Diese Webseite verwendet Cookies. Mit der Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies verwenden.

Unabhängiges Beratungshaus

Wir vernetzen zukunftsorientiert Daten, Kommunikation,
Menschen, Prozesse und Organisationen.

Sie finden uns in der
Viktoriastraße 15
56068 Koblenz

SAS Visual Analytics

Für Analysten und Entscheider:
Den Überblick mit einem Klick.

Bild ist nicht verfügbar
Bild ist nicht verfügbar

Beratung | Lizenzmanagement | Schulungen & Workshops | Installation | Migration | Add-On Beratung & Entwicklung | Wartung & Support

Beratung | Lizenzmanagement | Schulungen & Workshops | Installation |
Migration | Add-On Beratung & Entwicklung | Wartung & Support

Bild ist nicht verfügbar

DeltaMaster

Ein Werkzeug und viele Lösungen.

Bild ist nicht verfügbar

DECADIS Control Center

Unser flexibler Business Intelligence und
Customer Intelligence Scheduler.

previous arrowprevious arrow
next arrownext arrow
Slider

decadisnh1150

[R] - Vom Geheimtipp zum Standard

Als unabhängiges IT-Beratungsunternehmen sind wir stets bemüht unseren Kunden die beste Lösung für ihre Fragestellung anbieten zu können. So ist es nur naheliegend, dass wir neben den bewährten Produkten, uns auch über die Trends der Branche auf dem Laufenden halten. In den vergangenen Jahren hat eine Skriptsprache zunehmend an Bedeutung gewonnen: [R]. So hat die amerikanische Tech-Zeitschrift IEEE Spectrum (http://spectrum.ieee.org) im Ranking von 2016, [R] auf dem Platz fünf der Top Programmiersprachen aufgeführt.

Wie kommt es zum Erfolg von [R] und was sind die Vorteile gegenüber anderen Werkzeugen bei der Datenanalyse? [R] ist bereits seit den 1990er Jahren ein Geheimtipp unter Statistikern. Die Version 1.0.0. erschien im Februar 2000 unter der GNU Public Licence. Einige Jahre später, 2005, wurde CRAN (Comprehensive R Archive Network) veröffentlicht. Dort werden R-Pakete verwaltet und können schnell und einfach direkt in [R] heruntergeladen und installiert werden. Im folgenden Jahr kamen vier Pakete dazu, im Jahr darauf nur zwei. Erst in 2011 / 2012 kam es zu einem nahezu explosionsartigen Wachstum. Mittlerweile sind über 10.517 Pakete (Stand 2. Mai 2017) auf CRAN verfügbar. [R], ursprünglich eine reine Statiksprache, wurde zum Mittel der Wahl von zahlreichen Mathematikern, Datenwissenschaftlern und Programmierern rund um den Globus.

Einen wesentlichen Beitrag dazu leistete das 2011 gegründete Unternehmen RStudio (https://www.rstudio.com). Die gleichnamige Entwicklungsumgebung löste weniger ausgereifte Editoren (u.a. Tinn-R) ab und wurde zum Standardwerkzeug bei der Interaktion mit [R]. Heute bietet es neben einer reinen Entwicklungsumgebung, auch die Möglichkeit mit Hilfe von R-Markdown Ergebnisse und Charts, auf Wunsch mit Quellcode, als Publikationen und Präsentationen zu veröffentlichen. Mit dem Paket Shiny von RStudio läßt sich R als flexibles Reporting-Tool verwenden.

Durch seine (meist) intuitive Syntax und enormen Funktionsumfang der R-Pakete sehen wir [R] bestens gewappnet für die Herausforderungen des 21. Jahrhunderts und freuen uns auf die weitere Entwicklung der Anwendung.

Eine kleine Kostprobe? Dieser Beitrag wurde vollständig in R-Markdown erstellt.

#Benötigte Pakete laden
library(xml2)
library(rvest)
library(png)

#Aktuelle Paketübersicht von der CRAN-Webseite herunterladen
url <- "https://cran.r-project.org/web/packages/available_packages_by_date.html"
datei<-read_html(url)
tabellen<-html_nodes(datei, "table")
rpakete <- html_table(tabellen[1], fill = TRUE)
df <- data.frame(matrix(unlist(rpakete), ncol=3))

#Jahr per substr bestimmen
df$jahr<-substr(x = df[,1], start = 1,stop = 4)

#Jahresübersicht erzeugen
jahresuebersicht<-table(df$jahr)

#Y-Achsenlimit festlegen
ylimit<-max(jahresuebersicht)*1.1

#Balkendiagramm mit Titel erzeugen
mids<-barplot(jahresuebersicht
              , ylim = c(0, ylimit)
              , yaxt="n"
              , col="#fd9602"
              , main="Anzahl R Pakete auf CRAN nach Jahr der Veröffentlichung"
              , sub="Stand 2. Mai 2017"
              , cex.names=0.8)

#Balkenbeschriftung einfügen
text(x = mids
     , y = jahresuebersicht
     , labels = prettyNum(jahresuebersicht, big.mark = ".", decimal.mark = ",")
     , pos=3
     , cex = 0.8)

#Logo herunterladen und einfügen
temp<-tempfile()
download.file("https://www.decadis.de/images/default/Decadis_Logo_transparent_v2_x250.png",temp,mode="wb")
logo = readPNG(temp)

usr<-par("usr")
gr<-(usr[2]-usr[3])/(usr[4]-usr[1])
kl<-dim(logo)[1]/dim(logo)[2]

rasterImage(image=logo
            , xleft=mids[1]
            , xright=mids[4] 
            , ytop=ylimit
            , ybottom=(ylimit-(mids[4]-mids[1])*kl*2/gr)
)

P.S. Kennen Sie schon das Paket ggplot2 (http://ggplot2.org/) von Hadley Wickham?

library(ggplot2)
ggplot(diamonds, aes(x=carat, y=price, color=clarity, alpha=.2)) + geom_point() + facet_wrap(~clarity)

ggplot(diamonds, aes(x=color, y=price, color=clarity, fill=clarity, alpha=.2)) + geom_violin() + scale_y_log10() + facet_wrap(~ clarity)

So erreichen Sie uns

DECADIS AG

Viktoriastraße 15
56068 Koblenz

+49 261 96373-0

info@decadis.de