Grundlegende Programmierkenntnisse in R

Wenn du unseren kostenlosen Kurs Model a Quantitative Trading Strategy in R machen möchtest, findest du hier den Link.

Datei einlesen: read.csv()

Bevor wir die Daten einer Aktie analysieren können, müssen wir sie herunterladen und in den R‑Arbeitsbereich laden. Ein Dataset in den Workspace zu laden ist so, als würdest du eine Datei in Excel öffnen – danach kannst du die verfügbaren Funktionen darauf anwenden. In R werden Datentabellen üblicherweise als Objekte namens Data Frames gespeichert.

In diesem Kapitel verwenden wir Daten der Aktie MARUTI, die von Yahoo Finance heruntergeladen wurden. Die Daten sind unter http://assets.datacamp.com/course/quantinsti/data_ch1.csv verfügbar. Der Datensatz enthält die täglichen OHLC‑ (Open, High, Low, Close) und Volumen‑Daten von Maruti vom 01.01.2008 bis zum 31.12.2013.

In dieser Übung definieren wir zunächst ein neues Objekt in R namens data_maruti. Die Syntax zum Definieren einer neuen Variablen bzw. eines neuen Objekts ist sehr einfach:

variable_name <- value

Dabei ist variable_name der Name des neuen Objekts bzw. der Variablen und value der zugewiesene Wert.

Wir speichern eine .csv‑Datei in data_maruti. Die Funktion zum Einlesen einer .csv‑Datei und zum Speichern als Data Frame ist read.csv(). Die Syntax zum Aufruf einer Funktion ist schlicht:

function_name(object1, object2, argument1, argument2, ....)

Hier ist function_name der Name der Funktion, und object1, object2 sind die Objekte oder Variablen, auf denen die Funktion ausgeführt wird. arguments sind die Parameter, die du beim Funktionsaufruf festlegst.

In dieser Übung lernst du, mit einer Funktion eine neue Variable zu erzeugen.

Anleitung

• Sieh dir den als Beispiel hochgeladenen Data Frame dummy an. Beachte, dass die Funktion read.csv() drei Argumente hat: file mit der URL der Daten, header als logischer Wert, ob die erste Zeile die Spaltennamen enthält (TRUE in diesem Fall), und stringsAsFactors, das festlegt, ob Zeichenketten als Faktoren gespeichert werden (FALSE in diesem Fall).
• Erzeuge eine neue Variable data_maruti mit den täglichen Maruti‑Daten vom 1. Jan 2008 bis 31. Dez 2013. Setze header auf TRUE und stringAsFactors auf FALSE.
• Gib zum Schluss die ersten Zeilen des geladenen Data Frames mit der Funktion head() aus. Führe dazu einfach head(data_maruti) aus.

Verschaffe dir einen schnellen Überblick über deine Daten

Du kennst nun die Funktion head(), mit der die ersten Zeilen von data_maruti ausgegeben wurden.

In dieser Übung gibst du die letzten Zeilen des Datasets mit der Funktion tail() aus. Außerdem erfährst du, wie du die Anzahl der Zeilen und Spalten des Datasets abfragst.

Der Data Frame data_maruti ist bereits im Workspace geladen.

Anleitung

• Gib die letzten sechs Zeilen von data_maruti mit der Funktion tail() aus.
• Gib die Anzahl der Zeilen in data_maruti mit der Funktion nrow() aus.
• Gib die Anzahl der Spalten in data_maruti mit der Funktion ncol() aus.

Typen, Klassen und Dimensionen von Objekten in R

Jede Variable in R ist ein Objekt mit eigenem Typ, eigener Klasse und Dimension. Es gibt nur wenige Grundtypen, zum Beispiel numerisch (z. B. 5 oder 5.0), character (z. B. "a") und logisch (z. B. TRUE). Die Dimensionen sind die Anzahl der Zeilen und Spalten des Objekts. Die Klasse eines Objekts kann schließlich das Verhalten derselben Funktionen verändern. So verhält sich print() für einen Data Frame anders als für ein Objekt eines linearen Modells.

Die Klassen der Objekte, mit denen wir in diesem Kapitel arbeiten, sind Vektoren und Data Frames. Data Frames sind – wie schon erwähnt – Tabellen ähnlich wie in Excel und werden in der Finanzwelt besonders häufig genutzt. Vektoren entsprechen einer einzelnen Zeile oder Spalte mit Werten desselben Typs. Anders gesagt: Ein Data Frame besteht aus Vektoren.

Anleitung

Gib den Typ, die Klasse und die Dimensionen des Objekts data_maruti mit den Funktionen typeof(), class() und dim() aus. Der Data Frame data_maruti ist bereits im Workspace geladen.

Wenn du mehr aus diesem Kurs mitnehmen möchtest, findest du hier den Link.

Sieh dir auch DataCamps Tutorial Objects and Classes in R an.