Eerste beweging · Verschil onder de loep

Oefening 0.1 · Kijken naar de data

Kijken voor je rekent

Data bij deze oefening — penguins.csv 342 pinguïns · diamantjes.csv de twaalf steentjes uit het boek · wat elke kolom betekent

prikkel

Die linker is dikker dan die rechter

kijken vóór rekenen · verschil voelen

Voordat er ergens gerekend wordt, wordt er gekeken. Iemand staat op een koude rots, ziet twee pinguïns voorbij waggelen en denkt: die linker is dikker dan die rechter. Meer is het niet. Geen formule, geen toets — een blik, en het begin van een vraag.

Zo begon het boek ook: bij het vóélen van verschil, ver voordat er iets aan gerekend werd. Dit oefenboek is de andere helft van dat verhaal, en het loopt er de hele tijd naast: het boek vertelt, hier doe je het zelf. Jij en R — en de bedoeling is dat jij die computer stap voor stap zover krijgt dat hij laat zíen wat jij al kon voelen.

Maar voor je ook maar één knop aanraakt, wil ik dat je iets doet wat bijna iedereen overslaat: kijken naar wat data eigenlijk zíjn. Niet rekenen — kijken.

kijk

Bekijk de tabel in R

data inlezen · rijen en kolommen

Eerst zoals in het boek — de twaalf diamantjes

# de twaalf steentjes binnenhalen
d <- read.csv("diamantjes.csv")

## Kijken wat er ligt ----

# head() laat standaard de eerste zes rijen zien: Anna tot Faas
head(d)

# nrow() → 12
nrow(d)

# ncol() → 9
ncol(d)

# str() zet achter elke kolom wat erin zit: tekst of getal
str(d)

library(dplyr)

# de twaalf steentjes binnenhalen
d <- read.csv("diamantjes.csv")

## Kijken wat er ligt ----

head(d)

# dim() → 12  9
dim(d)

# glimpse() doet wat str() doet, maar leesbaarder
glimpse(d)

Twaalf rijen, negen kolommen — de hele dataset past in één blik, en dat is precies waarom het boek ermee rekent. Bij echte data lukt dat kijken-in-één-keer niet meer, en dan heb je gereedschap nodig om te zien wat er ligt.

Nu jij — met 342 pinguïns, te veel rijen voor één blik.

Bij dit boekje hoort een bestand: penguins.csv — 342 pinguïns van een rots bij Antarctica, écht opgetild, écht gewogen.¹ Haal het binnen en kijk alleen maar. Er wordt hier niks berekend.

In R · alleen kijken

# de 342 pinguïns binnenhalen
peng <- read.csv("penguins.csv")

## Kijken wat er ligt ----

# head() laat de eerste zes rijen zien
head(peng)

# nrow() → 342 pinguïns
nrow(peng)

# names() geeft de zeven kolomnamen
names(peng)

Wil je er doorheen scrollen zoals in een spreadsheet? View(peng) opent de hele tabel in een eigen venster. Doen — scrollen hoort bij kijken.

Achterin dit boekje ligt een gereedschapskist: alle handelingen die telkens terugkomen — inlezen, filteren, kolommen maken, plotten — in base R én dplyr naast elkaar. Je hoeft hem nu niet te lezen. Loop je straks vast op een handeling, dan sla je hem daar op. Voor dit moment: inlezen en wegschrijven en kijken wat je hebt.

Wat je ziet is een tabel: 342 rijen, zeven kolommen — id, soort, sekse, snavellengte, snaveldiepte, vinlengte, gewicht. En daarbij de belangrijkste leesregel van dit hele boekje: één rij is één pinguïn. Rij 1 is een Adelie-man met een snavel van 39.1 mm, en hij weegt 3750 gram. Scroll eens een flink eind naar beneden: rij 173 is een Gentoo van 5000 gram. Wijs ze allebei maar even aan. Dit beest weegt 3750 gram; dat beest 5000 — ruim een kilo verschil, twee dieren, één rots.

Je hebt nog helemaal niks berekend. En toch heb je al iets gezien.

snap het

Wat een tabel is — en wat hij weglaat

wat data zijn · meten · kijk eerst, reken dan

Dít is data. Geen mystiek, geen wiskunde — een tabel. Elke rij een echt beest (of straks, in andere bestanden, een echt mens), en elke kolom een vraag die iemand aan dat beest gesteld heeft: hoe zwaar ben je, hoe lang is je snavel, wat voor soort ben je.

En meteen ook dit, want het hoort er vanaf dag één bij: de tabel is niet de pinguïn. Rij 1 zegt niks over hoe dat dier over de rots waggelde, of hij zich liet optillen of protesteerde, hoe de wind stond die dag. Wat je meet is nooit alles wat er was. Een dataset is een net van getallen dat een stukje werkelijkheid probeert vast te houden — en er glipt altijd iets doorheen. Maar wat blijft hangen, daar kun je mee kijken. Dat is geen verlies om bij te blijven treuren; het is een begin.

Vanaf hier gaan we die tabel steeds iets slimmer laten praten. Hoofdstuk voor hoofdstuk, één techniek per keer: eerst samenvatten, dan tekenen, dan schudden, uiteindelijk voorspellen. En telkens in dezelfde volgorde, die je nu al kent: kijk eerst, reken dan.

◠ Zelfde adem in het boek

Hier: voor het eerst naar een echte tabel kijken — zonder één berekening.

In het boek: H0 — In den beginne

Daar begint het nog vroeger: niet bij een tabel, maar bij het ervaren van verschil zelf.

Voetnoten

Palmer Penguins — Gorman, Williams & Fraser (2014), Palmer Station Antarctica LTER; via het R-pakket palmerpenguins (CC0). Echte dieren, echte metingen.↩︎