Как анализировать данные в r studio

Обновлено: 09.01.2025

Для работы с R необходимо его сначала скачать и установить.

R
, найдите большую кнопку Download R (номер версии) for Windows. , если маку меньше, чем 5 лет, то смело ставьте *.pkg файл с последней версией. Если старше, то поищите на той же странице версию для вашей системы. , также можно добавить зеркало и установить из командной строки:

В данной книге используется следующая версия R:

После установки R необходимо скачать и установить RStudio:

Если вдруг что-то установить не получается (или же вы просто не хотите устанавливать на компьютер лишние программы), то можно работать в облаке, делая все то же самое в веб-браузере:

Первый и вполне закономерный вопрос: зачем мы ставили R и отдельно еще какой-то RStudio? Если опустить незначительные детали, то R – это сам язык программирования, а RStudio – это среда (IDE), которая позволяет в этом языке очень удобно работать.

RStudio – это не единственная среда для R, но, определенно, самая удобная на сегодняшний день. Почти все пользуются именно ею и не стоит тратить время на поиск чего-то более удобного и лучшего. Если же вы привыкли работать с Jupyter Notebook, то в R обычно вместо него используется великолепный RMarkdown – с помощью которого и написан этот онлайн-учебник, кстати говоря. И с RMarkdown мы тоже будем разбираться!

2.2 Знакомство с RStudio

Так, давайте взглянем на то, что нам тут открылось:




В первую очередь нас интересуют два окна: 1 - Code Editor (окно для написания скриптов) 1 и 2 - R Console (консоль). Здесь можно писать команды и запускать их. При этом работа в консоли и работа со скриптом немного различается.

В 2 - R Console вы пишите команду и запускаете ее нажиманием Enter . Иногда после запуска команды появляется какой-то результат. Если нажимать стрелку вверх на клавиатуре, то можно выводить в консоль предыдущие команды. Это очень удобно для запуска предыдущих команд с небольшими изменениями.

В 1 - Code Editor для запуска команды вы должны выделить ее и нажать Ctrl + Enter ( Cmd + Enter на macOS). Если не нажать эту комбинацию клавиш, то команда не запустится. Можно выделить и запустить сразу несколько команд или даже все команды скрипта. Все команды скрипта можно выделить с помощью сочетания клавиш Ctrl + A на Windows и Linux, Cmd + A на macOS. 2 Как только вы запустите команду (или несколько команд), соответствующие строчки кода появятся в 2 - R Console, как будто бы вы запускали их прямо там.

Обычно в консоли удобно что-то писать, чтобы быстро что-то посчитать. Скрипты удобнее при работе с длинными командами и как способ сохранения написанного кода для дальнейшей работы. Для сохранения скрипта нажмите File - Save As. . R скрипты сохраняются с разрешением .R, но по своей сути это просто текстовые файлы, которые можно открыть и модифицировать в любом текстовом редакторе а-ля “Блокнот.”

3 - Workspace and History – здесь можно увидеть переменные. Это поле будет автоматически обновляться по мере того, как Вы будете запускать строчки кода и создавать новые переменные. Еще там есть вкладка с историей всех команд, которые были запущены.

4 - Plots and files. Здесь есть очень много всего. Во-первых, небольшой файловый менеджер, во-вторых, там будут появляться графики, когда вы будете их рисовать. Там же есть вкладка с вашими пакетами ( Packages ) и Help по функциям. Но об этом потом.

2.3 R как калькулятор

R – полноценный язык программирования, который позволяет решать широкий спектр задач. Но в первую очередь R используется для анализа данных и статистических вычислений. Тем не менее, многими R до сих пор воспринимается как просто продвинутый калькулятор. Ну что ж, калькулятор, так калькулятор.

Давайте начнем с самого простого и попробуем использовать R как калькулятор с помощью арифметических операторов + , - , * , / , ^ (степень), () и т.д.




Я сам изучал R в течение последних нескольких недель.

В своей статье я рассказываю о языке программирования R и его главных концепциях, которые пригодятся каждому исследователю данных.

Сфера науки о данных и развивающихся вычислений требуют от нас всё время адаптироваться и вырабатывать новые навыки. Причина в том, что эта область меняется очень быстро. А ещё в ней в целом высокая планка требований. В профессиональной жизни каждого исследователя данных приходит время, когда нужно бы знать больше, чем один язык программирования. Так я и выбрал R.

Я очень советую именно R по многим причинам.

R ст а новился всё известнее и известнее, пока не стал одним из самых популярных языков программирования. Его создали статистики (специалисты по статистике) для статистиков. Он хорошо сочетается с другими языками программирования, например с C++, Java, SQL. Более того, его воспринимают как язык, который отлично подходит для работы со статистикой. А в результате большое количество финансовых организаций и крупных вычислительных компаний применяют R в своих исследованиях и разработках.

Python — язык для решения задач общего характера, а R — язык программирования для аналитики.

