Digitale Dokumentation in R zu Schauer 2025 ‘La Hoguette

1 Einleitung

1.1 Inhalt

Dieses Skript umfasst die Dokumentation der zu Kapitel 6.2.4.b - Schauer (2025) gehörigen Abbildungen:

Dieses Skript dokumentiert die zu Kapitel 6.2.4.b - Schauer (2025) gehörenden Abbildungen: Abb. 6-37 - Skript-Kapitel 5, Abb. 6-38 - Skript-Kapitel 6 und Abb. 6-39 - Skript-Kapitel 7.

1.2 Praktische Hinweise

1.2.1 Einführende Literatur

Um mit dem bereitgestellten R-Skript arbeiten zu können, werden die wichtigsten praktischen Schritte, die für den Einstieg erforderlich sind, kurz erklärt. Dies ersetzt jedoch nicht das Studium des Programms selbst und der Inhalte der Skripte.

Siegmund (2020) wird als Grundlage in deutscher Sprache empfohlen, als Einführung in das R-Plugin Quarto seine Anleitung Siegmund (2023). Auf Englisch ist die R Quarto-Website besonders zu empfehlen.

Field, A. u. a. (2013) ist lesenswert, unterhaltsam und enthält alle relevanten Informationen für den Einstieg. Das R Core Team bietet eine regelmäßig aktualisierte Einführung an; die aktuelle Version ist hier zu finden.

1.2.2 R, R Studio und R Quarto

R, auch R Console oder RGUI, ist das „reine“ R, d. h. es arbeitet ausschließlich mit Code. RStudio hingegen verfügt über eine Benutzeroberfläche und greift auf R zu.

Dieses R-Skript wurde in RStudio in Verbindung mit Quarto erstellt – einer R-spezifischen Schreibumgebung, die die Handhabung von Code sowohl bei der Entwicklung als auch bei der Veröffentlichung erheblich vereinfacht. Quarto ermöglicht es, einzelne R-Skripte in Form von Quarto-Dateien (.qmd) zu erstellen und in verschiedene andere Formate (.html, .pdf) zu exportieren. Neben dem „reinen“ R-Code können auch zusätzliche Informationen zu den Code-Modulen bereitgestellt werden.

Quarto-Dokumente enthalten ausführbaren R-Code, d. h. sie wurden entwickelt und umfangreich getestet, um die gewünschten Berechnungen fehlerfrei durchzuführen. Werden die Quarto-Dateien in RStudio geöffnet, sind die Code-Blöcke grau hinterlegt und können automatisch ausgeführt werden. Weitere Informationen zu Quarto und Quarto-Code finden sich hier.

Um mit diesem Skript zu arbeiten, wird empfohlen, R und RStudio, sowie R Quarto zu installieren.

1.2.3 R Projekte

Um sicherzustellen, dass die Berechnungen reibungslos ablaufen, wurde das Skript in ein R-Projekt eingebettet. Die R-Projektdatei (.Rproj) befindet sich im übergeordneten Ordner der Berechnungen und kann durch Doppelklicken geöffnet werden. Der Dateipfad wird über die Position dieser Datei definiert, sodass das gesamte Projekt beliebig gespeichert werden kann – vorausgesetzt, die Daten befinden sich in den vorgegebenen Ordnern. Die einzige Voraussetzung ist, dass der unter Skript-Kapitel Kapitel 3 hinterlegte Code-Schnipsel beim ersten Arbeiten mit diesem Skript ausgeführt wird.

Ein weiterer Vorteil von R-Projekten ist, dass alle Quarto-Dateien, die beim letzten Schließen geöffnet waren, direkt beim Öffnen des Projekts wieder geladen werden – es muss also nicht manuell nach der Dateistruktur gesucht werden.

