R Programming Language Cheat Sheet

Na, bereit für den R-Crashkurs? Keine Panik, das wird kein Mathemarathon! Wir machen das locker, versprochen. Stell dir R einfach als deinen persönlichen Daten-Detektiv vor – nur dass er nicht Pfeife raucht, sondern Code schreibt.

Die R-Grundausstattung: Dein Werkzeugkasten

Variablen: Dein Daten-Lager

Variablen sind wie Schubladen, in die du Informationen packst. Zum Beispiel:

mein_alter <- 30
mein_name <- "Hans"
ist_hungrig <- TRUE

Siehst du? Simpel! Der Pfeil <- ist wie ein magischer Löffel, der den Wert in die Schublade schiebt. Und keine Sorge, du kannst die Schubladen nach Lust und Laune umbenennen (solange sie nicht mit Zahlen beginnen!).

Must Read

Datentypen: Was in die Schublade kommt

R ist ein bisschen pingelig, was in die Schubladen kommt. Es gibt verschiedene Arten:

Numeric: Zahlen, klar. (z.B. 3.14, -10, 0)
Character: Text, in Anführungszeichen. (z.B. "Hallo Welt", "Apfel")
Logical: WAHR oder FALSCH, wie bei einem Lügendetektor. (TRUE, FALSE)

Wenn du versuchst, einen Text in eine Zahlenschublade zu quetschen, gibt's Ärger! Aber keine Sorge, R meckert dann freundlich (meistens…).

Operatoren: Daten-Gymnastik

Operatoren sind wie kleine Helferlein, die deine Daten verbiegen, verdrehen und verändern können. Die wichtigsten:

+ (Addition), - (Subtraktion), * (Multiplikation), / (Division) – Kennen wir alle, oder?
== (ist gleich), != (ist ungleich), > (größer als), < (kleiner als) – Perfekt für Vergleiche!
&& (und), || (oder), ! (nicht) – Für logische Knobeleien.

Beispiel:

ergebnis <- 5 + 3 * 2 # Ergebnis: 11 (Punkt vor Strich!)

R-Befehle: Dein Zauberspruch-Buch

`print()`: Der Lautsprecher

Mit print() zeigst du R, was du sehen willst. Einfach den Wert in Klammern setzen:

R cheat sheet: functions and guides. Carlos Grande

print("Ich liebe R!") # R brüllt: Ich liebe R!

`c()`: Der Daten-Kloner

Mit c() erstellst du Vektoren – also Listen von Daten. Stell dir vor, du klonst Äpfel:

aepfel <- c(1, 5, 2, 8) # Jetzt hast du 4 Äpfel!

`length()`: Der Größen-Checker

length() verrät dir, wie viele Elemente in einem Vektor stecken:

length(aepfel) # Antwort: 4

`mean()`, `median()`, `sd()`: Die Statistik-Assistenten

Diese Befehle berechnen Durchschnitt, Median und Standardabweichung – perfekt, wenn du Daten analysieren willst. Keine Sorge, du musst die Formeln nicht auswendig lernen!

mean(aepfel) # Durchschnittliche Anzahl Äpfel

R-Pakete: Dein Erweiterungs-Set

R-Pakete sind wie kleine Erweiterungen, die du installieren kannst, um neue Funktionen zu bekommen. Stell dir vor, du installierst einen "Kuchen-Back-Assistenten" für R.

Um ein Paket zu installieren, benutzt du:

R# Programming Cheat Sheets | Data science, Data science learning, Data

install.packages("dein_paket")

Und um es zu nutzen:

library(dein_paket)

Es gibt tausende Pakete für alles Mögliche – von Datenvisualisierung bis hin zu maschinellem Lernen. Lass dich einfach inspirieren!

Noch ein paar Tipps vom Profi (oder so ähnlich…)

Kommentare sind deine Freunde! Schreibe hinter #, was du gerade machst. Das hilft dir (und anderen!), deinen Code zu verstehen.
Google ist dein bester Kumpel! Wenn du nicht weiterweißt, frag einfach das Internet. Die R-Community ist riesig und hilfsbereit.
Übung macht den Meister! Je mehr du R benutzt, desto besser wirst du. Also, ran an die Daten!

Und jetzt? Viel Spaß beim Daten-Detektiv spielen! R ist mächtig, aber auch unglaublich spaßig. Lass deiner Kreativität freien Lauf und entdecke die Welt der Daten!