Этот текст объяснит следующие ключевые области языка R:

1. Что такое R?
2. Как установить R?
3. Где писать код на R?
4. Что такое R-скрипт и R-пакет?
5. Какие типы данных есть в R?
6. Как декларировать переменные и их область действия в R?
7. Как писать комментарии?
8. Что такое векторы?
9. Что такое матрица?
10. Что собой представляют списки?
11. Что такое датафреймы?
12. Различные логические операции в R.
13. Функции в R.
14. Циклы в R.
15. Считывание и запись внешних данных в R.
16. Как производить статистические вычисления в R.
17. Построение графиков и диаграмм в R.
18. Объектно-ориентированное программирование в R.
19. Знаменитые библиотеки R.
20. Как установить внешние библиотеки R.

Приступим же!…

Я буду объяснять язык программирования, начиная с основ, в таком стиле, чтобы вам было легче разобраться. Стоит сказать, что ключ к прогрессу в разработке — это постоянная практика. Чем больше, чем лучше.

Этот материал должен стать целостной базой для вас — читателей.

• R — это бесплатный язык программирования с лицензией GNU. В сущности R — это статистическая среда.
• R в основном используется для статистических вычислений. Он имеет набор алгоритмов, которые углубленно применяются в области машинного обучения. А конкретнее — в анализе временных рядов, классификации, кластеризации, линейном моделировании и т.д.
• Также R — это среда, в которой есть набор программных пакетов, с которыми можно производить вычисления для построения диаграмм и для манипуляций с данными.
• R значительно применяется в проектах статистических исследований.
• R очень похож на другой язык программирования — S.
• R компилируется и запускается на UNIX, Windows, MacOS, FreeBSD и Linux.
• В R есть большое количество структур данных, операторов и параметров. Он включает многое: от массивов до матриц, от циклов до рекурсии вместе с интеграцией с другими ЯП, например с C, C++ и Fortran.
• C можно использовать для обновления объектов в R напрямую.
• R можно дополнять новыми пакетами.
• R — интерпретатор.
• Авторы R вдохновлялись S+, так что, если вы знакомы с S, изучение R будет для вас простым следующим шагом.

Преимущества R:

Вдобавок к плюсам, о которых я написал выше:

• R просто выучить.
• В среде есть очень много бесплатных пакетов с открытым исходным кодом для статистики, аналитики и графики.
• Богатство различных научных трудов вместе с их применением в R в вашем распоряжении.
• Лучшие мировые университеты учат своих студентов R, следовательно, он стал принятым стандартом, продолжит расти и развиваться.
• Широкие возможности интеграции с другими языками.
• Огромная поддержка в сообществе специалистов.

Ограничения R:

Также есть и некоторые ограничения:

• R не такой быстрый, как C++. К тому же, есть проблемы с его защищённостью и управлением памятью.
• R имеет много пространств имен. Иногда такое впечатление, что их даже слишком много. Тем не менее ситуация улучшается.
• Так как R — это статистический язык, то он не такой интуитивный, как Python, и в нём не так просто работать с ООП, как в Python.

А теперь я представлю вам язык R в формате кратких описательных разделов.

Можете установить R на эти платформы:

Первый шаг — загрузите R:

Вот вам и линки:

Есть разные графические интерфейсы. Очень советую R-Studio.




Загрузите десктопную версию RStudio:

Если вы работаете на Windows, в процессе установки R Studio по умолчанию попадет сюда:

Это два ключевых компонента в языке. В этом разделе поверхностно расскажу о концепциях.

Пакет R

Так как R — это ЯП с открытым кодом, важно понимать, что тут подразумевается под пакетом. Пакет в сущности группирует и упорядочивает код, а также другие функции. Пакет — это библиотека, в которой содержится большое количество файлов.

Специалисты по данным могут писать и делиться своим кодом с другими. Будь это их собственный код с нуля или расширение пакетов других авторов. Пакеты позволяют специалистам по данным переиспользовать код и распространять его среди остальных.

Пакеты созданы, чтобы контейнировать функции и наборы данных.

Специалист по данным может создать пакет, чтобы упорядочить код, документацию, тесты, наборы данных и так далее, и потом этими пакетами можно делиться с другими людьми.

В интернете в открытом доступе есть десятки тысяч пакетов R. Эти пакеты собраны в центральном репозитории. Вообще есть разные репозитории. Это и CRAN, и Bioconductor, и любимый Github.

Одно хранилище заслуживает отдельного упоминания. Это CRAN. Это сеть серверов, которые хранят большое количество версий кода и документации для R.

Пакет содержит файл с описанием, где нужно указать дату, зависимости, автора и версию пакета, а также другие данные. Файл-описание помогает пользователям получить важную информацию о пакете.

Чтобы загрузить пакет, напечатайте:

Чтобы пользоваться функциональностью пакета, напишите в его имени::название функции.