1.2.4 R Pakete

R-Pakete müssen zunächst installiert und anschließend in jeder Sitzung erneut geladen werden siehe auch Skript-Kapitel 2, um die Berechnungen auszuführen. Sie enthalten Funktionen, die für bestimmte Analysen erforderlich sind. Zum Installieren kann der folgende Code verwendet werden:

install.packages(“Paket-Name”)

Die Pakete werden mit folgendem Befehl geladen:

library(Paket-Name)

Eine kurze Einführung in grundlegende R-Befehle findet sich beispielsweise auch hier.

1.3 Skript & Packages

Dieses Quarto-Skript (R Quarto v. 1.5.55) (Allaire u. a. 2024) wurde mit R v. 4.4.1 (R Core Team 2024) und RStudio v. 2024.04.2 (RStudio Team 2024) erstellt. Es werden folgende R-Pakete verwendet:

dplyr (Wickham 2023)
ggplot2 (Wickham 2016)
ggpubr (Kassambara 2023)
plyr (Wickham 2011)

Vor Beginn der Analysen müssen sowohl alle Pakete (siehe Skript-Kapitel Kapitel 2) geladen als auch das Working Directory gesetzt werden (siehe Skript-Kapitel Kapitel 3).

Der Code ist lauffähig, d. h. er kann fehlerfrei ausgeführt werden, sofern die vorgegebene Datenstruktur beibehalten wird.

In jedem Code-Block wird der Code zur Erstellung der jeweils ersten Abbildung erläutert – nachfolgende Grafiken mit vergleichbarem Code erhalten keine eigene Beschreibung.

1.4 Gerät und Messparameter

Die Messdaten wurden mit dem Niton XL3t (Nr. 97390) des Departments für Kulturwissenschaften der Universität München im TestAllGeo-Modus ermittelt (60 Sekunden Standard, Niedrig, Hoch sowie 120 Sekunden Leicht-Modus) und mit einem 8 mm Messspot von M. Schauer durchgeführt. Die Messungen fanden von September bis Dezember 2018 sowie von September 2019 bis Juli 2020 statt. Weitere Informationen finden sich in Kapitel 6.1.1 – Schauer (2025).

2 Notwendige R Pakete

Quelle

Quelle: https://www.projectpro.io/recipes/load-package-r

library(ggplot2)
library(plyr)
library(dplyr)
library(ggpubr)

3 Working directory

Quelle

Quelle: https://martinctc.github.io/blog/rstudio-projects-and-working-directories-a-beginner%27s-guide/, https://www.grainge.org/pages/authoring/relative_paths/relative_paths.htm, https://r4ds.had.co.nz/workflow-projects.html

knitr::opts_knit$set(root.dir = "./")

4 Zusammenstellen der Daten

# Daten einlesen und filtern
data<- read.csv("../Daten//Kap_6//Kap_6.2//Grundlagen//Datengrundlage//Daten_BB_vollständigMW_bearb.csv")
data<-subset(data, Kultur %in% c("Bodenprobe"))

# Speichern als CSV
write.csv(data,"../Daten//Kap_6//Kap_6.2//Grundlagen//Datengrundlage//Daten_BB_BP_vollständig.csv",row.names=FALSE)

Händisch ergänz wurde eine Spalte der verallgemeinerten Probennummer (Probennr) sowie ein Label (Label) und eine eigene Spalte für die verkürzte Probenart (Probenart). Unnötige Spalten wurden entfernt, den verbliebenen stimmige Spaltennamen gegeben.

5 Abb. 6-37

# Daten einlesen
data<- read.csv("../Daten//Kap_6//Kap_6.2//Grundlagen//Bodenproben//Daten_BB_BP_vollständig_bearb.csv")

# Diagramme erstellen
BP_Alle_Probenart_Al2O3_SiO2<-ggplot(data, aes(x=Al2O3,y=SiO2, color=Probenart,shape=Probennr.))+
  geom_point(aes(color=Probenart,shape=Probennr.),size=2)+scale_shape_manual(values=c(1,2,3,4,5,6,7,8,15,17,19))+ # Manuelle Definition von Größe und Form der Symbole
  scale_color_manual(values=c("khaki2","black","firebrick1","seagreen"))+ # Manuelle Definition der Farbe der Symbole
  xlab("Al2O3 in %")+ylab("SiO2 in %")+ # Manuelle Achsenbeschriftung
  theme_classic()+ # Klassisches Design  
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black")) # Manuelle Formatierung von Achsen- und Legendendarstellung

