R Tipps und Tricks

Dezimalseparatoren und Tausendertrennzeichen ändern

Im Deutschen wird ein Komma als Dezimalseparator (z.B. 3,4 %) und ein Punkt als Tausendertrennzeichen (z.B. 10.000 €) oder ein schmales Leerzeichen (z.B. 10 000) verwendet. Im Englischen sind die Separatoren vertauscht. Ein Komma wird als Tausendertrennzeichen verwendet und ein Punkt als Dezimalseparator.

Um den Dezimalseparator zu ändern, kann die Code Option options(OutDec=",") verwendet werden.

Eine wirklich einfache und globale Lösung für das Ändern der Tausendertrennzeichen habe ich nicht gefunden. Ich bin mir auch nicht sicher, ob es wirklich sinnvoll ist, da es den Datenaustausch erschwert.

Für einzelne Plots oder Tabelle kann es jedoch sinnvoll sein, ein Tausendertrennzeichen zu nutzen, da es die Lesbarkeit erhöht. Auf Stackoverflow habe ich einen Post gefunden, der beschreibt, wie die Tausendertrennzeichen verändert werden können. Zusätzlich zeigt das Beispiel auch noch, wie Euro- oder Prozentzeichen angezeigt werden können.

set.seed(42)  ## for sake of reproducibility
n <- 10
dat <- data.frame(
  years = 1:n,
  group = rep(LETTERS[1:10]),
  money = sample(30000:50000, n, replace = TRUE)
)


ggplot(dat, aes(x = group,
                y = money,)) +
  geom_point() +
  theme_classic() +
  scale_y_continuous(labels = dollar_format(
    big.mark = " ",
    decimal.mark = ",",
    suffix = " €",
    prefix = ""
  )) 

Reproduzierbaren Code erstellen

Dieser Post zeigt, wie reproduzierbarer Code erzeugt werden kann, um Fragen auf Stack Overflow zu stellen.

Pretty Code

Das Addin Reformat Code kann verwendet werden, um Code besser lesbar darzustellen. Einfach den Code markieren und Code >> Reformat Code auswählen. Das Addin formatR soll jedoch noch besser sein. Das habe ich allerdings noch nicht getestet.

Plots auf Mobilgeräten in voller Größe anzeigen

Auf kleinen Bildschirmen werden Plots sehr klein angezeigt, da sie auf die Breite des Bildschirms schrumpfen und der Inhalt des Plots nicht der verringerten Größe angepasst wird. Es gibt jedoch die Möglichkeit, durch CSS-Elemente die Größe der Plots beizubehalten und sie durch ein seitwärts Scrollen zu betrachten.

<style >
  .superbigimage{
    overflow - x:scroll
    white - space:nowrap
  }

.superbigimage img{
  max - width:none
}

</style>
  
  
This produces the plot with a special css class
<div class = "superbigimage">
/ ```{
    r plot_it , echo = FALSE, fig.width = 20, fig.height = 3
  }
plot1
/ ```
</div> 

Ich bin mir jedoch nicht sicher, ob es wirklich nutzerfreundlicher ist, die Plots in voller Größe zu zeigen.

Plots speichern, Pixel-Dimension festlegen, Hintergrund transparent gestalten, Favicon ändern

Ich wollte das Favicon (das kleine von Webbrowsern verwendet Symbol oder Logo) ändern. Da ich für den Blog noch kein Logo hatte, wollte ich einen charakteristischen Plot aus einem meiner Blog-Posts anpassen, in den richtigen Dimensionen speichern, mit einem transparenten Hintergrund versehen und als Favicon hochladen. Hier ist mein Vorgehen:

# Daten von yahoo.finance.com einlesen
indexvgl <- tq_get(c("EXXT.DE","DBXD.DE","XDWD.DE"),
                      get  = "stock.prices",
                      from = "2016-01-01",
                      to = "2020-12-31")

# Monatliche Performance in Prozent berechnen
indexvgl_monthly <- indexvgl %>% group_by(symbol) %>% 
  tq_transmute(select     = adjusted, 
               mutate_fun = periodReturn,
               period     = "monthly")%>% 
  ungroup()

# Kummulierte Performance berechnen
indexvgl_monthly <- indexvgl_monthly %>% group_by(symbol) %>%
  mutate(cumsum = cumsum(monthly.returns)*100)

# Farbpalette festlegen
pal <- got(3, option = "Daenerys", direction = -1)

# Level der Indizes festlegen
indexvgl_monthly$symbol <-
  factor(indexvgl_monthly$symbol,
         levels = c("EXXT.DE", "XDWD.DE", "DBXD.DE"))

# Plot erstellen
  ggplot(data = indexvgl_monthly, aes(x = date, y = cumsum, color = symbol)) +
  geom_line(size = 4) +
    theme_void() +
    theme(legend.position="none") +
    scale_color_manual(values = pal,
                     labels = c("Nasdaq 100", "MSCI World", "DAX 30"))

  ggsave(
  "icon.png",
  plot = last_plot(),
  device = "png",
  path = NULL,
  scale = 1,
  width = 135.46666667,
  height = 135.46666667,
  units = "mm",
  dpi = 72,
  limitsize = TRUE)

Shiny App Test

Ich habe zwei Möglichkeiten gefunden, mit Shiny erstellte Apps in Blog-Posts zu integrieren.