Например, если мы хотим применить функцию “AdBCDOne” из пакета “carat”, можем сделать следующее:

R Script

Скрипт R — это место, где специалист по данным может писать статистический код. Это текстовый файл с расширением .R, например мы может назвать скрипт tutorial.R.

Можем создать много скриптов в пакете.

В качестве примера, если вы создали два скрипта R:

1. blog.R (для блога)
2. publication.R (для публикации)

И если вы хотите вызвать функции publication.R в blog.R, то вам стоит пользоваться командой source(“target R script”). Она импортирует publication.R в blog.R:

Создаём пакет скрипта

Процесс относительно простой. В сущности вот, что нужно сделать:

1. Создайте файл описания.
2. Создайте R.scripts и добавьте любые датасеты, документацию, тесты, которые должны быть в этом пакете.
3. Напишите свои функции в скриптах R.
4. Можем применить devtools и roxygen2, чтобы создать пакеты R с помощью такой команды:

Очень важно разобраться в разных типах данных и структурах в R. Так вы сможете пользоваться языком эффективно. В этом разделе я опишу концепции.

Типы данных

Вот базовые типы данных в R:

1. символ (character): может быть таким “abc” или таким “a”
2. целочисленный (integer): например 5L
3. числовой (numeric): например 10.5
4. логический (logical): TRUE или FALSE
5. комплексный (complex): например 5+4i

Ещё можем пользоваться командой typeof(variable), чтобы определить тип переменной.

Чтобы найти метаданные (атрибуты типа), используйте команду attributes(variable).

Структуры данных

В R достаточно много структур данных. Привожу самые важные:

1. Вектор (vector): самая важная структура, которая в сущности является набором элементов.
2. Матрица (matrix): похожая на таблицу структура со строками и колонками
3. Датафрейм (data frame): табличная структура для статистических операций
4. Списки (lists): набор, в котором может быть комбинация типов данных.
5. Факторы (factors): для представления категориальных данных.

Я расскажу обо всех этих типах и структурах данных, так что начинаем строить фундамент.

Мы можем создать переменную и присвоить ей значение. Переменная может иметь любой тип данных и структуру данных, которые я привел выше. Есть, конечно, и другие структуры данных. Дополнительно разработчик может создавать и свои собственные пользовательские классы.

Переменная нужна, чтобы сохранять значение, которое может меняться в вашем коде.

Чтобы понять, важно запомнить, что такое окружение в R. В сущности окружение — это место, где хранятся переменные. Это набор пар, где первый элемент — это символ (переменная), а второй — её значение.

Окружение имеет иерархическую структуру (похожую на дерево). Следовательно, окружение может иметь родителя и множество дочерних ответвлений. Корневое окружение — это окружение без родителя.

Надо декларировать переменную и присвоить ей значение при помощи следующего:

После этого значение “my variable” будет присвоено переменной x. Функция print() выведет значение x, которое равно “my variable”.

Каждый раз, когда мы объявляем переменную и вызываем её, она ищется в текущем окружении, а также рекурсивно ищется в родительских окружениях до тех пор, пока значение не будет найдено.

Чтобы создать набор целых чисел, мы можем сделать следующее:

1 — первое значение, а 5 — последнее значение из набора.

В результате выведутся числа от 1 до 5.

Помните, что IDE R-Studio отслеживает переменные:




Функцию ls() можно писать, чтобы показать переменные и функции в текущем окружении.

Комментарии нужны в коде, чтобы помогать понимать его тем, кто будет с ним разбираться. Читателям, другим специалистам по данным и самому себе. Бывает и такое.

Помните, что нужно всегда убеждаться в том, что комментарии не загрязняют ваши скрипты.

Можем добавить комментарий одной строкой:

Можем добавить комментарий в несколько строк при помощи двойных кавычек:

Памятка: в R-Studio выделите код, который вы собираетесь закомментировать и нажмите сочетание клавиш Ctrl+Shift+C.

Так вы автоматически сделаете нужную часть программы комментарием.

Вектор считается одной из самых важных структур данных в R. В сущности вектор представляет собой набор элементов, где у всех элементов должен быть одинаковый тип данных: например, только логический (истинно/ложно — TRUE/FALSE), числовой, знаковый.

Также можем создать пустой вектор:

По умолчанию тип вектора логический. По команде ниже выведется слово “logical”, так как это и есть тип данных вектора:

Чтобы создать вектор со своими элементами, пишите функцию конкатенации (объединения строк):

Результат выполнения этого кода будет таким:

[1] “Farhad”
[2] “Malik”
[3] “FinTechExplained”

Если мы захотим найти длину вектора, можем воспользоваться функцией length():

Результат вывода строки выше будет 3. Потому что в заданном векторе x 3 элемента. Чтобы добавить элементы в вектор, можем комбинировать элемент с вектором.

