kategoriale Variablen sind Faktoren mit Stufen:

class(coronal$Socialclass)

## [1] "factor"

# [1] "factor"

# Die Stufen davon. z.B. die ersten paar anschauen...
coronal$Socialclass[1:10]

##  [1] W W W W W W W W W W
## Levels: LM UM W

# oder
levels(coronal$Socialclass)

## [1] "LM" "UM" "W"

Die Inhalte von Faktoren können Buchstaben oder Zahlen sein; diese werden aber grundsätzlich anders behandelt als numerische Daten oder Zeichenketten, da bei der Klasse factor wiederholt auftauchende Symbole als einer Kategorie angehörig erkannt werden.

Wird y von x beeinflusst?

Zusammenfassung:

• 1. y = numerisch, x = kategorial: geom_boxplot(). Auch geom_histogram(), stat_density()
• 2. y = kategorial, x = kategorial: geom_bar()
• 3. y = numerisch, x = numerisch: geom_point(), geom_line()

A + 
  B + 
  C + 
  D + 
  ...

Exkurs: Median und Interquartaler Bereich

• Median (oder 50% Quantil): Der mittlere Wert in der sortierten Reihenfolge:

x = c(15, 19, -1, 10, 11, 18, 90000)
median(x)

## [1] 15

# das gleiche
quantile(x, .5)

## 50% 
##  15

# Nach Sortierung sieht man, dass 15 an der mittleren Stelle vorkommt.
sort(x)

## [1]    -1    10    11    15    18    19 90000

N.B.: Wenn es eine gerade Anzahl an Beobachtungen gibt, ist das arithmetische Mittel der beiden mittleren Zahlen aus einem sortierten Zahlenvektor der Median-Wert!

x2 = c(15, 19, 13,-1, 10, 11, 18, 90000)
median(x2)

## [1] 14

sort(x2)

## [1]    -1    10    11    13    15    18    19 90000

mean(c(13,15))

## [1] 14

Es gibt auch andere Bruchteile von Quantilen. Insbesondere wird von dem interquartilen Bereich Gebrauch gemacht, um die Streuung einzuschätzen:

IQR(x)

## [1] 8

# das Gleiche
quantile(x, .75) - quantile(x, .25)

## 75% 
##   8

#da
quantile(x, .75)

##  75% 
## 18.5

quantile(x, .25)

##  25% 
## 10.5

geom_boxplot()

########## Der vorige Befehl
ggplot(asp) + 
  aes(y = d, x = Kons) + 
  geom_boxplot()

# Default-Farben
# Jeder Box mit unterschiedlichen Farben gefüllt
ggplot(asp) + 
  aes(y = d, x = Kons, fill = Kons) + 
  geom_boxplot()

# Jeder Box mit verschiedenen Umrissfarben
ggplot(asp) + 
  aes(y = d, x = Kons, col = Kons) + 
  geom_boxplot()

# Eigene Farben wählen
farben = c("green", "red")
# gefüllt
ggplot(asp) + aes(y = d, x = Kons) + geom_boxplot(fill = farben)

# Umriss
ggplot(asp) + aes(y = d, x = Kons) + geom_boxplot(col = farben)

Merke:

• col=Umrissfarbe
• fill=Füllungsfarbe

geom_bar()

########## Der vorige Befehl
p1 = ggplot(coronal) + 
  aes(x = Region, fill = Fr) + 
  geom_bar()
p1

# Eigene Farben wählen
farben = c("yellow", "green")
p2 = scale_fill_manual(values = farben) 
p1 + p2

N.B.: Bei geom_boxplot() und geom_point() bzw. geom_line() verwendet man anstelle von scale_fill_manual(values = farben) scale_color_manual(values = farben) (wenn denn in aes(...,...,col = X2) vorkam).

geom_point(), geom_line()

• col: Farbe.
• pch: plotting character. Siehe http://www.endmemo.com/program/R/pchsymbols.php
• cex: character expansion: cex = 2 bedeutet zwei Mal die übliche Größe
• lwd: Linienstärke

########## Der vorige Befehl
ggplot(int.df, aes(x = dB, y = Dauer)) +  
  geom_point() + 
  geom_line()

#eigene Farben wählen:
ggplot(int.df, aes(x = dB, y = Dauer)) +  
  geom_point(col="purple", pch=0, cex=2) + 
  geom_line(col = "pink")

# lwd: Linienstärke
ggplot(int.df, aes(x = dB, y = Dauer)) +  
  geom_point(col="purple", pch=0, cex=2) + 
  geom_line(col = "pink", lwd=2)

Farbe (col = x2 oder fill = x2 in aes())

