R (язык программирования)
Для какого возраста предназначен язык | 16, 17, 25 |
---|---|
Компетенции в каких сферах формирует | Knowledge Constructor, Computational Thinker, Creative Communicator |
Purpose | Специальный прикладной язык |
Visual_Text_Blocks | Текст |
Dimension | 2D |
Openness | Открытый |
Address | https://www.r-project.org/ |
Ancestors | Scheme |
Descendants | Julia |
ActiveNow | Project is active |
Remixing? | Yes |
Год создания | 1993 |
Inventor |
R — язык программирования для статистической обработки данных и работы с графикой. Используется в Летописи для внешнего анализа данных наряду с NetLogo, Графвиз, VUE, Gephi, VOSviewer
Содержание
Базовые возможности[править]
Типы данных[править]
Векторы[править]
Векторы (vector) – это одномерные массивы данных, которые могут содержать числовые, текстовые или логические значения. Для создания вектора применяется функция объединения c(). Вот примеры векторов каждого типа:
a <- c(1, 2, 5, 3, 6, -2, 4) b <- c(“one”, “two”, “three”)
c <- c(TRUE, TRUE, TRUE, FALSE,
Матрицы[править]
Матрица (matrix) – это двумерный массив данных, в котором каждый элемент имеет одинаковый тип (числовой, текстовый или логический). Вы можете обозначать строки, столбцы и элементы матрицы при помощи индексов и квадратных скобок. Например, X[i,] обозначает i-ую строку матрицы X, X[,j] – обозначает ее j-ый столбец, а X[i, j] соответствует элементу этой матрицы, расположенному на пересечении этой строки и этого столбца.
Массивы[править]
Массивы данных (array) сходны с матрицами, но могут иметь больше двух измерений.
Таблицы[править]
Таблица данных (data frame) – это более широко используемый по сравнению с матрицей объект, поскольку разные столбцы могут содержать разные типы данных (числовой, текстовый и т. д.). Таблица данных – это самая часто используемая структура данных в R.
Факторы[править]
Категориальные (номинальные и порядковые) данные называются в R факторами.
Например, есть вектор diabetes <- c(“Type1”, “Type2”, “Type1”, “Type1”).
Команда diabetes <- factor(diabetes) преобразует этот вектор в (1, 2, 1, 1) и устанавливает внутреннее соответствие 1=Type1 и 2=Type2 (присвоение числовых значений происходит в алфавитном порядке).
Установку по умолчанию можно изменить при помощи параметра levels. Например, status <- factor(status, order=TRUE, levels=c(“Poor”, “Improved”, “Excellent”))
Списки[править]
Списки – это самый сложный тип данных в R. Фактически список – это упорядоченный набор объектов (компонентов).
Как загружать (импортировать данные в R)[править]
- data <- read.table(file.choose(),header=TRUE, sep=";", encoding="UTF-8")
- x <- read.csv(file.choose(),header=TRUE, sep=";", encoding="UTF-8")
mydata <- read.csv(file.choose(),header=TRUE)
mydata <- read.csv(file.choose(),sep=";", as.is=T, header=TRUE)
library(tidyverse)[править]
- dt1 <- read_csv2("0303.csv") - считать таблицу
Как экспортировать данные из R ?[править]
write.csv(x, file="filename", row.names=FALSE)
library(tidyverse)[править]
- write_csv (object "filename.csv")
Как обработать данные в R ?[править]
Удалить ненужные столбцы, выбрать нужные значение по датам и т.д.
Выбрать только нужные столбцы newLD <- subset(letdata, select = c( -rev_user_text, -page_title))
- newLD <- subset(letdata, select = c( rev_user_text, page_title)) - если именно их хотим оставить
LT2 <- data.frame(User = letdata[,4], Page = letdata[,3])
Отсортировать по времени
- sort1.let <- newLD[order(NewLD$rev_timestamp), ]
- Например, сортируем историю летописи lhist2 <- lhist[order(lhist$rev_timestamp),]
Выбрать уникальные значения ubi2 <- data.frame(User = ubi[,2], Page = ubi[,3])
- users <- unique(ubi2[,1])
- pages <- unique(ubi2[,2])
- users2006 <- unique(lhist.sub2006[,2]) ;
А теперь посчитать сколько в списке участников
- Выбрать только тех, у кого есть все значения
- newdata <- na.omit(lhist )
Как выбрать тех, у кого значение соответствует указанному - Например, 2006
grep(pattern = "2006", lethist, value = TRUE)
subset(x, ...) — возвращает подмножество элемента, которое соответствует заданному условию
Диаграммы[править]
dev.new() plot()
Специальные пакеты[править]
igraph[править]
Пакет для работы с графами - создание и видуализация графов
tidyverse[править]
Пакет упрощающий работу с данными.
Книги по Tidyverse
- Hadley Wickham and Garrett Grolemund - R for Data Science Import, Tidy, Transform, Visualize, and Model Data 2017
tidygraph[править]
Пакет для обработки решеток Келли - OpenRepGrid[править]