Ta strona jest wstępem do programowania w R , czyli języku programowania i środowisku do obliczeń statystycznych i wizualizacji wyników.R (język programowania) w wikipedii

Poniższe przykłady pokazują pracę w konsoli. Instalacja Ubuntu

sudo apt install r-base r-base-dev -y

lub

sudo apt install r-cran-littler

Wprowadzenie

Przykładowa sesja

Rozpoczęcie pracy z konsoli :

R

zakończenie pracy :

q()

co jest skrótem od :

quit()

Możemy od razu odpowiedzieć na pytanie czy chcemy zachować sesję

quit(save="n")

lub

q(save="n")

Edycja

domyślny edytor tekstowy w konsoli

Sprawdzamy jakie jest domyślne ustawienie :

getOption('editor')

przykładowy wynik :

"vi"

czyli w tym przypadki Vim, aby wyjść z Vima wprowadź

:q

Uruchomiamy domyślny edytor tekstowy :

edit()

lub

fix()

albo jednoznacznie :

vi(name = NULL, file = "")

emacs(name = NULL, file = "")

pico(name = NULL, file = "")

xemacs(name = NULL, file = "")

xedit(name = NULL, file = "")

Inne edytory RStudio Tinn-R RGedit

Emacs with ESS (“Emacs Speaks Statistics”) RGui

Dane

typy danych

Funkcje Funkcje : data head names dim attach i detach

Źródła danych

Dane wewnętrzny R Pakiet R zawiera przykładowe zbiory danych.

Wyświetlamy listę dostępnych zbiorów danych : data()

oraz listę zbiorów zawartych we wszystkich dostępnych bibliotekach : data(package = .packages(all.available = TRUE))

aml

Dane są zawarte w pakiecie survival. Z uwagi na użycie lazyDatadata from a program

nie wczytujemy ich za pomocą data tylko :

aml cats Wybieramy zbiór cats z pakietu MASS ( ładujemy pakiet i wczytujemy zbiór ) :

library(MASS) data(cats)

Sprawdzamy nagłówki : > names(cats) "Sex" "Bwt" "Hwt"

Podsumowanie : > summary(cats) Sex Bwt Hwt F:47 Min. :2.000 Min. : 6.30 M:97 1st Qu.:2.300 1st Qu.: 8.95 Median :2.700 Median :10.10 Mean :2.724 Mean :10.63 3rd Qu.:3.025 3rd Qu.:12.12 Max. :3.900 Max. :20.50

mtcars Często używany zbiór danych mtcars znajduje się w bibliotece datasets. Nie zawsze jest ona domyślnie ładowana. Wtedy ładujemy bibliotekę :

library(datasets)

i wczytujemy zbiór mtcars :

data(mtcars)

i już możemy go używać. Jeśli chcemy używać nagłówków bez nazwy zbioru danych : attach(mtcars)

Funkcji attach() należy jednak używać ostrożnie, ponieważ R w pierwszej kolejności szuka zmiennych w przestrzeni nazw stworzonej poleceniem attach. Gdy chcemy odłączyć dostęp do nazw zmiennych w danym zbiorze stosujemy polecenie detach(). W tym przypadku : detach(mtcars)

volcano

Informacje topograficzne dotyczące wulkanu Maunga Whau w Auckland: zestaw danych podaje wysokość wulkanu w siatce o wymiarach 10 x 10 metrów.rene nyffenegger notes: R packages datasets volcano Ten zbiór to macierz z 61 kolumnami i 87 wierszami, w której przechowywane są liczby podwójnej precyzji ( ang. doubles)

Dane w plikach

Dane z plików wczytujemy i zapisujemy do zmiennych. Typ zmiennej zależy od struktury danych. Najłatwiejsze jest wczytywanie danych z plików tekstowych, jak csv. Jest to stosowany przy małej i średniej ilości danych. Przy dużej ilości danych szybsze i objętościowo mniejsze będą pliki binarne. R Data Import/Export Version 2.12.1 (2010-12-16) by R Development Core Team

Katalogi

Najpierw sprawdźmy jaki jest aktualny katalog roboczy : getwd()

Katalog roboczy możemy zmienić na inny za pomocą : setwd("nazwa_katalogu")

Potem sprawdźmy jakie są tam pliki : list.files()

Pliki

Pliki binarne

Pliki tekstowe CSV Pliku csvwikipedia:CSV%20(format%20pliku) CSV (format pliku) w polskiej wikipedii jest plikiem tekstowym.

