Warum mit Daten im im urbanen Kontext arbeiten?

• Daten erzählen Geschichten

  • Wir alle erzählen eine Geschichte rund um ein Projekt
  • Ein Teil davon wird fast immer mit Daten erzählt

• Viele Arten von Daten sind immer besser verfügbar (aber nicht alle)

Data Science

“(…) Wissenschaft von der Extraktion von Wissen aus Daten, um daraus zu lernen.”

Für uns wird Data Science etwas weniger Wissenschaft, aber wir lernen Elemente davon, was Data Scientists tun, als Praxis.

Data Science Workflow

Warum programmieren?

Programmieren ist auch nur eine Art, den Computer zu bedienen, nur auf eine Art und Weise, die es uns ermöglicht, unsere Befehle an den Computer:

• zu wiederholen (Effizienz)
• zu teilen (Reproduzierbarkeit)
• mächtiger zu machen (Kapazität)

Warum R?

R ist eine Programmiersprache, die spezifisch für statistische Analysen entwickelt wurde und sich danach zu einer Sprache entwickelt hat, die den ganzen Data Science Workflow begleitet.

Warum Open Source?

• gratis
• state of the art performance
• riesiges Universum von Erweiterungen

hmmm… die Frage sollte eher sein warum je nicht Open Source?

Was ist mit Excel?

Excel ist nicht für reproduzierbare und professionelle Arbeit mit Daten gemacht (aber toll für andere Dinge).

Warum GIS und R?

R kann auch GIS.

GIS kann auch als spezialisierte Unterkategorie von Data Science gesehen werden, welche mit spezifischen (räumlichen) Daten und Werkzeugen arbeitet.

GIS in R?

Machen wir auch. Räumliche Daten sind auch Daten und die meisten Menschen, die professionell mit räumlichen Daten arbeiten, bearbeiten diese auch in einer Programmiersprache (wie R).

https://r.geocompx.org

Was ist mit Python?

Python ist cool. Und auch gut für die Arbeit mit räumlichen Daten geeignet (https://py.geocompx.org).

R ist allgemein für die Arbeit mit Daten ergonomischer und freundlicher (sage ich - ymmv).

Und wenn ihr R könnt, könnt ihr auch Python schnell.

RStudio

RStudio ist nicht R, aber ein Programm, welches das Arbeiten mit R und Daten etwas einfacher macht¹

Etwas Command Line R I

Overpowered calculator!

1 + 1

[1] 2

Etwas Command Line R II

Hello World!

paste("Hallo Welt! Es ist",date())

[1] "Hallo Welt! Es ist Mon Sep 28 14:47:47 2026"

RStudio - Projekt erstellen

Nun öffnet auf eurem Computer das Programm “RStudio”.

Wir werden nun zusammen unsere beiden ersten Programmiererfolge in RStudio wiederholen.

Dafür erstellen wir zuerst ein Projekt:

• File -> New Project -> New Directory -> Name (bspw. urban-research-hs-2026) -> Subdirectory an einem sinnvollen Ort

RStudio - warum Projekte?

Projekte sind nicht nötig, um in R zu arbeiten, sie vereinfachen aber viele Dinge. Die meisten Leute verwenden Projekte, um alles, was für eine spezifische Analyse benötigt wird, an einem Ort zu behalten (Daten, Scripts, Dokumentation).

Daneben helfen Projekte, damit R eure Daten auf eurem Computer überhaupt finden kann.

RStudio - Konsole versus Script

Erstellt mit File -> New File -> R Script eine File. Dann schaut, dass die File so aussieht:

1 + 1
cat("Hello World!")

Mit Ctrl + S könnt ihr die File nun i-am-an-rchitect.R nennen.

Euer erstes Script! Aber warum nur?

Nun, wir wollen nicht immer alle unsere Befehle konstant wieder abtippen. Daher speichern wir sie als Script!

Mein erstes Script!

resultat <- 1 + 1
paste("Hallo Welt! 1 + 1 gibt", resultat)

Wir schauen nun an wie ihr das Script ausführen könnt.

• Line by Line: Setzt euren Cursor auf die Linie und dann Ctrl + Enter
• Das ganze Script: Ctrl + Shift + S oder den “Source” Knopf drücken. Dies führt das ganze Script von oben nach unten aus.

Vorschau für nach der Pause

Vorschau für nach der Pause II