BP_Alle_Probenart_CaO_FeO2<-ggplot(data, aes(x=CaO,y=Fe2O3, color=Probenart,shape=Probennr.))+
  geom_point(aes(color=Probenart,shape=Probennr.),size=2)+scale_shape_manual(values=c(1,2,3,4,5,6,7,8,15,17,19))+
  scale_color_manual(values=c("khaki2","black","firebrick1","seagreen"))+
  xlab("CaO in %")+ylab("Fe2O3 in %")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))
  
BP_Alle_Probenart_CaO_P2O5<-ggplot(data, aes(x=CaO,y=P2O5, color=Probenart,shape=Probennr.))+
  geom_point(aes(color=Probenart,shape=Probennr.),size=2)+scale_shape_manual(values=c(1,2,3,4,5,6,7,8,15,17,19))+
  scale_color_manual(values=c("khaki2","black","firebrick1","seagreen"))+
  xlab("CaO in %")+ylab("P2O5 in %")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

BP_Alle_Probenart_Rb_Sr<-ggplot(data, aes(x=Rb,y=Sr, color=Probenart,shape=Probennr.))+geom_point(aes(color=Probenart,shape=Probennr.),size=2)+
  scale_shape_manual(values=c(1,2,3,4,5,6,7,8,15,17,19))+scale_color_manual(values=c("khaki2","black","firebrick1","seagreen"))+xlab("Rb in ppm")+ylab("Sr in ppm")+theme_classic()+theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+
  theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

BP_Alle_Probenart_Zn_Zr<-ggplot(data, aes(x=Zn,y=Zr, color=Probenart,shape=Probennr.))+
  geom_point(aes(color=Probenart,shape=Probennr.),size=2)+scale_shape_manual(values=c(1,2,3,4,5,6,7,8,15,17,19))+
  scale_color_manual(values=c("khaki2","black","firebrick1","seagreen"))+
  xlab("Zn in ppm")+ylab("Zr in ppm")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

BP_Alle_Probenart_Cr_Zr<-ggplot(data, aes(x=Cr,y=Zr, color=Probenart,shape=Probennr.))+
  geom_point(aes(color=Probenart,shape=Probennr.),size=2)+scale_shape_manual(values=c(1,2,3,4,5,6,7,8,15,17,19))+
  scale_color_manual(values=c("khaki2","black","firebrick1","seagreen"))+
  xlab("Cr in ppm")+ylab("Zr in ppm")+
  theme_classic()+theme(axis.line=element_line(colour="black",size=0.25))+
  theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+
  theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

BP_Alle_Probenart_V_Y<-ggplot(data, aes(x=V,y=Y, color=Probenart,shape=Probennr.))+
  geom_point(aes(color=Probenart,shape=Probennr.),size=2)+ scale_shape_manual(values=c(1,2,3,4,5,6,7,8,15,17,19))+
  scale_color_manual(values=c("khaki2","black","firebrick1","seagreen"))+
  xlab("V in ppm")+ylab("Y in ppm")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

# Kombination der Diagramme 
ggarrange(BP_Alle_Probenart_Al2O3_SiO2,BP_Alle_Probenart_CaO_P2O5,BP_Alle_Probenart_CaO_FeO2,BP_Alle_Probenart_Rb_Sr,BP_Alle_Probenart_Zn_Zr,BP_Alle_Probenart_Cr_Zr,BP_Alle_Probenart_V_Y,ncol=2,nrow=4,align = "hv",common.legend=TRUE)+theme(legend.position="bottom")