# y ~ x1 + x2
ggplot(asp) + 
  aes(y = d, x = Kons, col = Bet) + 
  geom_boxplot() 

# kann auch y ~ x2 + x1 sein
ggplot(asp) + 
  aes(y = d, x = Bet, col = Kons) + 
  geom_boxplot() 

# statt der Umrissfarbe kann man die Füllfarbe mit fill setzen
#HINWEIS: keinesfalls col UND fill gleichzeitig benutzen
ggplot(asp) + 
  aes(y = d, x = Bet, fill = Kons) + 
  geom_boxplot() 

Linientyp (lty = x2 in aes())

# y ~ x1 + x2
ggplot(asp) + 
  aes(y = d, x = Kons, lty = Bet) + 
  geom_boxplot() 

Panels (facet_wrap(~x2))

# Zu ii. Getrennte Panels, x1 in einem Panel, x2 in dem anderen mit der Funktion facet_wrap()
ggplot(asp) + 
  aes(y = d, x = Kons) + 
  geom_boxplot() + 
  facet_wrap(~Bet)

Was ist der Einfluss des Dialektes (Region) und Sozialklasse (Socialclass) auf die Artikulationsstelle (Fr) in dem Data-Frame coronal?

• y (Fr): kategorial
• x1 (Region): kategorial
• x2 (Sozialklasse): kategorial

Alle Variablen in y ~ x1 + x2 sind kategorial: daher geom_bar():

# Nur x1 (also ohne zwischen den Sozialklassen zu differenzieren)
p1 = ggplot(coronal) + 
  aes(fill = Fr, x = Region) + 
  geom_bar() 
p1

# Mit x2
p2 = facet_wrap(~Socialclass)
p1 + p2

# Mit eigenen Farben
farben = c("cyan", "gold")
p3 = scale_fill_manual(values = farben) 
p1 + p2 + p3

Inwiefern wird die Dauer (Dauer) von der Intensität (dB) - getrennt pro Person (Vpn) - im Data-Frame int.df beeinflusst?

• y: Dauer (numerisch)
• x1: Intensität (numerisch)
• x2: Vpn (kategorial)

In y ~ x1 + x2 sind zwei Variablen (eine davon die abhängige) numerisch. Daher benutzen wir geom_point():

ggplot(int.df) + 
  aes(y = dB, x = Dauer, col = Vpn) + 
  geom_point() 

Oder:

# Getrennte Panels, x1 in einem Panel, x2 in dem anderen.
ggplot(int.df) + 
  aes(y = dB, x = Dauer) + 
  geom_point() + 
  facet_wrap(~Vpn)

Selbstverständlich geht auch eine Kombination von farblicher Kodierung und getrennten Panels:

ggplot(int.df) + 
  aes(y = dB, x = Dauer, col = Vpn) + 
  geom_point() + 
  facet_wrap(~Vpn)

Exkurs: Reihenfolge von Faktorstufen ändern

Bei coronal waren die Faktorstufen von Socialclass in einer bestimmten Reihenfolge, nämlich in alphabetischer:

levels(coronal$Socialclass)

## [1] "LM" "UM" "W"

Hierbei steht aber LM für “lower middle class”, UM für “upper middle class”, und W für “working class”. Es wäre stattdessen also die aufsteigende Reihenfolge W, LM, UM wünschenswert.

Um das zu ändern, können wir (in diesem Fall) relevel() verwenden:

# in alphabetischer, aber eigentlich "falscher" Reihenfolge:
ggplot(coronal) + 
  aes(fill = Fr, x = Socialclass) + 
  geom_bar(position = "fill") +
  facet_wrap(~Region)

coronal$Socialclass = relevel(coronal$Socialclass,ref="W")
levels(coronal$Socialclass)

## [1] "W"  "LM" "UM"

# und somit
ggplot(coronal) + 
  aes(fill = Fr, x = Socialclass) + 
  geom_bar(position = "fill") +
  facet_wrap(~Region)

Mit relevel() können Sie aber nur bestimmen, dass eine Faktorstufe, hier W, als neue Referenzklasse gewählt wird (daher relevel(,ref = ...)). Die anderen beiden Klassen bleiben in ihrer Reihenfolge unverändert, was hier zufällig mit unserer Wunschreihenfolge übereinstimmt. Dies wird aber sicher nicht immer der Fall sein.

Besser ist es daher, factor() mit dem Parameter factor(,levels = ...) zu benutzen, dann können wir wirklich die Reihenfolge ganz nach unseren Wünschen gestalten.

Stellen wir uns z.B. vor, dass wir die Reihenfolge diesmal absteigend (beginnend mit “upper middle class”, endend mit “working class”) haben wollen:

levels(coronal$Socialclass)

## [1] "W"  "LM" "UM"

###
coronal$Socialclass = factor(coronal$Socialclass, levels = c("UM","LM","W"))
#dann ist die Reihenfolge umgedreht
levels(coronal$Socialclass)

## [1] "UM" "LM" "W"

ggplot(coronal) + 
  aes(fill = Fr, x = Socialclass) + 
  geom_bar(position = "fill") +
  facet_wrap(~Region)