Например, чтобы добавить слово “world” к началу вектора с одним элементом слова “hello”, нужно написать так:

В результате напечатается “world” “hello”.

Если мы смешиваем типы элементов, то R в свою очередь будет приспосабливать тип вектора в ответ на это. Тип вектора (режим) будет становиться таким, каким должен быть по своему расчёту, чтобы подходить этому вектору:

И хотя второй элемент имеет логическое значение, тип будет выведен как “character” (символ).

Над векторами можно производить операции.

Для примера, вот вам умножение скаляра на вектор:

В результате напечатается 2,4,6.

Также можем сложить два вектора:

Результат будет: 5 7 9

Если векторы — это знаки и мы хотим сложить их вместе, то:

Error in x + y : non-numeric argument to binary operator (ошибка в выражении x + y: нечисловой аргумент для бинарного оператора).




Сегодняшний мир полон данных, и становится необходимым, чтобы мы анализировали их должным образом, чтобы получить осмысленное понимание. Визуализация данных - это жизненно важный инструмент, который может извлечь возможную важную информацию из данных. Если результаты анализа не отображаются должным образом, он не будет эффективно доведен до желаемой аудитории.

В этом уроке мы научимся анализировать и отображать данные, используя статистический язык R. Мы начнем с основных сюжетов и перейдем к более сложным позже в этой статье.

Базовое знакомство с R и его синтаксисом поможет вам легко начать.

обзор

рэто язык и среда для статистических вычислений и графики. R также чрезвычайно гибок и прост в использовании, когда дело доходит до создания визуализаций. Одна из его возможностей - создавать графики хорошего качества с минимальными кодами.

Установка

Мы кратко рассмотрим шаги, необходимые для установки R:

1. Перейти кR домашняя страницаи выберитеCRAN,
   CRANявляется аббревиатурой от - Комплексная сеть архивов R. Это коллекция сайтов, на которых размещены дистрибутивы R, пакеты и документация.
2. Выберите место, которое является ближайшим к вам.
3. Загрузите и установите R в зависимости от вашей ОС.

Кроме того, вы можете использоватьRStudioчерез базовый R GUI.

Запускать

После того, как R был загружен и установлен, вы можете запустить его из папки «Программы» (MacOS) или значка на рабочем столе (Windows). Просто введите следующие команды, чтобы проверить, правильно ли установлен и работает R.

Загрузка в данные

Наборы данных могут быть либо встроенными, либо загружаться из внешних источников в R.

• Встроенные наборы данныхобратитесь к наборам данных, уже предоставленным в R. Мы будем использовать один такой набор данных, называемыйкачество воздуханабор данных, который относится к ежедневным измерениям качества воздуха в Нью-Йорке с мая по сентябрь 1973 года. Этот набор данных содержит более 100 наблюдений по 6 переменным, т.е.озон(средние части на миллиард),Solar.R(Солнечная радиация),ветер(Средняя скорость ветра),температура(максимальная суточная температура в градусах Фаренгейта),Месяц(месяц наблюдения) иДень(День месяца)

Чтобы загрузить встроенный набор данных в R, введите в консоли следующую команду:

• В случаеВнешние данныеисточник (CSV, Excel, текст, файл HTML и т. д.), просто установите папку с данными в качестверабочий каталогсsetwd ()команда.

Теперь загрузите файл с помощьючитатькоманда. В этом случае данные находятся в форме файла CSV с именемairquality.csvкоторый можно скачать сВот

Приведенный выше код читает файлairquality.csvв кадр данныхкачество воздуха,Заголовок = TRUEуказывает, что данные включают в себя заголовок иСентябре =»,»указывает, что значения в данных разделены запятыми.

Исследование данных

После того, как данные были загружены в рабочее пространство, пришло время изучить их, чтобы получить представление о их структуре.

• ул (Качество воздуха)
  Он отображает внутреннюю структуру объекта R и дает быстрый обзор строк и столбцов набора данных.
• головка (данные, п)а такжеХвост (данные, п)
  Голова выводит верхNэлементы в наборе данных, а метод tail выводит нижнюю частьN,
• резюме(качество воздуха)
  Сводный метод отображает описательную статистику для каждой переменной в наборе данных, в зависимости от типа переменной.

Мы можем сразу увидетьозначать,медиана,Максимумиквартильные ценностипеременных.

графикапакет используется для построениябазатакие графики, как точечная диаграмма, блочная диаграмма и т. д. Полный список функций со страницами справки можно получить, набрав: library(help = "graphics") ,

Сюжет () функция

• plot() функция является своего рода общей функцией для построения графиковробъекты.




Мы получаемРазброс / точкаграфик здесь, где каждая точка представляет значениеозонвсредние части на миллиард,

• Давайте теперь построим график между значениями озона и ветра для изучения взаимосвязи между ними.




График показывает, что значения ветра и озона имеютотрицательная корреляция,

• Что происходит, когда мы используем команду plot со всем набором данных без выбора каких-либо конкретных столбцов?