# Export des kombinierten Diagramms 
ggsave("Abb.6-37.eps",path=("../Daten//Kap_6//Kap_6.2//Abbildungen//Bodenproben//"),plot=last_plot(),device="eps",height=18,width=15.3,unit=c("cm"),dpi=1200)

6 Abb. 6-38

# Daten einlesen und filtern
data<- read.csv("../Daten//Kap_6//Kap_6.2//Grundlagen//Bodenproben//Daten_BB_BP_vollständig_bearb.csv")
data<-subset(data, Label %in% c("Ton"))

# Diagramme erstellen
Scatter_Ton_Rb_Sr<-ggplot(data, aes(x=Rb,y=Sr,  shape=Probennr.,color=Probennr.))+ 
  geom_point(aes(shape=Probennr.),size=2)+ scale_shape_manual(values=c(15,17,19))+ # Manuelle Definition von Größe und Form der Symbole
  scale_color_manual(values=c("lightblue","orange","purple"))+ # Manuelle Definition der Farbe der Symbole
  xlab("Rb in ppm")+ylab("Sr in ppm")+ # Manuelle Achsenbeschriftung
  theme_classic()+ # Klassisches Design  
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black")) # Manuelle Formatierung von Achsen- und Legendendarstellung
  
Scatter_Ton_Zn_Zr<-ggplot(data, aes(x=Zn,y=Zr,  shape=Probennr.,color=Probennr.))+
  geom_point(aes(shape=Probennr.),size=2)+scale_shape_manual(values=c(15,17,19))+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("Zn in ppm")+ylab("Zr in ppm")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

Scatter_Ton_Cr_Zr<-ggplot(data, aes(x=Cr,y=Zr,  shape=Probennr.,color=Probennr.))+
  geom_point(aes(shape=Probennr.),size=2)+scale_shape_manual(values=c(15,17,19))+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("Cr in ppm")+ylab("Zr in ppm")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))
  
Scatter_Ton_V_Y<-ggplot(data, aes(x=V,y=Y,  shape=Probennr.,color=Probennr.))+
  geom_point(aes(shape=Probennr.),size=2)+scale_shape_manual(values=c(15,17,19))+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("V in ppm")+ylab("Y in ppm")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))
  
Scatter_Ton_CaO_Sr<-ggplot(data, aes(x=CaO,y=Sr,  shape=Probennr.,color=Probennr.))+
  geom_point(aes(shape=Probennr.),size=2)+scale_shape_manual(values=c(15,17,19))+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("CaO in %")+ylab("Sr in ppm")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))
  
Scatter_Ton_Rb_K2O<-ggplot(data, aes(x=Rb,y=K2O,  shape=Probennr.,color=Probennr.))+
  geom_point(aes(shape=Probennr.),size=2)+scale_shape_manual(values=c(15,17,19))+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("Rb in ppm")+ylab("K2O in %")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))
  
Scatter_Ton_Al2O3_SiO2<-ggplot(data, aes(x=Al2O3,y=SiO2,  shape=Probennr.,color=Probennr.))+
  geom_point(aes(shape=Probennr.),size=2)+scale_shape_manual(values=c(15,17,19))+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("Al2O3 in %")+ylab("SiO2 in %")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))
  
Scatter_Ton_CaO_P2O5<-ggplot(data, aes(x=CaO,y=P2O5,  shape=Probennr.,color=Probennr.))+
  geom_point(aes(shape=Probennr.),size=2)+scale_shape_manual(values=c(15,17,19))+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("CaO in %")+ylab("P2O5 in %")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

Scatter_Ton_CaO_Fe2O3<-ggplot(data, aes(x=CaO,y=Fe2O3,  shape=Probennr.,color=Probennr.))+
  geom_point(aes(shape=Probennr.),size=2)+scale_shape_manual(values=c(15,17,19))+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("CaO in %")+ylab("Fe2O3 in %")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

Scatter_Ton_MnO_Fe2O3<-ggplot(data, aes(x=MnO,y=Fe2O3,  shape=Probennr.,color=Probennr.))+
  geom_point(aes(shape=Probennr.),size=2)+scale_shape_manual(values=c(15,17,19))+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("MnO in %")+ylab("Fe2O3 in %")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))
  
