Язык программирования R/Введение
Зачем использовать R?
править- R является Свободным программным обеспечением.
- R — это очень общий пакет статистического анализа. Изучите CRAN Task View(англ.) чтобы глубоко разобраться в том, что умеет делать R.
- R широко используется в социальных науках, статистике, экономике, страховом деле, социологии, финансах, физике высоких энергий и так далее.
- R доступен для всех операционных систем, включая Linux, Mac OS, Windows.
- R включает самые последние методики.
- R — объектно ориентированный. Теоретически, всё что угодно может быть сохранено как объект R.
- R — матричный язык.
- R включает длинный список функций и пакетов, написанных пользователями. Смотрите: CRAN Contributed packages(англ.).
- R использует более систематичный синтаксис, нежели Stata или SAS.
- R может быть установлен на USB-флеш диск.[1]
См. также
правитьСтиль программирования R
править- R — это объектно-ориентированный язык программирования. Это означает, что теоретически всё что угодно может быть сохранено как объект R. Каждый объект имеет свой класс, описывающий что содержит этот объект и что каждая функция может с этими данными делать. Например, plot(x) выводит один результат, если x является регрессией, и другой, если вектором.
- Символом присвоения является «<-». Также возможно использовать классический «=».
Два следующих выражения являются эквивалентными:
> a <- 2
> a = 2
- Аргументы передаются в круглых скобках.
- Обычно, лучше использовать кавычки для имён, но это не всегда необходимо.
- Функции можно просто комбинировать. Например, вы можете написать:
mean(rnorm(1000)^2)
- «#» используется для комментариев:
# Это комментарий
5 + 7 # Это тоже комментарий
- Команды отделяются точкой с запятой «;» или символом перевода каретки. Если вы хотите разместить в одной строке более одного выражения, то необходимо использовать разделитель «;».
a <- 1:10; mean(a);
- Также вы можете разбить одно выражение на несколько строк кода.
- R чувствителен к регистру: «a» и «A» являются двумя разными объектами.
- Традиционно символ подчёркивания «_» не используется в именах. Зачастую лучше использовать символ точки «.». Следует избегать использования символа подчёркивания в качестве первого символа в имени объекта.
См. также
править- Google’s R Style Guide(англ.): набор правил для программистов на R
Простые примеры
правитьR может быть использован как калькулятор и предоставляет возможности для любых простых вычислений.
> # Простой пример > # Это комментарий > > 2 # печатает число [1] 2 > 2+3 # производит простое сложение [1] 5 > log(2) [1] 0.6931472
Также возможно сохранять числовые и строковые объекты.
> x <- 2 # сохраняем объект > x # выводим этот объект [1] 2 > (x <- 3) # сохраняем и выводим объект [1] 3 > > x <- "Hello" # сохраняем строковый объект > x [1] "Hello"
Также можно сохранять векторы.
> Height <- c(168, 177, 177, 177, 178, 172, 165, 171, 178, 170) # Сохраняем вектор > Height # выводим вектор [1] 168 177 177 177 178 172 165 171 178 170 > > Height[2] # Выводим второй элемент вектора (нумерация элементов происходит с единицы) [1] 177 > Height[2:5] # Выводим второй, третий, четвёртый и пятый элементы вектора [1] 177 177 177 178 > > (obs <- 1:10) # Определяем вектор как последовательность (от 1 до 10) [1] 1 2 3 4 5 6 7 8 9 10 > > Weight <- c(88, 72, 85, 52, 71, 69, 61, 61, 51, 75) > > BMI <- Weight/((Height/100)^2) # Производим простые вычисления с векторами > BMI [1] 31.17914 22.98190 27.13141 16.59804 22.40879 23.32342 22.40588 20.86112 [9] 16.09645 25.95156
Также можно получать данные о векторе при помощи length(), mean() и var():
> length(Height) [1] 10 > mean(Height) # Вычисляем среднее арифметическое [1] 173.3 > var(Height) [1] 22.23333
Можно определить матрицу:
> M <- cbind(obs,Height,Weight,BMI) # Создаём матрицу > typeof(M) # Получаем тип матрицы [1] "double" > class(M) # Получаем класс объекта [1] "matrix" > is.matrix(M) # Проверяем, является ли M матрицей [1] TRUE > is.vector(M) # M не вектор [1] FALSE > dim(M) # Размерности вектора [1] 10 4
Можно нарисовать данные используя plot():
> plot(Height,Weight,ylab="Вес",xlab="Высота",main="Ожирение")
Можно определить структуру данных:
> mydat <- data.frame(M) # Создаём структуру > names(mydat) # Даём имена каждой переменной [1] "obs" "Height" "Weight" "BMI" > str(mydat) # выводим структуру данных 'data.frame': 10 obs. of 4 variables: $ obs : num 1 2 3 4 5 6 7 8 9 10 $ Height: num 168 177 177 177 178 172 165 171 178 170 $ Weight: num 88 72 85 52 71 69 61 61 51 75 $ BMI : num 31.2 23 27.1 16.6 22.4 ... > > View(mydat) # Смотрим на данные > > summary(mydat) # Наглядная статистика obs Height Weight BMI Min. : 1.00 Min. :165.0 Min. :51.00 Min. :16.10 1st Qu.: 3.25 1st Qu.:170.2 1st Qu.:61.00 1st Qu.:21.25 Median : 5.50 Median :174.5 Median :70.00 Median :22.70 Mean : 5.50 Mean :173.3 Mean :68.50 Mean :22.89 3rd Qu.: 7.75 3rd Qu.:177.0 3rd Qu.:74.25 3rd Qu.:25.29 Max. :10.00 Max. :178.0 Max. :88.00 Max. :31.18 >
Вы можете сохранить сессию R (все объекты в памяти) и загрузить сессию.
