Lösungen zu Übung 3
Jonathan Harrington / Johanna Cronenberg
April 2021
Daten & Packages laden
Laden Sie die folgenden Packages und Data Frames:
library(tidyverse)## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.0 ──## ✓ ggplot2 3.3.3 ✓ purrr 0.3.4
## ✓ tibble 3.1.0 ✓ dplyr 1.0.5
## ✓ tidyr 1.1.3 ✓ stringr 1.4.0
## ✓ readr 1.4.0 ✓ forcats 0.5.1## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(magrittr)##
## Attaching package: 'magrittr'## The following object is masked from 'package:purrr':
##
## set_names## The following object is masked from 'package:tidyr':
##
## extracturl <- "http://www.phonetik.uni-muenchen.de/~jmh/lehre/Rdf"
rating <- read.table(file.path(url, "rating.txt"))
preasp <- read.table(file.path(url, "preasp.txt"))
asp <- read.table(file.path(url, "asp.txt"))
vdata <- read.table(file.path(url, "vdata.txt"))Q & A’s
1. Datenmanipulation mit dplyr
- Q1.1: Benennen Sie die Spalten
vdur,clodur,vtypeim Data Framepreaspdauerhaft um invowelDuration,closureDurationundvowelType, und lassen Sie sich die Spaltennamen des Data Frames anzeigen.
preasp %<>% rename(vowelDuration = vdur,
closureDuration = clodur,
vowelType = vtype)
preasp %>% colnames()## [1] "spk" "city" "region" "vowelDuration"
## [5] "predur" "closureDuration" "reldur" "clorel"
## [9] "preclorel" "vc" "cv" "vowelType"
## [13] "cplace" "ptonic" "word" "Pre"- Q1.2: Finden Sie heraus, welche Vokale (
vowelType) im Data Framepreaspmit den fünf höchsten Vokaldauern (vowelDuration) assoziiert sind. (Ergebnis ist ein Vektor mit 5 Elementen)
preasp %>%
slice_max(vowelDuration, n = 5) %>%
pull(vowelType)## [1] "o" "o" "o" "o" "e"- Q1.3: Berechnen Sie für die drei verschiedenen Konsonanten (
cplace) im Data Framepreaspdie maximale, minimale und durchschnittliche Verschlussdauer (closureDuration) und sortieren Sie das Ergebnis nach absteigender durchschnittlicher Verschlussdauer. (Ergebnis hat 3 Zeilen und 4 Spalten)
preasp %>%
group_by(cplace) %>%
summarise(minimum = min(closureDuration),
maximum = max(closureDuration),
mittel = mean(closureDuration)) %>%
arrange(desc(mittel))## # A tibble: 3 x 4
## cplace minimum maximum mittel
## <chr> <dbl> <dbl> <dbl>
## 1 tt 0.0816 0.328 0.199
## 2 pp 0.111 0.279 0.181
## 3 kk 0.0373 0.313 0.155- Q1.4: Berechnen Sie für alle Beobachtungen, wo der Vokal “a” und die Region ungleich “C” ist, die Standardabweichung der Vokaldauer pro Region und Stadt. (Ergebnis hat 12 Zeilen und 3 Spalten)
preasp %>%
filter(vowelType == "a" & region != "C") %>%
group_by(region, city) %>%
summarise(stdabw = sd(vowelDuration))## `summarise()` has grouped output by 'region'. You can override using the `.groups` argument.## # A tibble: 12 x 3
## # Groups: region [2]
## region city stdabw
## <chr> <chr> <dbl>
## 1 N bergamo 0.0301
## 2 N genova 0.0219
## 3 N milano 0.0304
## 4 N parma 0.0342
## 5 N torino 0.0341
## 6 N venezia 0.0247
## 7 S bari 0.0206
## 8 S cagliari 0.0296
## 9 S Catanzaro 0.0408
## 10 S lecce 0.0279
## 11 S napoli 0.0316
## 12 S palermo 0.0272- Q1.5: Berechnen Sie pro Versuchsperson (
Vpn) das erste und dritte Quartil des Ratings im Data Framerating. (Ergebnis hat 26 Zeilen und 3 Spalten)
rating %>%
group_by(Vpn) %>%
summarise(Q1 = quantile(Rating, 0.25),
Q3 = quantile(Rating, 0.75))## # A tibble: 26 x 3
## Vpn Q1 Q3
## <chr> <dbl> <dbl>
## 1 S1 5.65 6.83
## 2 S10 5.33 6.50
## 3 S11 5.54 6.58
## 4 S12 3.58 6.08
## 5 S13 5.54 6.58
## 6 S14 2.71 5.46
## 7 S15 5.25 6.12
## 8 S16 5.3 6
## 9 S17 6.53 7
## 10 S18 4.96 5.87
## # … with 16 more rows- Q1.6: Berechnen Sie für die ersten 100 Beobachtungen im Data Frame
ratingden Median und den Mittelwert der Ratings pro Sprache (Lang). (Ergebnis hat 2 Zeilen und 3 Spalten)