Мы получаем матрицу диаграмм рассеяния, которая является корреляционной матрицей всех столбцов. График выше мгновенно показывает, что:

• Уровень озона и температура коррелируют положительно.
• Скорость ветра отрицательно связана как с температурой, так и с уровнем озона

Мы можем быстро обнаружить связь между переменными, просто взглянув на графики, нарисованные между ними.

Использование аргументов с функцией plot ()

Мы можем легко стилизовать наши графики, играя с аргументами plot() функция.

введите аргумент

Функция plot имеет аргумент под названием type которые могут принимать такие значения, какр: баллы,l: линии,б: обаи т.д. Это определяет форму выходного графика.







Вы можете прочитать больше о plot() команда, набрав ?plot() в консоли.

Метки и названия

Мы также можем пометить оси X и Y и дать название нашему графику. Кроме того, у нас также есть возможность придать цвет сюжету.

2.Barplot

На гистограмме данные представлены в виде прямоугольных столбцов, а длина столбца пропорциональна значению переменной или столбца в наборе данных. Как горизонтальная, так и вертикальная гистограмма может быть сгенерирована путемгоризпараметр.







3.Histogram

Гистограмма очень похожа на гистограмму за исключением того, что она группирует значения в непрерывные диапазоны. Гистограмма представляет частоты значений переменной, сгруппированных в диапазоны.




Мы получаем гистограммуSolar.Rзначения. Давая соответствующее значение дляцветВ качестве аргумента мы можем получить цветную гистограмму.




4.Boxplot

Мы видели, как summary() Команда в R может отображать описательную статистику для каждой переменной в наборе данных. Boxplot делает то же самое, хотя графически в форме квартилей. Снова очень просто построить участок в R.




5. Сетка Графиков

В R есть очень интересная особенность, которая позволяет нам строить несколько графиков одновременно. Это очень удобно во время EDA, так как отпадает необходимость строить несколько графиков один за другим.
Для рисования сетки первый аргумент должен указывать определенные атрибуты, такие как поле сетки ( mar) , нет строк и столбцов ( mfrow ), должна ли быть включена граница ( bty ) и положение этикеток ( las : 1 для горизонтального, las : 0 для вертикали).




Примечание: Вы можете использовать документацию по функциям, чтобы узнать больше о данной функции, набрав ?plot name , Также, example(plot) запускает демо сюжета прямо в консоли.

R поставляется со сложными библиотеками визуализации, обладающими большими возможностями. Давайте подробнее рассмотрим некоторые из наиболее часто используемых.

В этом разделе мы будем использовать встроенныйнабор данных mtcarsпоказать использование различных библиотек. Этот набор данных был извлечен из 1974Мотор ТрендАмериканский журнал.

Решетчатые графы

решетчатыйПакет, по сути, является улучшением пакета R Graphics и используется для визуализации многомерных данных. Решетка позволяет использоватьTграфы Реллиса, Графики решеток показывают взаимосвязь между переменными, которые зависят от одной или нескольких переменных. Давайте начнем с установки и загрузки пакета.

прикреплятьФункция присоединяет базу данных крпуть поиска, чтобы к объектам в базе данных можно было получить доступ, просто указав их имена. (Видеть ?attach() Больше подробностей)

Прежде чем приступить к работе с решеточным пакетом, давайте проведем небольшую предварительную обработку данных. В нашем наборе данных mtcars есть два столбца, а именношестерняа такжецилиндркоторые являются категоричными по своей природе. Мы должны учитывать их, чтобы сделать их более значимыми.

Примечание: так как мы прикрепили набор данных mtcars, нам не нужно указывать mtcars$gear или mtcars$cyl ,

Теперь давайте посмотрим, как мы можем использоватьрешеткапакет для создания некоторых основных сюжетов в R.




Использовать библиотеку решеток очень просто. Нужно просто подключить столбцы, для которых сюжет желателен.




• Диаграммы рассеяния, изображающие комбинацию двух факторов




2. ggplot2

ggplot2Пакет является одним из наиболее широко используемых пакетов визуализации в R. Он позволяет пользователям создавать сложные визуализации с небольшим количеством кода, используяГрамматика графики,Грамматика графикиэто общая схема для визуализации данных, которая разбивает графики на семантические компоненты, такие как шкалы и слои.

Популярность ggplot2 в последние годы значительно возросла, поскольку она позволяет очень просто создавать графики, которые содержат как одномерные, так и многомерные данные.

Давайте создадим несколько графиков, чтобы понять возможности ggplot2




geom_point() используется для создания графиков рассеяния, а геом может иметь много вариантов, таких как geom_jitter() , geom_count() так далее

• Стили разброса графиков по факторам

Мы знаем, что набор данных mtcars состоит из определенных переменных, которые имеют вид факторов Мы можем использовать это свойство для разделения нашего набора данных




Параметр цвета используется, чтобы различать разные уровни коэффициента цилиндра.