Scatter_Ton_TiO2_K2O<-ggplot(data, aes(x=TiO2,y=K2O,  shape=Probennr.,color=Probennr.))+
  geom_point(aes(shape=Probennr.),size=2)+scale_shape_manual(values=c(15,17,19))+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("TiO2 in %")+ylab("K2O in %")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

# Kombination der Diagramme   
ggarrange(Scatter_Ton_Al2O3_SiO2,Scatter_Ton_CaO_P2O5,Scatter_Ton_CaO_Fe2O3,Scatter_Ton_MnO_Fe2O3,Scatter_Ton_TiO2_K2O,Scatter_Ton_CaO_Sr,Scatter_Ton_Rb_K2O,Scatter_Ton_Rb_Sr, Scatter_Ton_Zn_Zr,Scatter_Ton_Cr_Zr,Scatter_Ton_V_Y,ncol=3,nrow=4,align = "hv",common.legend=TRUE)+theme(legend.position="bottom")

# Export des kombinierten Diagramms 
ggsave("Abb.6-38.eps",path=("../Daten//Kap_6//Kap_6.2//Abbildungen//Bodenproben//"),plot=last_plot(),device="eps",height=18,width=15.3,unit=c("cm"),dpi=1200)

7 Abb. 6-39

7.1 Zusammenstellen der Tabelle

# Daten einlesen und filtern
data<- read.csv("../Daten//Kap_6//Kap_6.2//Grundlagen//Bodenproben//Daten_BB_BP_vollständig_bearb.csv")
data2<-subset(data, Label %in% c("Ton"))
data3<-data2[,c(23,2:6,8:12,15:19),]

# Spalte als Charakter (Zeichenkette) definieren
data3$Probennr. <- as.character(data3$Probennr.)

# Variationskoeffizient-Funktion mit Fehlerbehandlung
Varkoef <- function(x) { (sd(x, na.rm = TRUE) / mean(x, na.rm = TRUE)) * 100 }

# Berechnung der Kennwerte
KennwerteTon<-(data3) %>%
  group_by(Probennr.) %>%
  summarize(across(everything(),list(Varkoef=Varkoef,Mittelwert=mean,stabw=sd, Median=median)))

# Erste Zeilen der Tabelle anziegen
head(KennwerteTon)

# A tibble: 3 × 61
  Probennr. SiO2_Varkoef SiO2_Mittelwert SiO2_stabw SiO2_Median TiO2_Varkoef
  <chr>            <dbl>           <dbl>      <dbl>       <dbl>        <dbl>
1 BP 08             3.52            67.3       2.37        66.2         5.43
2 BP 09            NA               73.9      NA           73.9        NA   
3 BP 10             2.34            71.5       1.68        71.1         4.68
# ℹ 55 more variables: TiO2_Mittelwert <dbl>, TiO2_stabw <dbl>,
#   TiO2_Median <dbl>, Al2O3_Varkoef <dbl>, Al2O3_Mittelwert <dbl>,
#   Al2O3_stabw <dbl>, Al2O3_Median <dbl>, Fe2O3_Varkoef <dbl>,
#   Fe2O3_Mittelwert <dbl>, Fe2O3_stabw <dbl>, Fe2O3_Median <dbl>,
#   MnO_Varkoef <dbl>, MnO_Mittelwert <dbl>, MnO_stabw <dbl>, MnO_Median <dbl>,
#   CaO_Varkoef <dbl>, CaO_Mittelwert <dbl>, CaO_stabw <dbl>, CaO_Median <dbl>,
#   K2O_Varkoef <dbl>, K2O_Mittelwert <dbl>, K2O_stabw <dbl>, …

# Speichern als CSV  
write.csv(KennwerteTon,"../Daten//Kap_6//Kap_6.2//Grundlagen//Bodenproben//KennwerteTon.csv",row.names=FALSE)

