# '0.8 Data-Frames selber aufbauen und erzeugen'
# 10 Etikettierungen, 5 /i/, 5 /o/
v.l = c("i", "i", "i", "i", "i", "o", "o", "o", "o", "o")
# oder
v.l = c(rep("i", 5), rep("o", 5))
# oder
v.l = rep(c("i","o"),each=5)

f1 = c(240, 220, 250, 210, 280, 520, 510, 605, 670, 613)
vok.df = data.frame(f1, factor(v.l))

# mit anderen Namen
vok.df = data.frame(F1 = f1, V = v.l)
class(vok.df)
summary(vok.df)

# Data-Frame ablegen und wieder einlesen
write.table(vok.df, file.path(pfad, "vok.txt"), quote=F)
read.table(file.path(pfad, "vok.txt"))
summary(vok.df)
class(vok.df$V)
class(vok.df$F1)

# Hier noch eine sehr nützliche Funktion: with()
?with
#z.B.:
with(vok.df,F1)
# =
vok.df$F1

with(vok.df,table(V))
# = (fast, zumindest...)
table(vok.df$V)

# Zum Schluss: logische Vektoren
# mit "==" kann man fragen, ob zwei Dinge identisch sind; falls ja, wird TRUE ausgegeben
# das "==" ist also ganz was anderes als "=" (Zuweisung; assign)
x = 0
y = 1
# x und y sind mit sich selbst natürlich identisch
x == x
y == y
x == y
x == 0
x == 1
z = 0
x == z
# Das kann man zur Auswahl anwenden:
vok.df$V
#[1] i i i i i o o o o o
#Levels: i o

vok.df$V == "i"
#[1]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE
# oder
with(vok.df,V == "i")
#[1]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE

# Wenn man vok.df nur auf die Werte aus "i"-Vokalen beschränken will:
vok.df[vok.df$V == "i",]
# oder
vok.df[with(vok.df,V == "i"),]

# logischen UND "&"
# nur den "i"-Vokal mit F1 == 240
vok.df$V == "i" & vok.df$F1 == 240
# =
with(vok.df,V =="i" & F1 == 240)

# Wenn sich Ihnen jetzt noch nicht der Vorteil von with() erschließen sollte:
# In späteren Sitzungen wird deutlicher werden, weshalb with() so praktisch ist; 
# vielleicht aber schon in a1.R (diese Sitzung)
# logischen UND "&"
# nur den "i"-Vokal mit F1 == 240
vok.df$V == "i" & vok.df$F1 == 240
# =
with(vok.df,V =="i" & F1 == 240)

#Nun dies in den data.frame stecken, um diesen zu filtern:

vok.df[vok.df$V == "i" & vok.df$F1 == 240,]
#oder
vok.df[with(vok.df,V =="i" & F1 == 240),]

#Die library(dplyr) macht das viel, viel einfacher:
install.packages("dplyr")

library(dplyr)
#... und zwar mit dem filter()-Befehl:

filter(vok.df,V=="i" & F1==240)

#... z.B.
filter(ai.df,F1==1005)
#filter() ist eines der sogenannten "Verben" in dplyr. Es gibt nur eine begrenzte Anzahl:
#filter(), arrange(), select(), rename(), mutate(),transmute(),summarise(),sample_n(),sample_fraq()

# Heute besprechen wir nur das sehr nützliche "Verb" filter(), sowie select():

#select() greift auf Spalten zu
select(ai.df,1)
select(ai.df,F1)
#das Gegenteil, also der Rest des data.frames
select(ai.df,-F1)

#Gibt es auch einen Befehl, um spezifische Zeilen anzeigen zu lassen?
#Natürlich! Aber:
#Der slice()-Befehl wird nicht zu den Basisverben von dplyr gerechnet.
#Dieser Befehl gibt die Zeile(n) aus, die man angibt: 
slice(ai.df,5:7)
#Wie man sieht: das Ausgabeformat ist kein data.frame mehr, sondern ein sogenanntes "tibble".
# Doch dazu später mehr...