R allgemein:
- konsolenbasiert, unter Windows mit RGui, für Linux und Mac z.B. RStudio
- Sprache (basierend auf) S
- interpretierte Sprache, d. h. interaktiv oder mit Skripten benutzbar (kein Compiler)
- Basisfunktionalität, Erweiterung durch Laden/Nachinstallieren von Bibliotheken (Packages)
- Packages: können Funktionen, Daten, Hilfeseiten bereitstellen, müssen für die Verwendung explizit geladen werden
- Workspace: alle Objekte/Funktionen etc. in "RData"-Datei speicherbar

Verwendung der Hilfe und von Beispielen:
- Hilfe allgemein bzw. für ein Kommando:
  help.start(), help(befehl) / ?befehl
- Befehle, die "befehl" enthalten:
  apropos("befehl")
- Beispiele / Demos:
  example(befehl), demo(), demo(graphics)

Plots für Vektoren/Matrizen/Data Frames:
- Plotten von Vektoren (als y-Werte, x: die jeweilige Position im Vektor)
  x <- runif(100)
  x
  print(x)
  summary(x)
  plot(x)
- Sinusfunktion ausgewertet für alle Stellen aus einem Vektor, mit Plot:
  x <- sin(1:100)
  plot(x)
  plot(x, type="l")  # optionale Parameter werden mit Namen angegeben, hier Darstellungstyp Linie
  ?plot
  ?plot.default
  # Anmerkung: es gibt verschiedene Plot-Methoden, "plot" verwendet automatisch die zum Objekt passende, vorhandene:
  methods(plot)
- Plotten von x-Vektor und dazugehörigem y-Vektor (hier quadrierte x-Werte):
  x <- c(1,2,3,4,5,6,7,8,9,10)
  x <- seq(1,10)  # gleich wie 1:10 oder der Vektor mit c() oben
  x
  y <- x^2 # arbeitet elementweise
  y
  plot(x, y, type="l")
- Matrix konstruieren:
  m <- cbind(x,y)     # Spalten verbinden (column bind), es gibt auch rbind (row bind)
  m
  plot(m, type="l")
- einzelne Spalten aus Matrix:
  plot(m[,"x"], m[,"y"], type="l")
- nur bestimmte Zeilen aus Matrix:
  m[ m[,"x"]>5 , ]
- Data Frame (flexiblere Datenhaltung als z.B. mit Matrizen möglich):
  d <- data.frame(m)
  d
  d <- data.frame(x,y)
  d
  plot(d, type="l")
  # Hinweis: einzelne Spalten aus Data Frame: d$x bzw. d$y
- Notiz: Speichern/Laden von Daten:
  write.table(d, file="/Pfad/zur/Tabelle.txt")
  daten <- read.table("/Pfad/zur/Tabelle.txt", header=TRUE)

Plot einer (empirischen) Verteilungsfunktion:
- Gleichverteilung: empirische Verteilungsfunktion (von 100 Realisierungen) plotten
  n <- 100
  x <- runif(n)
  xsort <- sort(x)
  i <- (1:n)
  y <- i/n
  plot(xsort, y)
  # echte Verteilungsfunktion hinzufügen (Gerade mit Steigung 1, durch Punkt (0,0)):
  # abline ist eine "Low Level"-Grafikfunktion und fügt eine Gerade zur bestehenden Grafik hinzu
  abline(0, 1)
- oder das gleiche kürzer:
  x <- runif(100)
  plot(sort(x), 1:length(x)/length(x))
  abline(0, 1)
- schönere Grafik mit Beschriftungen (beachte: expression und paste):
  x <- runif(100)
  plot(sort(x), (1:length(x))/length(x),
    xlab = "x", ylab = expression(F[n]),
    main = paste("Empirische Verteilungsfunktion\n (X gleichverteilt,", length(x), "Realisierungen)")
  )
  abline(0, 1)
- Natürlich gibt es in R dafür auch spezielle Funktionen:
  plot(ecdf(runif(100)))
  # "Empirical CDF"-Objekt, R verwendet automatisch "plot.ecdf" zum Zeichnen, das wiederum laut Hilfe "plot.stepfun" für Step Functions)
  ?plot.ecdf
  plot(ecdf(runif(100)), col="red", pch="[")
  # alle vorhandene Farben: colors()
- Empirische und tatsächliche Verteilungsfunktion für Normalverteilung:
  plot(ecdf(rnorm(100)), col="red")
  curve(pnorm, -2, 2, add=T)   # curve für Plot von Funktionen, add=T: plottet die Funktion in die bestehende Grafik

