Schlagwort

Paket

Beschreibung

PDF-Dat ei

Allgemeines

Hmisc

Das Paket Hmisc (Harrell Miscellaneous) ist eine Sammlung nützlicher Funktionen aus verschiedenen Bereichen. Gehört praktischen in jeden Haushalt!

Allgemeines

MASS

Das Paket Main Package of Venables and Ripley's MASS wird über die R-Installation geliefert, muss also nur noch in die R-Umgebung geladen werden.
Dieses Paket ist eine Sammlung verschiedener Funktionen und Beispieldatensätzen. Auch beinhaltet diese Paket die Funktion lda(), siehe Paket LinDA.

Grafik

lattice

Grafik mit Lattice!
Das Paket lattice wird über die R-Installation geliefert, muss also nur noch in die R-Umgebung geladen werden. Die Stärke des Paketes lattice liegt in der übersichtlichen Darstellung mehrere Datenobjekte in panels, d. h. auf einer Grafikoberfläche werden die Daten in Bereichen dargestellt. Hier ein einfaches Beispiel:

> Daten
 Wirkstoff.A Pruefer
1    99.1  Karl
2    99.3  Karl
3    98.8  Peter
4    98.9  Karl
5    99.3  Peter
6    99.2  Peter
7    99.5  Karl
8    99.4  Peter
9    99.0  Peter

> bwplot(~ Wirkstoff.A | factor(Pruefer), data = Daten)

Die Prüfergebnisse des Prüfers Karl werden über factor(Pruefer) gesammelt und auf einem panel dargestellt. Analoges gilt für den Prüfer Peter.
Eine gute Einführung in Lattice finden Sie hier...!

Grafik

gplots

Das Paket gplots bietet Ihnen einige interessante Grafikerweiterungen an. Als Beispiel sei hier die erweiterte Ausgabe eines Balkendiagramm um den Vertrauensbereich der dargestellten Merkmale gezeigt. Die Beispieldaten sind im Objekt Daten abgelegt und haben folgende Struktur:

> Daten
     10-15 16-20 21-25 26-30 31-35
Merkmal A  50  48  35  30  15
Merkmal B  45  58  38  39  25
Merkmal C  62  59  45  34  23
Merkmal D  35  38  32  36  28

Nach dem Laden des Paketes gplots (und den weiteren geforderten Pakete wie bitops, caTools, gtools und gdata), können Sie über folgenden Funktionsaufruf ...

VB_u <- Daten * 0.9 # Vertrauensbereich unten
VB_o <- Daten * 1.1 # Vertrauensbereich oben
barplot2(Daten, beside = TRUE,
    col = c("lightblue", "mistyrose",
        "lightcyan", "lavender"),
    legend = rownames(Daten), ylim = c(0, 100),
    main = "Balkendiagramm mit Vertrauensbereich", font.main = 4,
    sub = "Vertrauensbereich 10%", col.sub = "blue",
    cex.names = 1.5, plot.ci = TRUE, ci.l = VB_u, ci.u = VB_o,
    plot.grid = TRUE)

... folgende grafische Darstellung eines Balkendiagramms mit den Vertrauensbereichsgrenzen erhalten:

Grafik

NEU!

GrapheR

Das Paket GrapheR bietet eine Oberfläche um Daten grafisch darzustellen und bezüglich der Darstellung einzustellen. Darstellung bedeutet hier, dass Sie in der Lage sind, ohne Argumente die Sie mit dem gewohnten Funktionsaufruf übergeben müssen, die Form der Darstellung anpassen können! Sie können also über das Paket z. B. den Linientyp, Achseinstellungen, Legende, usw. wählen und direkt beurteilen. Ein Beispiel sagt mehr als tausend Worte! Starten Sie nach dem Laden des Paketes die Funktion run.GrapheR(), wird Ihnen die GrapheR-GUI angeboten:

Über das Menü Loading data set können Sie Ihre Daten zur Darstellung laden. Dazu werden Ihnen verschiedene Optionen, wie z. B auch das Einladen von csv-Daten, angeboten. Wurden die Daten geladen, wählen Sie den gewünschten Diagramm-Typ. Nach der Auswahl werden die entsprechenden Grafikoptionen angeboten:

Über die Schaltfläche DRAW wird die Grafik mit den von Ihnen gewählten Einstellungen gezeichnet:

Sie können Änderungen vornehmen und nach dem erneuten Drücken der Schaltfläche DRAW wird die Grafik entsprechend aktualisiert. Die GrapheR-GUI bietet noch viele Möglichkeiten, betrachten Sie obige Ausführungen als Appetithappen!

Gefällt Ihnen die GrapheR-GUI können Sie sie mit dem Start der R-GUI in das R-Menü einbinden und so per Mausklick direkt ausführen. Ein Beispiel, wie das bewerkstelligen finden Sie hier!

Allgemeines

reshape

Über das Paket reshape können Datenobjekte “redesigned” werden. Die Voraussetzung zur Anwendung ist das Paket plyr. Im Folgenden Beispiel wird das Datenobjekt list in einem data.frame-Objekt gewandelt:

> Liste
[[1]]
[1] 11 22 33 44 55 66

[[2]]
[1] 111 222 333 444 555 666

[[3]]
[1] "A" "B" "C" "E" "F" "G"

> Liste_a <- melt(Liste)
> Liste_a
  value L1
1   11 1
2   22 1
3   33 1
4   44 1
5   55 1
6   66 1
7  111 2
8  222 2
9  333 2
10  444 2
11  555 2
12  666 2
13   A 3
14   B 3
15   C 3
16   E 3
17   F 3
18   G 3

Das ist natürlich nicht die wesentliche Qualität des Paketes, sondern die Aggregierungs-Funktion cast() die nach melt() auf Datenobjekt angewendet werden kann. Schauen Sie sich das Paketbeispiel einfach mal an.

Allgemeines

zoo

Das Paket Z's ordered observations ist eine Funktionssammlung für geordnete, indizierte Zeitreihenanalysen. Beinhaltet z. B. die Funktion “Rollender Mittelwert” rollmean().

Normalitätstest

nortest

Verschiedene Testverfahren auf Normalität:

• Anderson-Darling test
• Cramer-von Mises test
• Lilliefors (Kolmogorov-Smirnov) test
• Pearson chi-square test
• Shapiro-Francia test

Diskrimnanzanalyse
(Multivariates Analyseverfahren)

LinDA

Lineare Dskriminanzanalyse LinDA

LinDA stellt im wesentlichen eine Variante der Funktionen lda(), predict() und plot() dar, die in der Benutzung und Ausgabe vereinfacht wurden. Das Verfahren “lineare Diskriminanzanalyse” und Nutzung des Paketes wird auf www.faes.de beschrieben. Die Voraussetzung ist, dass der Datensatz auf dem die Schätzung der Diskriminanzfunktion durchgeführt werden soll, als 1. Spalte die Gruppenvariable enthält:

Datenbank

RODBC

Datenbankverknüpfungen über ODBC

Eine Beschreibung finden Sie hier...!

Anwender- oberfläche

rpanel

Dieses Paket stellt Ihnen Funktion zum Erstellen eigener Anwenderoberflächen (GUI) zur Verfügung. Damit sind Sie in der Lage, eine Oberfläche mit Schaltflächen und Auswahlmöglichkeiten zu erstellen und in Ihre Funktion zu integrieren. Damit können Sie dem Anwender die Anwendung einer vielleicht komplexen Funktion zu erleichtern.

Hier nur ein kurzes Beispiel: