INPUT - OUTPUT Workshop R & RStudio

class: title-slide, center, middle

<style>

.center2 {
  margin: 0;
  position: absolute;
  top: 50%;
  left: 50%;
  -ms-transform: translate(-50%, -50%);
  transform: translate(-50%, -50%);
}

.rcorners1 {
  margin: auto;
  border-radius: 25px;
  background: #ada500;
  padding: 10px;
#  width: 50%;
}
</style>

.remark-code, .remark-inline-code { font-family: 'Source Code Pro', 'Lucida Console', Monaco, monospace;
                                    font-size: 90%;
                                  }

</style>

# INPUT - OUTPUT Workshop R & RStudio
.font160[
.SW-greenD[Deel 1]
]
.font120[
.SW-greenD[*Intro in R en RStudio; Projecten; Externe data inlezen*]
]
Sven De Maeyer

.font80[
.UA-red[
22/04/2022
]
]

---
class: inverse-green, left

# Overzicht

.center2[
- Wat praktische afspraken --- ([doorklikken](#part1))
- Wat en waarom `R`? --- ([doorklikken](#part2))
- `R` & `RStudio` installeren --- ([doorklikken](#part3))
- De `RStudio` interface --- ([doorklikken](#part4))
- De basis van `R` ([doorklikken](#part5))
- Pakketten installeren en gebruiken --- ([doorklikken](#part6))
- Werken met projecten --- ([doorklikken](#part7))

]

---
background-image: url(despicable_me2.jpeg)
background-size: contain
class: inverse

## .yellow[Over mezelf]

- Universiteit van Antwerpen;  Faculteit Sociale Wetenschappen; dept. Opleidings- en onderwijswetenschappen (OOW)

- brede onderzoeksinteresse: verschillende topics (psychometrie, schrijfonderzoek, learning strategies, educatie voor duurzame ontwikkeling, linguïstiek, ...)

- belangrijkste onderzoeksfocus: Comparative Judgement + Leren van vergelijken

- fe`R`vent `R` gebruiker

Blog: https://svendemaeyer.netlify.app/

Twitter: @svawa

github: https://github.com/Sdemaeyer2
---
background-image: url(we_like_you_too.jpg)
background-size: contain
class: inverse, center, bottom

## .green[Even elkaar leren kennen...]

.black[Je functie?]

.black[Onderzoek?]

.black[Verwachtingen?]

---
class: inverse-green, center, middle
name: part1

# 1. Praktische afspraken

---
<div class="my-logo-right"> <img src="Dropbox.jpg" width="200%"/> </div>

## Materiaal

<br>

Verschillende types van files:

- Rmarkdown files (voor slides en voorbeelden)

- R-scripts (als voorbeeld)

- datasets

- html-versie van de slides

<br>

Allemaal via Dropbox beschikbaar.

[https://www.dropbox.com/sh/37p15c6lcg6b0b3/AADbo4EYrjyoO7D4n0ldGNoUa?dl=0]

<br>

De slides als html kan je ook openen via mijn 'Talks site' [https://slides-sdemaeyer.netlify.app/]
---

## Teams 
<br>
We zullen de sessies opnemen

<br>

.big[🙏] Maak het interactief! Interfereer gerust!

<br>

Zit je vast bij bepaalde oefeningen?

`$\rightarrow$` Deel je scherm ...

<br>

.Large[☕]  nodig? Laat het weten!

---
class: inverse-green, center, middle
name: part2

# 2. Wat is `R` en waarom `R`?

---

## Wat is `R`?

- Krachtig instrument voor
  *   Data Science
  *   Statistische analyses
  *   Statistisch programmeren
  *   Grafieken etc maken
  ...

- Een 'TAAL'

`$\rightarrow$` We moeten wat **woordenschat** en **grammatica** leren ...

---

## Waarom `R`?

- FREE OPEN SOURCE!

- Constant in ontwikkeling

- 1000'en "add-ins" (pakketten)

- Statistici implementeren nieuwe of betere algoritmes en technieken in `R`

- Loopt voor op commerciële statistische software

- Vergemakkelijkt Open Science

- GROTE COMMUNITY

---
class: inverse-green, center, middle
name: part3

# 3. `R` en `RStudio` installeren

---

## `R` installeren

https://cran.r-project.org/

<i class="fas fa-angle-double-right" style="color: #FF0035;"></i> * Mocht je R nog niet hebben geïnstalleerd, doe het nu... Zit je vast, laat het even weten.*

---

## Laat ons samen `R` even kort verkennen ...

---

## `RStudio` installeren

.pull-left[

https://www.rstudio.com/products/rstudio/

]

.pull-right[

]

---

## `RStudio` installeren

.pull-left[

https://www.rstudio.com/products/rstudio/

Scroll naar beneden en klik op  *RStudio Desktop*

Nu kan je `RStudio` downloaden
]

.pull-right[

]

---

## `RStudio` installeren

.left-column[

https://www.rstudio.com/

Klik op *Products*

Klik op *RStudio*

Nu kan je `RStudio` installeren

<i class="fas fa-angle-double-right" style="color: #FF0035;"></i> * Installeer `RStudio` op je computer indien je dit nog niet gedaan hebt... *
]

.right-column[

]
---
class: inverse-green, center, middle
name: part4

# 4. De `RStudio` interface

---
class: inverse-blue, center, middle

# `RStudio` omgeving

.rcorners1[
.Large[
<i class="fas fa-desktop" style="color: #FF0035;"></i> * Laat ons samen `RStudio` verkennen!*
]
]

???
Dadelijk open ik RStudio. Uiteraard kan je zelf ook RStudio mee openen en kijken hoe het er bij jou uitziet...

---
class: inverse-green, center, middle
name: part5

# 5. De basis in `R`

---

## Type van objecten

<br>
.pull-left[
- vectors

- matrices

- arrays

- data-frames

- lists

- functions

...
]

.pull-right[

<img src="Data_Types.png" width="80%" height="80%" />
]

.footnote[.small[
<i class="fas fa-link" style="color: #FF0035;"></i> * Figure from https://www.edureka.co/blog/r-programming-language *]
]

---

### Vectoren

<br>

.footnote[
.small[
<i class="fas fa-link" style="color: #FF0035;"></i> * Figure from https://www.edureka.co/blog/r-programming-language *
]
]
---
class: inverse-blue, center, middle

## Eerste stappen in `R` ; we maken een script ...
.rcorners1[.Large[
<i class="fas fa-code" style="color: #FF0035;"></i> * Tijd om onze handen 'vuil te maken' en samen te coderen*
]
.small[De code die we straks hanteren staat ook op de volgende slides.

Daarnaast is er een script `Fruit.R` waarin ook deze code is opgenomen (zie `Dropbox/VLHORA_R_2021/R_scripts`)]
]
---

### <i class="fas fa-code" style="color: #FF0035;"></i> .SW-greenD[Code-Blocks]

We maken een vector met de naam *.UA-blue[Fruit]*

```r
Fruit <- c("Apples", "Bananas", "Lemons", "Berries", "Peaches")
```

-  .UA-red[`c()`] staat voor .SW-greenD[*concatenate* (= aaneenrijgen)], alle elementen tussen haakjes gescheiden door `,` worden samengevoegd tot één element

- de .UA-red[`<-`] betekent dat we het resultaat willen wegschrijven in een object (een vector) die we `Fruit` noemen

- doordat de elementen tussen .UA-red[`" "`] staan, geven we aan dat de elementen het type *Character* zijn

Laat ons het object *.UA-blue[Fruit]* opvragen

```r
Fruit
```

```
## [1] "Apples"  "Bananas" "Lemons"  "Berries" "Peaches"
```

We kunnen ook de structuur van het object  *.UA-blue[Fruit]* checken via de .UA-red[`str()`] functie

```r
str(Fruit)
```

```
##  chr [1:5] "Apples" "Bananas" "Lemons" "Berries" "Peaches"
```

---
### <i class="fas fa-code" style="color: #FF0035;"></i> .SW-greenD[Code-Blocks]

We maken een vector met de naam *.UA-blue[Weight]*

```r
Weight <- c(230, 191, 93, 100, 48)
```

nu worden de elementen weggeschreven als numerieke elementen

```r
str(Weight)
```

```
##  num [1:5] 230 191 93 100 48
```

dus we kunnen ermee beginnen rekenen...

bv. we kunnen de functie .UA-red[`mean( )`] toepassen

```r
mean(Weight)
```

```
## [1] 132.4
```

---

### <i class="fas fa-code" style="color: #FF0035;"></i> .SW-greenD[Code-Blocks]

We maken een vector met de naam *.UA-blue[Yellow]*

```r
Yellow <- c(F, T, T, F, F)
```

nu zijn de elementen 'logische operatoren' (TRUE of FALSE)

```r
str(Yellow)
```

```
##  logi [1:5] FALSE TRUE TRUE FALSE FALSE
```

Laat ons kijken wat er in de vector *.UA-blue[Yellow]* zit

```r
Yellow
```

```
## [1] FALSE  TRUE  TRUE FALSE FALSE
```

---
### <i class="fas fa-code" style="color: #FF0035;"></i> .SW-greenD[Code-Blocks]

We maken een data.frame met de naam *.UA-blue[Fruit_data]* via de .UA-red[data.frame( )] functie
.small[

```r
Fruit_data <- data.frame(Fruit, Weight, Yellow)
```
]
Even *.UA-blue[Fruit_data]* bekijken
.small[

```r
Fruit_data
```

```
##     Fruit Weight Yellow
## 1  Apples    230  FALSE
## 2 Bananas    191   TRUE
## 3  Lemons     93   TRUE
## 4 Berries    100  FALSE
## 5 Peaches     48  FALSE
```
]
We kunnen ook opnieuw de structuur van .UA-blue[*Fruit_data*] bekijken
.small[

```r
str(Fruit_data)
```

```
## 'data.frame':	5 obs. of  3 variables:
##  $ Fruit : chr  "Apples" "Bananas" "Lemons" "Berries" ...
##  $ Weight: num  230 191 93 100 48
##  $ Yellow: logi  FALSE TRUE TRUE FALSE FALSE
```
]
---
### <i class="fas fa-code" style="color: #FF0035;"></i> .SW-greenD[Code-Blocks]
.pull-left[
De .UA-red[`$`] operator om te verwijzen naar een vector (of ook kolom of variabele)
.small[

```r
Fruit_data$Fruit
```

```
## [1] "Apples"  "Bananas" "Lemons"  "Berries" "Peaches"
```
]
]

.pull-right[
Of via *indexing*: verwijzen naar kolom- (en/of rij-) nummers tuseen .UA-red[`[rij, kolom]`]

Element uit rij 1 en kolom 1 opvragen
.small[

```r
Fruit_data[1,1]
```

```
## [1] "Apples"
```
]

Elementen in kolom 3 opvragen
.small[

```r
Fruit_data[,3]
```

```
## [1] FALSE  TRUE  TRUE FALSE FALSE
```
]

Elementen in rij 3 opvragen
.small[

```r
Fruit_data[3,]
```

```
##    Fruit Weight Yellow
## 3 Lemons     93   TRUE
```

]
]
---
class: inverse-green, center, middle
name: part6

# 6. Pakketten installeren en gebruiken

---

## Pakketten...

.pull-left[
- Het `R` universum is constant in ontwikkeling

- Pakketten = uitbreidingen van de functies die in `Base` zitten

- .SW-greenD[Specialistisch] tot .SW-greenD[Generieke/Universele] pakketten

- overzicht op https://cran.r-project.org/ (doorklikken naar Packages)

- we maken een selectie...
]

.pull-right[
<img src="R_packages.jpg" width="100%" height="100%" />
]

---
## Welcome to the `tidyverse`

een .UA-red[**MUST-HAVE**] voor iedereen!

<i class="fas fa-link" style="color: #FF0035;"></i> * Meer informatie op  https://tidyverse.org *
---
## .UA-red[ `ìnstall.packages( )`] en .SW-greenD[`library( )`]

.pull-left[
Pakketten kan je .UA-red[**downloaden en installeren**]

- via 'klikken' in RStudio

- **via een functie in de Console of in een script**

<br>

wat ikzelf het vaakst doe: `install.packages()`

Bv:

```r
install.packages("tidyverse", 
                 dependencies = T)
```
]

.pull-right[
Pakketten kan je .SW-greenD[**activeren**] tijdens je sessie

- via 'klikken' in RStudio

- **via een functie in de Console of in een script**

<br>

wat ikzelf het vaakst doe: `library()`

Bv:

```r
library("tidyverse")
```
]

.rcorners1[.Large[
<i class="fas fa-code" style="color: #FF0035;"></i> .white[*Tijd om samen in `RStudio` aan de slag te gaan ...*]
]
]

---

class: inverse-green, center, middle
name: part7

# 7. Werken met projecten in `RStudio`
---

## Waarom?

Tijdens analyses zullen we geregeld verschillende bestanden hanteren:

- externe datasets
- analyse scripts
- output (html-files; figuren; ...)

Gevolg: in code moeten we verwijzen naar die files via .SW-greenD[ABSOLUTE paden]

```
'c:/Users/Sven/Mijn Documenten/UAntwerpen/Analyses/ProjectX/R_Script/Analysescript1.R' 
```

<i class="fas fa-arrow-right" style="color: #FF0035;"></i> Superlastig om je werk te delen; verplaatsen van pc; ...

<br>

`RStudio` heeft het concept .UA-red[Project] geïntroduceerd om dit te omzeilen

In een project hateer je .SW-greenD[RELATIEVE paden] (vertrekkend vanuit de folder waarin je een project opslaagt)

```
'~R_Script/Analysescript1.R' 
```

---
class: inverse-blue, center, middle
## RIASEC_project

.rcorners1[.Large[
<i class="fas fa-code" style="color: #FF0035;"></i> .white[*Samen een project maken in `RStudio` *]

<br>

.small[Op Dropbox kan je de map `RIASEC_project` vinden welke je ergens op je pc kan zetten. Dit wordt ons startpunt dadelijk.]
]
]

---

### Een project aanmaken in 'RStudio'

Via .UA-red[`File/New Project...`]

Vervolgens kan je kiezen:

---
## Voorbeeld dataset voor de workshop

.pull-left[
<img src="RIASEC-Hexagon-5.png" width="50%" height="50%" />
]

.pull-right[
.footnotesize[
| Schaal        | Voorbeelditem                                 | n items |
|---------------|-----------------------------------------------|---------|
| Realistic     | Test the quality of parts before shipment     | 8       |
| Investigative | Study the structure of the human body         | 8       |
| Artistic      | Design artwork for magazines                  | 8       |
| Social        | Give career guidance to people                | 8       |
| Enterprising  | Operate a beauty salon or barber shop         | 8       |
| Conventional  | Inventory supplies using a hand-held computer | 8       |
]
]
.footnote[
<i class="fas fa-link" style="color: #FF0035;"></i> * Data afgehaald van https://openpsychometrics.org/_rawdata/ * ; Data uitgefilterd voor 'BE', 'NL' en 'GB'
]

---

## Externe data inlezen

Data komt in allerlei formaten, maar de meest courante zijn:

- MS Excel
- SPSS / Stata / SAS 
- tekst (csv, tab-delimited)

Verschillende methodes en pakketten zijn ontwikkeld om die externe bronnen van data in te lezen

---

## MS Excel data inlezen met het .UA-red[`readxls`] pakket

Zorg dat het pakket geïnstalleerd is op je pc

Vervolgens:

```r
library(readxl)
Data <- read_excel(
  path = "<verwijzing naar de map en het bestand>"
)
```

Stel: excel-file met de naam .SW-greenD[**Dataverzameling1**] met meerdere werkbladen

Doel: werkblad met de naam .SW-greenD[**Groep2**] inlezen wegschrijven in .SW-greenD[**Data_Groep2**]

```r
Data_Groep2 <- read_excel(
  path = "Dataverzameling1.xlsx",
  sheet = "Groep2"
)
```

`sheet` moet je niet gebruiken als:

- er maar 1 werkblad in de file zit
- er meerdere werkbladen in de file zitten, maar je wenst enkel het eerste werkblad in te lezen

---

## SPSS data inlezen met pakket .UA-red[`foreign`]

Zorg dat het pakket geïnstalleerd is op je pc

Vervolgens:

```r
library(foreign)
Data <- read.spss(
  file = "<verwijzing naar de map en het bestand>",
  use.value.labels = FALSE,
  to.data.frame = TRUE
)
```

> .SW-greenD[`use.value.labels`] argument: <br> <br> 
Labels in SPSS weerhouden in R data-frame? <br> <br>
Bv. variabele met 3 categorieën: 1 = "Laag", 2 = "Gemiddeld", 3 = "Hoog". En deze labels zijn zo in SPSS file ingegeven. Dan kan je ervoor kiezen om de labels in de R data-frame weg te schrijven (`use.value.labels = TRUE`) of de getallen 1, 2 en 3 in de R data-frame weg te schrijven (`use.value.labels = FALSE`)

---

## CSV files inlezen met functie .UA-red[`read.table( )`]

.pull-left[
CSV files zien er doorgaans zo uit (gescheiden door een .UA-red[.large[`,`]] of .UA-red[.large[`;`]])

```r
Kolom1, Kolom2, Kolom3
1, 3, 5
2, 4, 6
8, 10, 99
```

Functie .UA-red[`read_table( )`] is het handigste...

```r
Data <- read.table(
  file = "<verwijzing naar map en bestand>",
  header = TRUE,
  sep = ",", 
  dec = "."
)
```
]
.pull-right[
- .SW-greenD[`header`] argument: <br> <br> 
Bevat de eerste rij kolomnamen (oftewel variabelenamen) of niet?

- .SW-greenD[`sep`] argument: <br> <br> 
Welk teken onderscheid gegevens in verschillende kolommen van elkaar?

- .SW-greenD[`dec`] argument: <br> <br> 
Welk teken is het decimaalteken? (soms is dat een punt en soms een komma)
]