7.2 Erstellen der Abbildung

# Daten einlesen und filtern
data<-read.csv("../Daten//Kap_6//Kap_6.2//Grundlagen//Bodenproben//KennwerteTon.csv")

# Diagramme erstellen
BP_Errorplot_Al2O3_SiO2<-ggplot(data, aes(x=Al2O3_Mittelwert,y=SiO2_Mittelwert, shape=Probennr.,color=Probennr.,
            xmin = Al2O3_Mittelwert-Al2O3_stabw, xmax = Al2O3_Mittelwert+Al2O3_stabw, # Fehlerbalken links und rechts
            ymin=SiO2_Mittelwert-SiO2_stabw,ymax=SiO2_Mittelwert+SiO2_stabw))+ # Fehlerbalken unten und oben
  geom_errorbar(width=.1)+geom_errorbarh(height=.2)+ #Vertikale (X-Richtung) und Horizonte (Y-Richtung) Fehlerbalken 
  scale_shape_manual(values=c(15,17,19))+geom_point()+ # Manuelle Definition von Größe und Form der Symbole
  scale_color_manual(values=c("lightblue","orange","purple"))+ # Manuelle Definition der Farbe der Symbole
  xlab("Al2O3 in %")+ylab("SiO2 in %")+# Manuelle Achsenbeschriftung
  theme_classic()+ # Klassisches Design 
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))# Manuelle Formatierung von Achsen- und Legendendarstellung

BP_Errorplot_CaO_FeO2<-ggplot(data,aes(x=CaO_Mittelwert,y=Fe2O3_Mittelwert,shape=Probennr.,color=Probennr.,
                                       xmin=CaO_Mittelwert-CaO_stabw,xmax=CaO_Mittelwert+CaO_stabw,
                                       ymin=Fe2O3_Mittelwert-Fe2O3_stabw,ymax=Fe2O3_Mittelwert+Fe2O3_stabw))+
  geom_errorbar(width=.025)+geom_errorbarh(height=.1)+
  scale_shape_manual(values=c(15,17,19))+geom_point()+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("CaOin%")+ylab("Fe2O3in%")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

BP_Errorplot_TiO2_K2O<-ggplot(data,aes(x=TiO2_Mittelwert,y=K2O_Mittelwert,shape=Probennr.,color=Probennr.,
                                       xmin=TiO2_Mittelwert-TiO2_stabw,xmax=TiO2_Mittelwert+TiO2_stabw,
                                       ymin=K2O_Mittelwert-K2O_stabw,ymax=K2O_Mittelwert+K2O_stabw))+
  geom_errorbar(width=.025)+geom_errorbarh(height=.025)+
  scale_shape_manual(values=c(15,17,19))+geom_point()+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("TiO2in%")+ylab("K2Oin%")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

BP_Errorplot_Rb_Sr<-ggplot(data,aes(x=Rb_Mittelwert,y=Sr_Mittelwert,shape=Probennr.,color=Probennr.,
                                    xmin=Rb_Mittelwert-Rb_stabw,xmax=Rb_Mittelwert+Rb_stabw,
                                    ymin=Sr_Mittelwert-Sr_stabw,ymax=Sr_Mittelwert+Sr_stabw))+
  geom_errorbar(width=3)+geom_errorbarh(height=1)+
  scale_shape_manual(values=c(15,17,19))+geom_point()+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("Rbinppm")+ylab("Srinppm")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

BP_Errorplot_Cr_Zr<-ggplot(data,aes(x=Cr_Mittelwert,y=Zr_Mittelwert,shape=Probennr.,color=Probennr.,
                                    xmin=Cr_Mittelwert-Cr_stabw,xmax=Cr_Mittelwert+Cr_stabw,
                                    ymin=Zr_Mittelwert-Zr_stabw,ymax=Zr_Mittelwert+Zr_stabw))+
  geom_errorbar(width=5)+geom_errorbarh(height=5)+
  scale_shape_manual(values=c(15,17,19))+geom_point()+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("Crinppm")+ylab("Zrinppm")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+
  theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