• Стиль разброса графиков по размеру

Еще одна полезная функция ggplot2 заключается в том, что его можно стилизовать в соответствии с размером атрибутов.




В приведенном выше примере значение qsec указывает на ускорение, которое определяет размер точек.

• Разные символы для разных размеров

С ggplot2 можно также создавать уникальные и интересные формы, налагая несколько точек разного размера.

3. Плотно

Plotlyпредставляет собой пакет R, который создает интерактивные веб-графики через библиотеку графических JavaScript-кодов с открытым исходным кодомplotly.js, Он может легко переводить графики «ggplot2» в веб-версии.

Давайте теперь посмотрим, как мы можем использовать сюжет для создания интерактивных визуализаций. Мы будем работать с тем же набором данных mtcars, который использовался при демонстрации решетчатых графов.




График выше также можно экспортировать в виде веб-страницы, чтобы сохранить его интерактивность без изменений.

График разброса можно стилизовать, задав соответствующие цветовые коды.

Также возможно нанесение маркеров и линий на одном графике с помощью графика. Здесь мы создадим произвольный фрейм данных, чтобы продемонстрировать эту функцию.




Добавление сопоставления цвета и размера




Хотя это не полный список пакетов, используемых для визуализации в R, их должно быть достаточно для начала работы.

Географические данные (Геоданные) относится к данным на основе местоположения. В первую очередь это касается описания объектов с точки зрения их отношения в пространстве. Данные обычно хранятся в виде координат. Имеет больше смысла видеть государство или страну в форме карты, поскольку она дает более реалистичный обзор. В следующем разделе мы кратко опишем возможности R с точки зрения визуализации географических данных.

Географические карты

Мы будем работать с образцом набора данных супермаркетаABC компания, Набор данных состоит из местоположений их магазинов в США. Давайте загрузим данные и проверим их столбцы.

функция plot ()

Мы создадим грубую карту просто по столбцам Широта и Долгота.




Вывод не является точной картой, но он дает слабый контур границы США.

функция map ()

пакет карточень полезно и довольно просто, когда дело доходит до построения географических данных.

Использование функции map () для построения базовой карты США.




Построение точечной карты поверх базовой карты с помощью функции symbol ()




Придание символам цвета




Команды, используемые с функцией map, не требуют пояснений. Тем не менее, вы можете прочитать больше об этом на ихстраница документации,

Визуализация географических данных имеет большое значение, когда данные состоят из местоположений. Можно легко визуализировать точные места и области и передать лучшую картину.

Мы увидели, как просто и легко начать визуализацию с помощью R. Можно либо создать визуализацию с нуля, либо использовать готовые пакеты. Что бы вы ни выбрали, ясно, что возможности визуализации R безграничны.




В прошлый раз мы говорили о том, как загрузить данные в среду R. Следующим важным этапом является их подготовка к визуализации и статистическому анализу. Для этого нам, как правило, необходимо внести некоторые изменения в таблицу, например: удалить столбец или строку, переименовать колонку, произвести сортировку или фильтрацию данных. Многие из этих операций можно сделать в Excel. Однако, зачастую возникают ситуации, когда необходимо изменить структуру или содержание таблицы прямо в ходе анализа. И вот тут у начинающих пользователей R могут возникнуть проблемы. В этой статье мы научимся их решать.

Структура таблицы и изменение типов данных

Лучший способ для закрепления новых знаний - это практика. Поэтому мы продолжим работать с таблицей физических данных студентов одного из военных вузов "voenvuz". Итак, загрузим знакомую уже нам таблицу в Rgui (таблицу можно скачать здесь).

Функции head и str

Для того, чтобы посмотреть правильно ли загрузились данные, введем команду head(voenvuz) , которая покажет первые 6 строчек нашей таблицы. Если все загрузилось нормально, то переходим к команде str(voenvuz) , которая выведет в консоль структуру таблицы.




Итак, в поле "data.frame" мы видим, что наша таблица состоит из 20 строк и 6 столбцов. Под ним располагается список названий столбцов, тип данных и первые шесть элементов каждого столбца. Обратите внимание, что колонки "Name" и "Rhesus.factor" сейчас хранят в себе категориальный тип данных (Factor), а остальные - целочисленный. Компьютер вычислил это автоматически, но в нашем случае - вычислил неверно. Прежде чем мы исправим типы этих данных, немного теоретической информации.

О типах данных

Почему важно правильно распознать тип данных в столбцах таблицы? Потому что при проведении статистических тестов, информация о типе данных учитывается и влияет на результат.

В языке R можно выделить 5 основных типов данных, хранящихся в столбцах таблицы:

• числовой (numeric);
• целочисленный (integer);
• текстовый (character);
• категориальный (Factor);
• логический (logical).