Plots von Funktionen:
- curve gegenüber plot zu empfehlen, Beispiel:
  circlearea <- function(r) r^2 * pi
  plot(circlearea, type="o")
  plot(function(x) circlearea(x), type="o")
  # aber: plot(circlearea(x), type="o") funktioniert nicht
  # besser curve verwenden, speziell wenn "add=T" gebraucht wird:
  curve(circlearea)
  curve(circlearea, 0, 100)
  curve(circlearea, xlim=c(0, 100))  # das gleiche wie in der Zeile davor
- Also: Wesentlicher Unterschied curve/plot: erster Parameter von curve wird immer als Funktion interpretiert, bei plot nicht:
  plot(function(x) dnorm(x, mean = 2, sd = 3), -8, 12, col = "red")  # function(x)-Konstruktion notwendig, damit es funktioniert
  curve(dnorm(x, mean = 2, sd = 3), -8, 12, col = "red")

Plots von komplizierteren eigenen Funktionen:
- Vektor als Parameter für eigene Funktionen sollte unterstützt sein, Beispiel:
  # einfache Implementierung für Gauss-Klammer (findet die größte ganze Zahl, die kleiner gleich x ist)
  gauss <- function(x) {
    k <- 0
    while (k <= x) {
      k <- k + 1
    }
    return (k - 1)
  }
  curve(gauss, 0, 5.5)  # funktioniert nicht
  # Fehler! Die Funktion gauss(x) kann keine Vektoren verarbeiten.
  # Gauss-Klammer die mit Vektoren zurechtkommt:
  gauss2 <- function(x) {
    # Rückgabewert soll ein Vektor mit der gleichen Länge wie x sein
    k <- rep(0, length(x))
    # Schleife über alle Elemente von x
    for (i in 1:length(x)) {
      while (k[i] <= x[i]) {
        # überall den Index i hinzufügen
        k[i] <- k[i] + 1
      }
    }
    # den Vektor k - 1 zurückgeben
    return (k - 1)
  }
  curve(gauss2, 0, 5.5)

- Histogramm:
  x <- runif(1000)
  hist(x)
  ?hist
  hist(x, breaks=20)             # 20 Klassen
  hist(x, breaks=c(0, 0.5, 1))   # 2 Klassen mit gegebener Einteilung
- empirische Dichte (über Kerndichteschätzung):
  plot(density(x))
  ?density
- Histogramm und empirische Dichte in eine Grafik zeichnen:
  hist(x, freq=F)          # absolute Häufigkeiten deaktivieren
  plot(density(x), add=T)  # funktioniert nicht, add=T hier nicht unterstützt, deshalb:
  lines(density(x))        # lines verbindet die Punkte, die bei der empirischen Dichte geschätzt wurden

- QQ-Plot zum Vergleich von Verteilungen:
  x<-runif(100)
  y<-runif(100)
  qqplot(x,y)    # Quantile gegeneinander gezeichnet liegen auf einer Geraden
  y<-rnorm(100)
  qqplot(x,y)    # unterschiedliche Verteilung: nicht auf einer Geraden

- Balkendiagramm mit horizontaler Linie auf Höhe des Mittelwerts:
  y <- c(4, 6, 5, 7, 6)
  barplot(y)
  abline(h = mean(y), col = "blue", lwd = 3)

- Boxplot:
  x1 <- c(rnorm(100, 0, 1), 4)
  x2 <- c(rnorm(100, 2, 1), -1)
  x3 <- c(rnorm(100, 1, 1), 5)
  x <- data.frame(x1, x2, x3)
  boxplot(x)

- Am Beispiel von Boxplots - Grafiken nebeneinander:
  oldpar <- par(mfrow = c(1, 4))   # mit par kann man die Grafikausgabe anpassen, hier 4 Spalten nebeneinander (1 Zeile)
  boxplot(runif(100), main = "uniform")
  boxplot(rnorm(100), main = "normal")
  boxplot(exp(rnorm(100)), main = "lognormal")
  boxplot(rcauchy(100), main = "cauchy")
  par(oldpar)  # alte Parameter der Grafikausgabe wiederherstellen, d.h. nur eine Spalte

- Weitere Low-Level Plot-Funktionen:
  plot(1:10, xlab = "xlab", ylab = "ylab", main = "main", sub = "sub")  # verschiedene Beschriftungen
  mtext("mtext 1", side = 1, col = "blue")
  mtext("mtext 2", side = 2, col = "blue")
  mtext("mtext 3", side = 3, col = "blue")
  mtext("mtext 4", side = 4, col = "blue")
  legend("right", legend = c("lty 1", "lty 2", "lty 3", "lty 4"), lty = 1:4, title = "line types") # Beispiel-Legende

Grafiken speichern:
- Angezeigte Grafik speichern:
  dev.copy(png,'plot.png')
  dev.off()
- Grafikausgabe direkt umlenken:
  png('plot.png')
  plot(dnorm)
  dev.off()