R-Programmierung für Fortgeschrittene

Funktionales Programmieren

  • Benutzerdefinierte Funktionen schreiben und anwenden
  • Anonyme Funktionen, Parameter-Übergabe, Fehlerbehandlung
    Funktionen, die Funktionen als Argumente übernehmen
  • Funktionen, die Funktionen als Ergebnis liefern
  • Einführung / Wiederholung: apply-Funktionen in Base R
  • map-funktionen aus dem purrr-paket
  • Anwendungsbeispiel: Viele statistische Modelle gleichzeitig aufstellen und Ergebnisse elegant weiterverarbeiten mit wenigen Code-Zeilen

Fehlerbehebung: Debugging in RStudio

Laufzeiten von R-Code-Abschnitten vergleichen, Code optimieren (Microbenchmark)

Effizient programmieren in R

  • Laufzeit von R-Code messen: system.time(), microbenchmark() und bench::mark()
  • Strategien zur Optimierung von R-Code, Praxisbeispiele
  • Profiling, um Flaschenhälse (langsame Code-Abschnitte) zu lokalisieren
  • Parallele Programmierung
    • Mehrere Prozessorkerne / Cluster nutzen
    • Verteilung der Lasten an die Arbeiter: Load Balancing
    • Erkennen, ob R-Code zur Parallelisierung geeignet ist
  • Paket-Empfehlungen zum Umgang mit großen Datenmengen

Optional: Einführung in objektorientiertes Programmieren mit R (S3-Klassen)

Programmierbeispiel mit einfacher Spiel-Simulation und benutzerdefinierter Print-Methode

Optional: R und externe Datenquellen: Excel, Datenbanken

  • Datenimport aus Excel
  • Datenexport nach Excel; Excelblätter aus R heraus bearbeiten
  • Tipps, Strategien und Paketempfehlungen zur Datenbankanbindung mit R
  • Effiziente Visualisierung von Daten aus Datenbanken

Eigene R-Pakete erstellen in RStudio

  • Warum und wann es sinnvoll ist, eigene Pakete zu erstellen
  • Ordnerstruktur von R-Paketen
  • Eigene Funktionen schreiben und dokumentieren; R-interne Hilfefunktionen nutzen
  • Pakete, die die Paket-Erstellung unterstützen: devtools, usethis, roxygen2, testthat
  • Paket installieren, testen, weiterentwickeln

Optional: Tidy Evaluation

  • Kurzer Überblick über einige tidyverse-Funktionen und Vergleich zu Base R
  • Was ist tidy evaluation und wozu brauchen wir sie?
  • Praxisbeispiele, Programmieren mit dplyr und ggplot2

Empfohlene Seminardauer: 3 Tage

Ich freue mich auf Ihre Anfrage!

Zurück zu R-Schulungen: Übersicht über Seminare / Workshops / Module

Hinweispflicht zu Cookies

Webseitenbetreiber müssen, um Ihre Webseiten DSGVO konform zu publizieren, ihre Besucher auf die Verwendung von Cookies hinweisen und darüber informieren, dass bei weiterem Besuch der Webseite von der Einwilligung des Nutzers in die Verwendung von Cookies ausgegangen wird.

Der eingeblendete Hinweis Banner dient dieser Informationspflicht.

Sie können das Setzen von Cookies in Ihren Browser Einstellungen allgemein oder für bestimmte Webseiten verhindern. Eine Anleitung zum Blockieren von Cookies finden Sie hier.

Wir benutzen Cookies um die Nutzerfreundlichkeit der Webseite zu verbessen. Durch Deinen Besuch stimmst Du dem zu.
Die mobile Version verlassen