Der erste ist in Yihui Xies bookdown: Authoring Books and Technical Documents with R Markdown beschrieben. Hier wird die knitr-Funktion ìnclude_app empfohlen. Die Intergration meiner ersten Shiny-App erfolgt dann so:

knitr::include_app("https://jantau.shinyapps.io/ter_surcharge/", height = "700px")

Antoine Soetewey von Stats und R empfiehlt ein iframe-Element zu nutzen:

<iframe height="1000" width="100%" frameborder="no" src="https://jantau.shinyapps.io/ter_surcharge/"> </iframe>

Nach einigen Versuchen hat sich die Integration der Shiny-URL in ein iframe-Element als überlegen erwiesen. Es wird erstens kein störender Rand um die Shiny-App gebildet und zweitens ist die Darstellung auf Mobilgeräten wesentlich besser, da die App an die Breite des Bildschirms angepasst wird und ein seitliches Scrollen bei dem Plot und dem Sidebar-Panel nicht nötig ist.

Legende in Plot-Titel integrieren

Die Beschriftung von Grafiken ist nicht die Stärke von ggplot. Es ist umständlich, Erläuterungen in der richtigen Formatierung an die richtige Stelle zu setzen. Es kann leicht geschehen, dass die Beschriftung überdeckt oder abgeschnitten wird. Dabei wird meines Erachtens eine effektive und grafisch anspruchsvolle Beschriftung von Plots immer wichtiger. In einem Chart aus der New York Times wurde beispielsweise die Legende in den Titel integriert.

Für Legenden mit wenigen Leveln halte ich das für einen eleganten Weg, um wichtige Informationen übersichtlich und ohne unnötige Redundanzen in der Grafik unterzubringen.

Nach einigem Suchen habe ich auch einen Weg gefunden, der dies ziemlich gut ermöglicht. Mit dem ggtext-Package können die Beschriftungen von Plots mit Markdown- und HTML-Auszeichnungen versehen werden.

Über das Element theme(plot.title = element_markdown())wird definiert, dass der Plot-Titel mit ggtext erstellt wird. Im Plot-Titel kann dann mit HTML <span style='color:#2B818EFF;'>Allzeithochs</span> die Farbe einzelner Wörter gezielt geändert werden. (Leider muss ein Hex-Farbcode angegeben werden, da sich nicht wie im Plot eine zuvor definierte Variable einsetzen lässt.)

library(ggtext)

pal <- got(3, option = "Daenerys", direction = -1)

ggplot(dax, aes(x = date, y = adjusted)) +
  geom_line(color = pal[1]) +
  geom_point(
    data = dax %>% filter(ath == 1),
    aes (x = date, y = adjusted),
    color = pal[2],
    size = 1,
    alpha = .2
  ) +
  geom_point(
    data = dax %>% filter(last_low == 1 & ath == 1),
    aes (x = date, y = adjusted),
    color = pal[3],
    size = 1,
    alpha = 1
  ) +
  scale_y_log10() +
  theme_jantau +
  theme(
    panel.grid.major.y = element_line(colour = "grey", linetype = "dashed"),
    plot.title = element_markdown()
  ) +
  labs(
    title = "<span style='color:#2B818EFF;'>Allzeithochs</span> Dax 30, die <span style='color:#792427FF;'>nicht wieder unterboten</span> werden",
    x = "",
    y = "Kurs (in logarithmischer Darstellung)",
    color = "",
    fill = "",
    subtitle = "Datenquelle: finance.yahoo.com; Datenanalyse: jantau.com"
  )

Die Alternative hierzu ist, eine herkömmliche Legende zu erstellen.

Mir gefällt die erste Variante besser, da die Begriffe “Allzeithoch” und “nicht wieder unterboten” aus dem Titel nicht noch einmal in der Legende wiederholt werden müssen.

Farbwerte mit dem Digital Colour Meter bestimmen

In macOS ist mit dem Digital Colour Meter ein Color-Picker integriert, mit dem sich komfortabel Farbwerte bestimmen lassen. Die Grundeinstellung liefert die Farbwerte in Dezimalwerten (z.B. 255 255 255). Für R benötige ich Farbwerte in Hexadezimalform (z.B. #FFFFFF). Das lässt sich in der Menüleiste über View > Display Values auswählen. Über Shift + Command + C kann anschließend der Hexadezimalwert der ausgewählten Farbe kopiert werden und so nach R übertragen werden.

Den für diesen Beitrag erstellten Code findest du hier: https://github.com/jantau/jantau