# Einführung in R -Vorlesung 1
# i) Zuordnung von Werten

x<-5          #( oder x=5)
print(x)      #([1] 5)

x<-complex(,3,2)
print(x)      #([1] 3+2i)

x<-complex(5,3,2)
print(x)      #([1] 3+2i 3+2i 3+2i 3+2i 3+2i)
print(x[3])   #([1] 3+2i)
x<-as.numeric(precip)   #(Datei in R, Struktur etwas später (Vektor mit Namen)))
print(x)      # [1] 67.0 54.7  7.0 48.5 14.0 17.2 20.7 13.0 43.4 40.2 38.9 54.5 59.8 48.3 22.9
              # [16] 11.5 34.4 35.1 38.7 30.8 30.6 43.1 56.8 40.8 41.8 42.5 31.0 31.7 30.2 25.9
              # [31] 49.2 37.0 35.9 15.0 30.2  7.2 36.2 45.5  7.8 33.4 36.1 40.2 42.7 42.5 16.2
              # [46] 39.0 35.0 37.0 31.4 37.6 39.9 36.2 42.8 46.4 24.7 49.1 46.0 35.9  7.8 48.2
              #  [61] 15.2 32.5 44.7 42.6 38.8 17.4 40.8 29.1 14.6 59.2

# ii) Rechnen in R
x
x*2.54     #(multipliziert jede Komponente in x mit 2.54 (Umrechnung 'inch' in 'cm'))
x<-x*2.54
print(x)

# iii) Andere Operationen +,-,*,/,^
print(3^2)

# iv) Umgang mit Vektoren

x<-2:10       #(Vektor der Länge 9 mit Einträgen 2 bis 10)
print(x)      #([1]  2  3  4  5  6  7  8  9 10)

print(x[5])   #(?)

print(x*3)    #(?)

print(x^2)    #([1]   4   9  16  25  36  49  64  81 100)

y<-c(2,3,4)   #('cat') Vektor mit Einträgen 2,3,4)

print(x/y)    #(?)

z<-c(2,3,4,5)
Z1<-z
w<-x*z
print(w)      #(?)

print(length(x)) #([1] 9)

print(sum(x))

print(cumsum(x)) #([1]  2  5  9 14 20 27 35 44 54)

m<-min(x)
M<-max(x)
print(m,M)       #([1] 2)
h<-c(m,M)
print(h)         #([1]  2 10)

mean(x)          #('Mittelwert des Vektors x')
var(x)           #('empirische Varianz von x') 
# oder
sum((x-mean(x))^2/(length(x)-1))

# v) Zugriff auf Komponenten

x[3]
x[2:4]
x[c(2,1,3)]
x[-c(2,1,8)]  #([1]  4  5  6  7  8 10)

x<-rep(c(1,3,4),2)
print(x)      # ( [1] 1 3 4 1 3 4)
sort(x)       #(?)
order(x)      #(?)

# vi) Namen 
x<-1:8
y<-letters[1:8]    # 'LETTERS' erzeugt große Buchstaben
names(x)<-y
print(x)

# vii) Umgang mit Matrizen

x<-1:12        #(erst Vektor definieren)
dim(x)<-c(3,4) # (in Matrix mit 3 Zeilen und 4 Spalten umsetzen)
print(x)       #          [,1] [,2] [,3] [,4]
               #     [1,]    1    4    7   10
               #     [2,]    2    5    8   11
               #     [3,]    3    6    9   12
# oder

x<-matrix(1:12,nrow=3,byrow=FALSE)
print(x)


x<-matrix(1:12,nrow=4,byrow=TRUE)
print(x)
print(t(x))

y<-matrix(rep(1:4,2),nrow=4)
print(y)
dim(y)
nrow(y)
ncol(y)

# Einzelaufrufe

print(y[1,2])
print(y[,2])       # 2.Spalte 
print(y[1,])       # 1.Zeile

# viii) Quadratische Matrizen

A<-matrix(c(1,0,4,3),nrow=2,byrow=TRUE)
print(A)

print(det(A))

print(eigen(A))     #($values
                    # [1] 3 1

                    # $vectors
                    #       [,1]       [,2]
                    #  [1,]    0  0.4472136
                    #  [2,]    1 -0.8944272   )
b<-c(1,0)
solve(A,b)          #(?)

print(diag(c(1,3,5,2,4)))  #(?)

A<-matrix(1:12,nrow=3)
x1<- 21:24
y1<- 15:17
y2<-c(2,5,10.1)
print(rbind(A,x1))   #    [,1] [,2] [,3] [,4]
                     #       1    4    7   10
                     #       2    5    8   11
                     #       3    6    9   12
                     # x1   21   22   23   24

print(cbind(A,y1,y2)) #(?)