Есть также комплексный (complex) и сырой (raw) типы данных, но они редко встречаются, и поэтому я о них здесь писать не буду. Пропущенные данные обозначаются как "NA" (от англ. not available - недоступно), и тогда R игнорирует их.

Изменим типы данных на практике

Посмотрим еще раз на таблицу. Логично предположить, что столбец "Name" с именами студентов не содержит никаких категорий, поэтому, преобразуем эту колонку в обычный текстовый тип данных:


Идем дальше, столбец "Age" был правильно идентифицирован как целочисленный. А вот столбцы "Height" и "Weight" являются скорее числовыми, т.к. могут содержать промежуточные значения, например 182.5. Переделаем их из типа Integer в тип Numeric:

Последнее, что нам нужно - это изменить тип данных в столбце "Blood.group". Каждый из студентов так или иначе имеет одну из 4 групп крови, соответственно, этот столбец содержит четыре категории: "1", "2", "3", "4". Другими словами, в нем должен находиться категориальный тип данных:

В итоге, повторив команду str(voenvuz) , мы должны получить вот такую картинку.





Редактирование элементов таблицы

Иногда возникают ситуации, когда необходимо вставить в таблицу столбец или строку, изменить значение элемента или название колонки. Наша таблица - не исключение и нуждается в доработке.

Добавление строк

Добавим в таблицу данные о двух новых студентах: Иване и Олеге. Для этого необходимо создать новую структуру - список (list) , В список мы по порядку вносим параметры, совпадающие со структурой таблицы (напомню, что в кавычках мы пишем нечисловые типы данных):

После, при помощи функции rbind (от англ. row bind, что дословно означает "связать строчки") мы объединим эти два списка с нашей таблицей:

Добавление столбцов

Теперь у нас в таблице два Ивана и два Олега. В данном случае хорошо было бы прописать для каждого студента свой идентификационный номер (ID), чтобы не запутаться, кто есть кто. Для этого создадим структуру, которая называется вектор (последовательность элементов одного типа). В него мы запишем последовательность от 1 до 22, так, чтобы у каждого из наших 22 студентов был свой уникальный ID:

Теперь объединим наш вектор с таблицей, воспользовавшись функцией cbind (от англ. column bind):

Не забудьте поменять тип данных нового столбца на символьный:

В качестве еще одного примера добавления новых столбцов с данными в таблицу, рассчитаем индекс массы тела (BMI) для каждого студента. Для этого, мы воспользуемся новым способом: напишем математическую формулу индекса на языке R и присвоим ей новое имя столбца "BMI" внутри нашей таблицы:

Проверьте, что получилось, используя уже знакомые нам функции head и str

Удаление строк и столбцов

Существует относительно "универсальная формула" для удаления элементов таблицы: new.data <- my.data[ , ]
Для того, чтобы корректно ее использовать необходимо запомнить несколько правил:

1. После имени таблицы пространство внутри квадратных скобок следует разделить на две части запятой.
2. Все, что находится до запятой, относится к строчкам, все что после - к столбцам.
3. Поставьте минус перед номером столбца или номером строки, которую собираетесь удалить.
4. Если таких элементов несколько, используйте функцию c(. ) : внутри скобок перечисление элементов через запятую.
   

В нашем случае, удалять из таблицы ничего не надо, но я покажу пару примеров, назвав "укороченные" таблицы именами "trash1", "trash2", "trash3", "trash4":

Изменение имен столбцов и данных в ячейках:

Переименуем колонку "Rhesus.factor" на укороченное "Rhesus". Для этого нужно вызвать функцию names , написать в параметрах функции имя таблицы и номер столбца, и присвоить ему новое имя :

Изменение данные в ячейках таблицы не представляет особой сложности. В квадратных скобках прописываем координаты нужной ячейки (до запятой - строка, после запятой - столбец) и присваиваем новое значение:




После всех наших манипуляций мы должны получить вот такую таблицу данных:


Фильтрация и сортировка данных

В качестве примера, исключим из таблицы данных студентов, чей возраст больше 23 лет. Существует множество способов решения подобного рода задач, включая циклы if-else, for или while (о них будет написана отдельная статья). Однако в нашем случае хватит простого фильтра, основанного на логическом операторе "< wp-block-preformatted"> voenvuz.final <- voenvuz[voenvuz$Age <= 23, ]

Того же результата мы добьемся, если будем использовать логические операторы ">" (больше) и "!" (исключить):

Итак, мы получили финальную версию таблицы "voenvuz.final ". Осталось лишь упорядочить столбцы:

И произвести сортировку данных по имени студентов, используя функцию order :




После завершения редактирования таблицы, обновим имена строк, т.к. сейчас они не соответствуют действительности, и выведем таблицу на экран, введя имя таблицы в консоль:

Заключение

Описанные выше способы редактирования данных в таблице не уникальны, существует множество других методов и команд, позволяющих получить желаемый результат. Я рассказал лишь о наиболее простых и часто используемых. Для более детального ознакомления с этой темой я хотел бы порекомендовать два источника на английском языке:

1. сайт http://stackoverflow.com/ (уже подробно разобраны тысячи вопросов по этой теме)
2. книгу-справочник "R book" by Michael J. Crawley (легко найти бесплатную PDF версию в интернете).