> save.image(file="~/Documents/Logiciels/R/test.rda") > load("~/Documents/Logiciels/R/test.rda")
Можно определить рабочую директорию. Внимание, для пользователей Windows: R использует прямой, а не обратный слеш, в именах директорий.
> setwd("~/Desktop") # Устанавливаем рабочую директорию (character string enclosed in "...") > getwd() # Возвращаем текущую рабочую директорию [1] "/Users/username/Desktop" > dir() # Выводим список содержимого рабочей директории
В R существуют спецсимволы:
- NA : Not Available (то есть пропущенные значения)
- NaN : Not a Number ("не число", например, неопределённость 0/0)
- Inf: Бесконечность
- -Inf : Минус бесконечность.
Выражение 0 делить на 0 даёт NaN, но 1 делить на 0 даёт
> 0/0 [1] NaN > 1/0 [1] Inf
Из R можно выйти используя q(). Аргумент no обозначает, что сессию сохранять не нужно.
q("no")
Типы данных
правитьВсе типы данных можно представить двумя группами: контейнеры и первичные типы данных. Любая переменная в языке R может принимать только значение типа контейнера, элементами могут уже являться значения первичных типов данных. Нельзя присвоить переменной значение типа число. Также попытка обратиться к одному элементу вернет контейнер с одним элементом.
При проведении анализа работа почти всегда осуществляется не с отдельными значениями а с группами значений. Поэтому в языке R все операции работают с наборами данных. Кстати команды для выполнения однотипных операций над множеством элементов (расширение SSE) присутствует в системе команд процессора x86-64, это значит что процессор имеет все возможности для оптимизации этих операций, например выполнение суммирования 4х чисел с плавающей точкой float выполняется за один такт. В этой связи в целях оптимизации данные должны быть особым образом представлены в памяти. Из этого вытекают ограничения на однотипность данных в векторах.
Тип | Описание | Примеры значений |
---|---|---|
vector | (вектор) Пронумерованный конечный набор элементов одинакового первичного типа, является наиболее простым в R. Арифметические операции выполняются попарно и требуют одинакового количества элементов в векторах.
Количество элементов можно менять. Сами элементы можно менять. Получить доступ к элементу можно указанием его номера например |
|
factor | (фактор) похож на векторы, но с предопределённым набором уровней. | |
matrix | (матрицы) похожи на векторы, но с специфическими инструкциями для вывода, чтобы напоминали матрицы из математики. | |
array | (массивы) похожи на матрицы, но могут иметь размерность больше двух. | |
list | (список) является вектором для объектов R. | |
data.frame | (структура) похожа на матрицу, но не требует чтобы все колонки были идентичны по типу. Структура является списком переменных/векторов одинаковой длины. | |
class | (классы) реализуются как objects (объекты) соответствующего типа данных (то есть класс — это тип данных для переменной, а сама переменная этого типа является объектом — экземпляром класса). Classes (классы) присоединяются к объектам как attribute (атрибуты). Все объекты в R имеют свой класс, тип и размерность. |
Тип | Описание | Примеры значений |
---|---|---|
NULL | Это специальный тип, имеющий лишь одно значение | NULL |
logical | Логический тип. Принимает значения NA, NaN, FALSE, TRUE. Значение NA является в своем натуральном представлении в языке как логический тип данных. NA (not available) обозначает, что здесь не доступно какое либо значение для операции. Любые операции с NA вернут NA и таким образом можно будет легко детерминировать ошибку отсутствия данных. | NA, FALSE, TRUE |
integer | Целочисленный тип данных. Спец значение NA, NaN | as.integer(NA), 26L |
double | Этот тип представляет рациональные числа. Среди специальных значений NA, Inf, -Inf, NaN | as.double(NA), 26 |
character | Строка или отдельный символ. Специального типа для одиночного символа не предусмотрено. Спец значение NA. |
Обратите внимание, во всех контейнерах кроме Dataframe есть требование к одинаковости типов данных элементов, а это значит, у каждого типа данных должно быть свое значение NA, что и показано в таблице.