Tworzenie :

Ręczne

Tworzymy wektor, wyświetlamy go i zapisujemy do pliku : > wektor=c(1:30) > wektor 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 > cat(wektor, file = "w.csv",append=F, sep=",")

Tworzymy macierz, wyświetlamy ją i zapisujemy do pliku : > macierz=matrix(1:6,2,3) > macierz [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 > write.table(macierz,file="m.csv", sep=",")

Tworzymy ramkę danych i zapisujemy ją do pliku > v1 = 1:5 > v2 = c(T,T,F,F,T) > df = data.frame(v1,v2) > write.csv(df, file="df.csv")

> df = data.frame(foo=1:5,bar=c(T,T,F,F,T)) > write.csv(df, file="df.csv")

MySQL MySQL pozwala eksportować tabele do pliku csv

W edytorze tekstów

Plik csv możemy utworzyć w każdym edytorze tekstów. Zapisujemy go jak o plik tekstowy z rozszerzeniem csv i przecinkiem jako znakiem rozdzielającym pola.

Konwersja Plik : baz danych, np. Accessa z rozszerzeniem mdb arkuszy kalkulacyjnych, np. Excela[R] Eksport danych z Excela do R na Forum Miłośników Statystyki możemy przekształcić na format csv.

W Accesie i Excelu po utworzeniu bazy danych lub arkusza wybieramy opcję eksportuj do pliku tekstowego. Możemy : zmienić znak oddzielający pola ( w polskiej wersji jest średnika a angielskiej przecinek ) wstawić do pliku nagłówki.

Plik csv z przecinkami nie wczytamy ponownie do Accessa ( błąd), dlatego bezpieczniej jest używać pliku ze średnikiem jako znakiem oddzielającym pola

Otwieranie

Plik lokalny Sposób otwarcia pliku zależy od jego zawartości.

Pliku csv może zawierać dane : tego samego typu ułożone w formie tabeli, co w R nazywane jest macierzą ( ang. table) różnego typu ułożone w formie tabeli, co w R nazywane jest ramką danych ( ang. data frame)

W pakiecie base jest funkcja do otwarcia pliku csv zawierającego macierz : read.table("nazwa_pliku")

W pakiecie utils jest funkcja do otwarcia pliku csv zawierającego ramkę danych z przecinkiem: read.csv("nazwa_pliku")

i średnikiem jako znakiem oddzielającym pola : read.csv2("nazwa_pliku")

Przykłady użycia :

macierz = read.table("m.csv") ramka = read.csv("r.csv")

Plik na innym komputerze

Przemysław Biecek Przemysław Biecek - strona domowa udostępnia pliki przykładowymi danymi. Wybieramy plik daneSoc.csv, wczytujemy i zapisujemy do zmiennej ramka :

ramka = read.csv("http://www.biecek.pl/R/dane/daneSoc.csv", sep=";")

Wyświetlamy zawartość zmiennej : ramka

Inne źródła danych : UC Irvine Machine Learning Repository datasets at Department of Informatics Nicolaus Copernicus University

Dane tworzone przez użytkownika

> macierz=matrix(1:6,2,3) > macierz [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6

Eksport danych Zapis danych do pliku csv t=table(a$ROK_WYPISU,a$ICD9CM); t; write.table(t,"t.csv", quote = FALSE, sep = ";");

Przygotowanie danych do analizy

Obiekty

Sprawdzamy objekty :

objects()

przykłądowy wynik :

character(0)

Typ obiektu

Sprawdzamy jakiego typu jest zbiór : > class(cats) "data.frame"

Jest to ważne ponieważ funkcje odpowiednie dla ramki danych nie muszą być odpowiednie dla macierzy i odwrotnie.Three tips for posting good questions to R-help and Stack Overflow at Sigmafield - Statistical Computing Resource

Istnieją funkcje, które można wykonać na obiektach dowolnego typu :P Biecek : Przewodnik po pakiecie R. GIS 2008, str. 81 fix(obiekt) class(obiekt) unclass(obiekt) typeof(obiekt) mode(obiekt) attributes(obiekt)

Przydatne funkcje : names() podaje nazwę zmiennej class() podaje typ zmiennej str() pokazuje strukturę zbioru danych summary() podaje średnią, describe() z pakietu Hmisc podaje więcej szczegółów niż summary() contents() z pakietu Hmisc dims() z pakietu Zelig descr() z pakietu descr daje : min, max, mean i quartiles dla zmiennych ciągłych, tablice częstości dla zmiennych czynnikowych długość dla wektorów znaków whatis() z pakietu YaleToolkit daje opis zbioru danych

Przykłady pracy z danymi Wybieramy zbiór cats z pakietu MASS.