BP_Errorplot_V_Y<-ggplot(data,aes(x=V_Mittelwert,y=Y_Mittelwert,shape=Probennr.,color=Probennr.,
                                  xmin=V_Mittelwert-V_stabw,xmax=V_Mittelwert+V_stabw,
                                  ymin=Y_Mittelwert-Y_stabw,ymax=Y_Mittelwert+Y_stabw))+
  geom_errorbar(width=5)+geom_errorbarh(height=.2)+
  scale_shape_manual(values=c(15,17,19))+geom_point()+
  scale_color_manual(values=c("lightblue","orange","purple"))+
  xlab("Vinppm")+ylab("Yinppm")+
  theme_classic()+
  theme(axis.line=element_line(colour="black",size=0.25))+
  theme(legend.title=element_blank(),legend.text=element_text(size=8),axis.title=element_text(size=9),axis.text=element_text(size=8,color="black"))+theme(legend.position="bottom")+theme(axis.ticks=element_line(size=0.25,colour="black"))

# Kombination der Diagramme  
ggarrange(BP_Errorplot_Al2O3_SiO2,BP_Errorplot_CaO_FeO2,BP_Errorplot_TiO2_K2O,BP_Errorplot_Rb_Sr,BP_Errorplot_Cr_Zr,BP_Errorplot_V_Y,ncol=3,nrow=2,align="hv",common.legend=TRUE)+theme(legend.position="bottom")

# Export des kombinierten Diagramms 
ggsave("Abb.6-39.eps",path=("../Daten//Kap_6//Kap_6.2//Abbildungen//Bodenproben//"),plot=last_plot(),device="eps",height=10,width=15.3,unit=c("cm"),dpi=1200)

8 Literatur

Allaire u. a. 2024: J. J. Allaire/C. Teague/C. Scheidegger/Y. Xie/C. Dervieux, Quarto v.1.5.55. https://quarto.org.

Field, A. u. a. 2013: A. Field/J. Miles/Z. Field, Discovering Statistics using R (Los Angeles 2013).

Kassambara 2023: A. Kassambara, ggpubr: ’ggplot2’ Based Publication Ready Plots: R package version 0.6.0. https://cran.r-project.org/package=ggpubr.

R Core Team 2024: R Core Team, R v.4.4.1: A Language and Environment for Statistical Computing: Race for Your Life. https://www.r-project.org/.

RStudio Team 2024: RStudio Team, RStudio v. 2024.04.2: Integrated Development Environment for R. https://www.rstudio.com/.

Schauer 2025: M. Schauer, La Hoguette – Kultur, Phänomen, Subkultur? Archäologische Studien und portable, energiedispersive Röntgenfluoreszenzanalysen (p-ED-RFA) an Keramik zu einer altbekannten Frage 183. Philippika 183 (Wiesbaden 2025).

Siegmund 2020: F. Siegmund, Statistik in der Archäologie: eine anwendungsorientierte Einführung auf Basis freier Software (Norderstedt 2020). https://frank-siegmund.de/images/opendata/2020-archaeostatistik/siegmund_2020_daten.zip.

Siegmund 2023: F. Siegmund, Einführung Quarto. https://www.frank-siegmund.de/images/opendata/einfuehrungquarto.zip.

Wickham 2011: H. Wickham, The Split-Apply-Combine Strategy for Data Analysis. Journal of Statistical Software, 40/1, 2011, 1–29. https://www.jstatsoft.org/v40/i01/.

Wickham 2016: H. Wickham, ggplot2: Elegant graphics for data analysis. Use R! ²(Cham 2016). https://ebookcentral.proquest.com/lib/kxp/detail.action?docid=4546676.

Wickham 2023: H. Wickham, stringr: Simple, Consistent Wrappers for Common String Operations: R package version 1.5.1. https://cran.r-project.org/package=stringr.

Wiederverwendung

CC BY 4.0