# ix) Listen und Dataframes

liste_beispiel<- list(Studiengänge=c("BA Math. Biometrie","BA Mathematik", "MA WiMa")
,Dozenten=c("Beyersmann", "Lanzinger", "Stadtmüller"), Noten=c(1,1.3,1.7,2.3,2.0, 3.3,3.7,4.0))
class(liste_beispiel)  # '[1] "list"

liste_beispiel      # $Studiengänge
                    #  [1] "BA Math. Biometrie" "BA Mathematik"      "MA WiMa"           
                    # 
                    # $Dozenten
                    #  [1] "Beyersmann"  "Lanzinger"   "Stadtmüller"
                    #
                    # $Noten
                    #  [1] 1.0 1.3 1.7 2.3 2.0 3.3 3.7 4.0

liste_beispiel[[1]]       #(?)

liste_beispiel[c(1,2)]    #(?)

liste_beispiel$Noten      #(?)

#Dataframes beinhalten eine Liste von Vektoren gleicher Länge, innerhalb einer Zeile stehen gleichartige Objekte

tatort2013<-data.frame(Kurs=factor(c("A","A","A","A","A","A","A","A","A","A","A","A","A","A")), Geschlecht=factor(c(
"M","M","M","M","M","M","M","M","M","M","W","W","W","W")),
Tatort=c("N","N","N","J","N","J","J","N","N","N","J","N","N","N"),PersonA=c(32,35,32,34,39,37,32,32,32,31,34,27,32,26),
PersonB=c(55,55,56,53,58,53,55,48,45,48,48,55,55,49), PersonC=c(47,52,52,49,48,42,47,40,38,48,47,42,35,45), 
PersonD=c(50,47,50,52,55,52,48,54,55,55,53,50,47,61) )
print(tatort2013)

#Ein-/Auslesen aus Datei
getwd()#working directory abfragen.
setwd("C:/Users/User/Documents") #wd setzen

write.table(tatort2013,file="demofile")

tatort2013_2<-read.table(file="demofile")

#zur Matrix zusammenbinden.
tatort2013_21=cbind(tatort2013[[4]],tatort2013[[5]],tatort2013[[6]],tatort2013[[7]])

#Schleifen und Konditionalabfragen
x<-1:10
y<-c(1,2,1,2,1,1,1,2,2,2)
x>5
x[x>5]

x[x>2 & x<8]
x[x<3 | x>8]

x[y==2]

#If-Else Abfrage
vec=seq(1,12,by=1)
if(length(vec)==12){
	print("vec hat genau die Länge 12")
}else{
	print("vec hat nicht die Länge 12")
}

#Logische Operatoren sind && für Und sowie || für Oder
if(length(vec)==12 && vec[1]==3){
	cat("vec hat genau die Länge 12 und erster Eintrag ist 3")
}else{
	print("vec hat nicht die Länge 12 und/oder erster Eintrag ungleich 3")
}

#for-Schleife
z<-rep(0,100)
for(i in 1:100){
	z[i]<-i^2;
}

1:100*1:100

#while-Schleife 
n<-0;summe<-0;
while(summe <= 1000){
	n<-n+1
	summe<-summe+n
}

sum(1:45)

#Funktionen

#Stichprobenmittel nachschreiben
arithmittel<-function(x){return(sum(x)/length(x));}

#Gibt die Geschlechter eines Tatorts aus.
tatort<-function(x,y){
	sub=subset(x,Tatort==y);
	return(sub$Geschlecht);
}
tatort(tatort2013,"N")
tatort(tatort2013,"J")

#Visualisierung/Grafiken in R

#Geimeinsamer Plot 1 Zeile 2 Spalten
par(mfrow=c(1,2))

x<-1:10
y<-x^2
#Einfach Punktepaare in Plot gegeneinander auftragen (Streudiagramm)
plot(x,y)
#Vielleicht etwas schöner
plot(x,y,ylab="Quadrat",xlab="x-Achse",main="Quadratfunktion")
#Quadratfunktion hinzuploten
plot(function(x) x^2,add=T,xlim=c(0,10),ylim=c(0,100),col="red")

#Winkelhalbierende (plot wird ergänzt)
points(x,x) 
lines(x,x,col="red") 

#Plotte Dichte der Standardnormalverteilung
plot(function(x) dnorm(x,0,1),xlim=c(-2,2),ylim=c(0,0.5),main="Standardnormalverteilung",xlab="x-Achse",ylab="Dichte")
#Ergänze den Plot um ein Histogramm von simulierten Werten.
hist(rnorm(100,0,1),freq=F,add=T)

#Noch ganz nützlich die Hilfe
help(rnorm)