> class(object) > typeof(object) > dim(object)
Векторы
правитьВы можете создать вектор используя функцию c() которая объединяет несколько однотипных элементов. Возможно, также, создать последовательность используя символ : или функцию seq(). Например, 1:5 создаёт вектор-последовательность чисел от 1 до 5. Функция seq() позволяет указывать интервал между числами. Можно повторять образец используя функцию rep(). Также можно создать численный вектор с пропущенными значениями, используя функцию numeric(), или символьный — character(), или логический (то есть TRUE или FALSE) — logical().
> c(1,2,3,4,5) [1] 1 2 3 4 5 > c("a","b","c","d","e") [1] "a" "b" "c" "d" "e" > c(T,F,T,F) [1] TRUE FALSE TRUE FALSE > 1:5 [1] 1 2 3 4 5 > 5:1 [1] 5 4 3 2 1 > seq(1,5) [1] 1 2 3 4 5 > seq(1,5,step=.5) [1] 1 2 3 4 5 > seq(1,5,by=.5) [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 > rep(1,5) [1] 1 1 1 1 1 > rep(1:2,5) [1] 1 2 1 2 1 2 1 2 1 2 > numeric(5) [1] 0 0 0 0 0 > logical(5) [1] FALSE FALSE FALSE FALSE FALSE > character(5) [1] "" "" "" "" ""
Функция length() вычисляет длину вектора (количество переменных, а не ).
x <- seq(1,5,by=.5) # Создаём последовательность чисел x # Отображаем этот объект [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 > length(x) # Получаем длину объекта x [1] 9
Функция last() возвращает последний элемент вектора.
Factors
править- Функция factor() трансформирует вектор в factor. Также, factor может быть отсортирован при помощи опции ordered=T или функции ordered().
- Функция levels() возвращает уровни factor-а.
- Функция gl() генерирует factor-ы:
- n — количество уровней;
- k — количество повторений каждого factor-а;
- length — общая длина factor-а;
- labels — опциональный параметр присваивающий метки каждому уровню.
Смотрите также is.factor(), as.factor(), is.ordered() и as.ordered().
> factor(c("yes","no","yes","don't","don't","no","don't","no","no")) [1] yes no yes don't don't no don't no no Levels: don't no yes > > factor(c("yes","no","yes","don't","don't","no","don't","no","no"), ordered = T) [1] yes no yes don't don't no don't no no Levels: don't < no < yes > > ordered(c("yes","no","yes","don't","don't","no","don't","no","no")) [1] yes no yes don't don't no don't no no Levels: don't < no < yes > > gl(n=2, k=2, length=10, labels = c("Male", "Female")) # Генерируем уровни factor-а [1] Male Male Female Female Male Male Female Female Male Male Levels: Male Female
Матрицы
править- Если вы хотите создать матрицу, то одной из возможностей является использование функции matrix(). Вы вводите вектора, набор строк или столбцов, и можете указать R как конкретно нужно интерпретировать данные (по умолчанию как столбцы). Вот два примера:
> matrix(data = NA, nrow = 5, ncol = 5, byrow = T) [,1] [,2] [,3] [,4] [,5] [1,] NA NA NA NA NA [2,] NA NA NA NA NA [3,] NA NA NA NA NA [4,] NA NA NA NA NA [5,] NA NA NA NA NA
> matrix(data = 1:15, nrow = 5, ncol = 5, byrow = T) [,1] [,2] [,3] [,4] [,5] [1,] 1 2 3 4 5 [2,] 6 7 8 9 10 [3,] 11 12 13 14 15 [4,] 1 2 3 4 5 [5,] 6 7 8 9 10
- Функции cbind() и rbind() комбинируют векторы в матрицы по столбцам или по строкам:
> v1 <- 1:5 > v2 <- 5:1 > v2 [1] 5 4 3 2 1 > cbind(v1,v2) v1 v2 [1,] 1 5 [2,] 2 4 [3,] 3 3 [4,] 4 2 [5,] 5 1 > rbind(v1,v2) [,1] [,2] [,3] [,4] [,5] v1 1 2 3 4 5 v2 5 4 3 2 1
- Размерность матрицы может быть получена при помощи функции dim(). Иначе функции nrow() и ncol() возвращают, соответственно, количество строк и столбцов:
> dim(X) [1] 5 5 > nrow(X) [1] 5 > ncol(X) [1] 5
- Функция t() транспонирует матрицу:
> X<-matrix(data = 1:15, nrow = 5, ncol = 5, byrow = T) > t(X) [,1] [,2] [,3] [,4] [,5] [1,] 1 6 11 1 6 [2,] 2 7 12 2 7 [3,] 3 8 13 3 8 [4,] 4 9 14 4 9 [5,] 5 10 15 5 10
Структуры
правитьСтруктуры относят к "спискам переменных/векторов одинаковой длины". В представленном примере, создаётся структура из двух векторов, где каждый из пяти элементов. Первый вектор "v1" состоит из последовательности целых чисел от 1 до 5. Второй вектор "v2" состоит из логических значений.