Если у Вас возникли вопросы или проблемы с редактированием таблиц данных, Вы всегда можете оставить комментарий под этой статьей, и он не останется без внимания. А в качестве продолжения, читайте следующую статью, посвященную сохранению данных в среде R.

kod col.x col.y delta
1 00046949 1,000 1,000 2
2 00047069 3,000 3,000 2
3 00047070 19,000 19,000 2
4 00047071 49,000 49,000 2
5 00047072 21,000 21,000 2
356 CB128164 2,000 2
252 CB164884 1,000 2
Всем привет! Только начал изучать R и столкнулся с некой проблемой: Есть такая волшебная таблица. И задача, вывести в последний столбец разницу 2 и 3 го, и с учетом того что данные в последних строках NA, соответственно вывести в последний столбец NA2 или NA3, в зависимости от того где стоит NA. Проблема в том, что стандартные функции(о которых я еще мало знаю) удаляют строки с NA, а мне важно их сохранить и обработать.
Если у кого то будут мысли по теме, буду рад помощи. Да и еще, у меня типы данных факторы в первых трех столбцах, а последний число.

((ETH1567:0.07723012967,((ETH1478:0.03477412382,ETH1481:0.03998172409)100:0.01982264043,(LAV2470:0.04453502013,LAV2519:0.04666678739) и т.д. без пробелов.

Мне нужно извлечь блоки содержащие буквы и последующие цифры до знака двоеточия, т.е.: ETH1567 ETH1478 ETH1481 LAV2470 LAV2519

Я подобрал регулярку для этого: ([A-z]1*)

treenames <- grep("([A-z]7*)", tree, value = TRUE)

treenames
named character(0)

Перерыд весь stackoverflow и иже с ним, но ответа не нашел.
Буду благодарен за подсказку.

Здравствуйте, Данила! Вот одно из возможных решений Вашей задачи:

P.S. я мало анализирую текстовые данные, поэтому это решение вероятно не самое элегантное, но должно работать.

Отлично, все работает, большое спасибо!

Добрый день!
После преобразования матрицы в таблицу, провожу моделирование.
Выходит такая вещь:
Warning messages:
1: In log(b$y) : NaNs produced
2: In log(b$x1) : NaNs produced
3: In log(b$x2) : NaNs produced
4: In log(b$x4) : NaNs produced
5: In log(b$x5) : NaNs produced
6: In log(b$x6) : NaNs produced

Подскажите, пожалуйста, где ошибка? Голова кипит, не получается(

Доброго дня, Эсмира!

Сегодня все посмотрю и надеюсь смогу помочь ;)

Здравствуйте. Как пропустить заголовок таблицы; учесть, что заголовка нет?

В скобках функции read.table вставьте аргумент header = FALSE.

Здравствуйте! Подскажите как правильно оформить цикл и получить агрегированные данные из нескольких ресурсов гугл аналитики.

Потом я хочу взять в цикле каждый ресурс и получить агрегированные данные в объекте gaData по всем ресурсам функцией:

gaData <- get_ga(profileId = "resource_id",
start.date = "2019-09-01",
end.date = "2019-10-21",
metrics = "ga:sessions",
dimensions = "ga:date",
samplingLevel = "HIGHER_PRECISION",
max.results = 1000,
token = rga_auth)

Здравствуйте! Сходу ответить не смогу. Сейчас дописываю диссертацию, к сожалению совсем нет свободного времени.

Samoedd приветствую.
Вопрос
После расчетов на экране отображается таблица в таком формате

Qtr1 Qtr2 Qtr3 Qtr4
2000 119.28993 118.89396 118.10201 116.91410
2001 115.33021 114.48457 114.37718 115.00804
2002 116.37716 117.13394 117.27839 116.81051
2003 115.73031 114.20610 112.23790 109.82569
2004 106.96949 105.67921 105.95486 107.79644
2005 111.20394 112.48537 111.64071 108.66998

Сам пробовал искать ответ, но видимо это настолько просто, что об этом ни где не пишут. :-)
Заранее спасибо.

Сентябрь 13, 2019 в 11:55 Samoedd (Автор записи)


Здравствуйте, Alex! Извините, был в отпуске, не смог ответить. Ваш вопрос еще актуален или уже решен?

Читайте также:

  
• Как в экселе сделать альбомный лист
  
• Почему не открывается скайп смарт
  
• Не выключается ноутбук после установки ssd
  
• Почему в экселе сворачиваются строки
  
• Как установить toad for oracle