rating %>%
slice(1:100) %>%
group_by(Lang) %>%
summarise(med = median(Rating),
mit = mean(Rating))## # A tibble: 2 x 3
## Lang med mit
## <chr> <dbl> <dbl>
## 1 E 6.5 6.36
## 2 S 6.33 6.29- Q1.7: Finden Sie heraus, wie viele Beobachtungen es pro Versuchsperson (
Vpn) im Data Frameratinggibt. (Ergebnis hat 26 Zeilen und 2 Spalten)
rating %>%
group_by(Vpn) %>%
summarise(count = n())## # A tibble: 26 x 2
## Vpn count
## <chr> <int>
## 1 S1 8
## 2 S10 8
## 3 S11 8
## 4 S12 8
## 5 S13 8
## 6 S14 8
## 7 S15 8
## 8 S16 8
## 9 S17 8
## 10 S18 8
## # … with 16 more rows- Q1.8: Finden Sie heraus, wie viele einzigartige Sprecher
spkes pro Stadt, Region und Konsonant (cplace) im Data Framepreaspgibt (Ergebnis hat 45 Zeilen und 4 Spalten). Lassen Sie sich anschließend ausgeben, für welche Kombination(en) aus Stadt, Region und Konsonant es die wenigsten einzigartigen Sprecher gibt. Tipp: Hierfür müssen Sie sicherstellen, dass das Ergebnis des ersten Teils ein ungruppierter Data Frame ist.
preasp %>%
group_by(city, region, cplace) %>%
summarise(count = n_distinct(spk)) %>%
ungroup() %>%
filter(count == min(count))## `summarise()` has grouped output by 'city', 'region'. You can override using the `.groups` argument.## # A tibble: 1 x 4
## city region cplace count
## <chr> <chr> <chr> <int>
## 1 firenze C pp 6# Alternative:
preasp %>%
group_by(city, region, cplace) %>%
summarise(count = n_distinct(spk), .groups = "drop") %>%
slice_min(count, n = 1)## # A tibble: 1 x 4
## city region cplace count
## <chr> <chr> <chr> <int>
## 1 firenze C pp 62. Abbildungen mit ggplot2
- Q2.1: Zeigen Sie mittels eines Barplots mit dem Data Frame
asp, inwiefern der Konsonantentyp (Kons) von der Betonung (Bet) beeinflusst wird. Auf der x-Achse soll die Betonung angezeigt werden, die Füllfarbe der Balken soll sich nach dem Konsonantentyp richten. Die Balken sollen Proportionen anzeigen. Schreiben Sie unter Ihrem Code Ihre Einschätzung zu der Fragestellung als Kommentar auf.
ggplot(asp) +
aes(x = Bet, fill = Kons) +
geom_bar(position = "fill")
# Ihre Einschätzung:
# Der Konsonant k kommt deutlich häufiger in betonter Position vor,
# während der Konsonant t deutlich häufiger in unbetonter Position vorkommt.- Q2.2: Erstellen Sie ein Histogramm über die Ratings im Data Frame
rating, wobei die Balken eine Breite von 0.5 haben und weiß umrandet sein sollen.
ggplot(rating) +
aes(x = Rating) +
geom_histogram(binwidth = 0.5,
color = "white")
- Q2.3: Erstellen Sie die Abbildung aus Q2.2 erneut, aber diesmal mit der Wahrscheinlichkeitsdichte auf der y-Achse.
ggplot(rating) +
aes(x = Rating, y = ..density..) +
geom_histogram(binwidth = 0.5,
color = "white")
- Q2.4: Erstellen Sie einen Scatterplot über alle Beobachtungen des Data Frames
vdata, bei denen der Vokal (V) entweder “A” oder “I” oder “U” ist. F1 soll auf der y- und F2 auf der x-Achse sein.
vdata %>%
filter(V %in% c("A", "I", "U")) %>%
ggplot() +
aes(x = F2, y = F1) +
geom_point()
- Q2.5: Erstellen Sie einen Boxplot für F2 pro Versuchsperson (
Subj) im Data Framevdata. Fügen Sie dem Boxplot außerdem noch eine horizontale Linie bei 1500 Hz hinzu.
ggplot(vdata) +
aes(x = Subj, y = F2) +
geom_boxplot() +
geom_hline(yintercept = 1500)
- Q2.6: Erstellen Sie einen Barplot mit dem Data Frame
preasp, bei dem die Region auf der x-Achse liegt und die Füllfarbe den Vokaltyp (vowelType) angibt. Es sollen hier nur Beobachtungen verwendet werden, für die die VokaldauervowelDurationzwischen 0.09 und 0.18 liegt. Die Balken sollen außerdem nebeneinander liegen.
preasp %>%
filter(vowelDuration > 0.09 & vowelDuration < 0.18) %>%
ggplot() +
aes(x = region, fill = vowelType) +
geom_bar(position = "dodge")