> v1 = 1:5 > v2 = c(T,T,F,F,T) > df = data.frame(v1,v2) > print(df) v1 v2 1 1 TRUE 2 2 TRUE 3 3 FALSE 4 4 FALSE 5 5 TRUE
Структуры могут создаваться напрямую. В следующем примере, определение и наименование обоих векторов происходит непосредственно в списке аргументов.
> df = data.frame(foo=1:5,bar=c(T,T,F,F,T)) > print(df) foo bar 1 1 TRUE 2 2 TRUE 3 3 FALSE 4 4 FALSE 5 5 TRUE
Массивы
правитьМассивы состоят из n измерений, где каждое может быть вектором из объектов R одинакового типа. Одномерные массивы с одним элементом могут быть созданы следующим кодом:
> x = array(c(T,F),dim=c(1)) > print(x) [1] TRUE
Одномерный (dim=c(1)) массив x создаётся из вектора с одним значением из c(T,F). Идентичный одномерный массив y может быть создан с обоими значениями из c(T,F):
> y = array(c(T,F),dim=c(2)) > print(y) [1] TRUE FALSE
Трёхмерный массив - 3 на 3 на 3 - может быть создан как показано ниже:
> z = array(1:27,dim=c(3,3,3)) > dim(z) [1] 3 3 3 > print(z) , , 1 [,1] [,2] [,3] [1,] 1 4 7 [2,] 2 5 8 [3,] 3 6 9 , , 2 [,1] [,2] [,3] [1,] 10 13 16 [2,] 11 14 17 [3,] 12 15 18 , , 3 [,1] [,2] [,3] [1,] 19 22 25 [2,] 20 23 26 [3,] 21 24 27
Массивы в R используются похожим на другие языки образом: посредством индексирования целыми числами начиная с 1 (а не 0, как в C). Следующий код демонстрирует как можно получить третий элемент трёхмерного массива (то есть массив 3 на 3):
> z[,,3] [,1] [,2] [,3] [1,] 19 22 25 [2,] 20 23 26 [3,] 21 24 27
Указание двух из трёх размерностей возвращает одномерный массив:
> z[,3,3] [1] 25 26 27
Указание трёх из трёх размерностей возвращает элемент трёхмерного массива:
> z[3,3,3] [1] 27
Возможна и более сложная адресация:
> z[,c(2,3),c(2,3)] , , 1 [,1] [,2] [1,] 13 16 [2,] 14 17 [3,] 15 18 , , 2 [,1] [,2] [1,] 22 25 [2,] 23 26 [3,] 24 27
Массив должен быть симметричным по всем размерностям. Следующий код создаёт пару массивов 3 на 3:
> w = array(1:18,dim=c(3,3,2)) > print(w) , , 1 [,1] [,2] [,3] [1,] 1 4 7 [2,] 2 5 8 [3,] 3 6 9 , , 2 [,1] [,2] [,3] [1,] 10 13 16 [2,] 11 14 17 [3,] 12 15 18
Объекты векторов, из которых состоит массив, должны быть одинакового типа, но не обязательно числового:
> u = array(c(T,F),dim=c(3,3,2)) > print(u) , , 1 [,1] [,2] [,3] [1,] TRUE FALSE TRUE [2,] FALSE TRUE FALSE [3,] TRUE FALSE TRUE , , 2 [,1] [,2] [,3] [1,] FALSE TRUE FALSE [2,] TRUE FALSE TRUE [3,] FALSE TRUE FALSE
Списки
правитьСписок — это коллекция объектов R разного типа. Функция list() создаёт список; unlist() трансформирует список в вектор.
> ret <- list()
Ссылки
править- ↑ Portable R by Andrew Redd http://sourceforge.net/projects/rportable/(англ.)