Znajdujemy podzbiór kotów płci żeńskiej :Subsetting Data by Robert I. Kabacoff b = subset(cats,Sex=='F')

Liczba kotów płci żeńskiej : nrow(b)

Otrzymujemy : 47

Tworzymy nową tabelę pokazującą zależność płci od wagi ciała ( Bwt) :

d = table(cats$Sex, cats$Bwt)

Otrzymujemy :

2 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 F 3 9 6 12 4 2 3 3 0 3 2 0 0 0 0 0 0 0 0 0 M 2 1 8 1 5 8 6 9 7 5 9 6 6 5 5 5 4 1 2 2

Znajdujemy liczbę kotów płci męskiej o największej masie ciała : d[2,ncol(d)]

Otrzymujemy : 2

Koty płci żeńskiej są w pierwszym rzędzie. Sprawdzamy ich liczbę : sum(d[1,]) Otrzymujemy 47

Obliczamy liczbę kotów o najmniejszej masie ciała ( są w 1-szej kolumnie) : sum(d[,1])

Kompletność danych

Analiza statystyczna danych Statystyki opisowe

Średnia masa ciała wszystkich kotów w kg :

> mean(cats$Bwt) 2.723611

Średnia masa serca wszystkich kotów w g : > mean(cats$Hwt) 10.63056

To samo w inny sposób : > summary(cats) Sex Bwt Hwt F:47 Min. :2.000 Min. : 6.30 M:97 1st Qu.:2.300 1st Qu.: 8.95 Median :2.700 Median :10.10 Mean :2.724 Mean :10.63 3rd Qu.:3.025 3rd Qu.:12.12 Max. :3.900 Max. :20.50

Średnia masa ciała wszystkich kotów płci żeńskiej w kg : mean(subset(cats$Bwt,Sex=='F')) 2.359574

Analiza przeżyć

Grafika - prezentacja wyników analizy danych

Wczytujemy przykładowe dane :

r = read.csv("http://www.biecek.pl/R/dane/daneSoc.csv", sep=";")

Sprawdzamy nagłówki ramki :

names(r) "wiek" "wyksztalcenie" "st.cywilny" "plec" "praca" "cisnienie.skurczowe" "cisnienie.rozkurczowe"

Możemy tworzyć różne wykresy : Graficzna prezentacja i analiza danych - Katedra Statystyki Akademia Ekonomiczna w Katowicach

Histogram Rysujemy histogram wieku :histogram in R at UCLA Academic Technology Services

hist(r$wiek)

i histogram wieku z krzywą rozkładu normalnego : Histogram , przykład Petera Dalgaarda w QuickR x <- r$wiek h<-hist(x, breaks=10, col="red", xlab="Wiek", main="Histogram with Normal Curve") xfit<-seq(min(x),max(x),length=40) yfit<-dnorm(xfit,mean=mean(x),sd=sd(x)) yfit <- yfit*diff(h$mids[1:2])*length(x) lines(xfit, yfit, col="blue", lwd=2)

Wykres pudełkowy Rysujemy zależność wieku od stanu cywilnego ( zmiennej liczbowej od czynnikowej) :

boxplot(r$wiek ~ r$st.cywilny)

lub wieku od wykształcenia (dla wszystkich typów) :

plot(wiek~wyksztalcenie, data=r)

lub wieku od wykształcenia podstawowego :

plot(wiek~wyksztalcenie, data=r, subset=wyksztalcenie=="podstawowe")

Wykres workowy

Jest to rozszserzenie do 2 wymiarów wykresu pudełkowego :

library(aplpack) attach(r) bagplot(cisnienie.rozkurczowe,cisnienie.skurczowe, xlab="cisnienie.rozkurczowe", ylab="cisnienie.skurczowe", main="Przyklad bagplot ")

Wykres skrzypcowy

install.packages("UsingR") library(UsingR) simple.violinplot(wiek ~wyksztalcenie, data=r, col="red")

Wykres warunkowy

( ang. Conditioning Plot = coplot):coplot (graphics) w r wiki

coplot(wiek ~ cisnienie.skurczowe|plec, data = r, panel = panel.smooth, rows = 1)

Wykres par

pairs(r)

Wykres gęstości install.packages("UsingR") library(UsingR) simple.densityplot(cisnienie.rozkurczowe~wyksztalcenie, data = r)

Wykres Sprawdzamy jak wygląda zależność pomiędzy ciśnieniem skurczowym i wiekiem ( dwoma zmiennymi liczbowymi) :

plot(r$wiek ~ r$cisnienie.skurczowe)

gradient koloru

Gradient koloru ( ang. colomap)

pals

Pakiet palspals - pakiet R do obsługi gradientów koloru

Zależności: rgl

Mapy kolorów w pakiecie pals są zdefiniowane: za pomocą wzorów matematycznych (np. mapa kolorów Cubehelix), tylko kilka większość map kolorów jest pierwotnie zdefiniowana jako gładka krzywa przechodząca przez sekwencję 256 kolorów.

# Install the released version from CRAN: install.packages("pals") # Loading required package: pals require(pals) # Show palettes and colormaps as colored bands of below colormaps pal.bands(coolwarm, parula, ocean.haline, brewer.blues, cubicl, kovesi.rainbow, ocean.phase, brewer.paired(12), stepped, brewer.seqseq2,main="Colormap suggestions") # increase number of bands to 200 pal.bands(coolwarm, viridis, parula, n=200) # Show the amount of red, green, blue, and gray in colors of a palette. The gray line corresponds to luminosity. pal.channels(parula, main="parula")