Jupyter notebook a programovací jazyk R¶
Otestování základní funkcionality kernelu jazyka R¶
print("Hello world!")
"Hello world!"
Zobrazení nápovědy¶
help(sort)
Zobrazení příkladu použití¶
example(sort)
Práce s vektory¶
Se základními konstruktory vektorů jsme se již v tomto seriálu seznámili, takže si nyní pouze připomeňme, že existuje hned několik způsobů konstrukce nového vektoru. V případě, že má vektor obsahovat jen jedinou hodnotu, je vytvoření takového vektoru jednoduché a přímočaré, protože vlastní zápis hodnoty (typicky čísla) již představuje skalární hodnotu, která se však chová jako vektor (má délku rovnou jedné, může se používat v operacích, kde se očekávají vektory atd.):
42
O tom, jakého typu je takový skalár nebo vektor, se můžeme přesvědčit zavoláním funkce class:
class(42)
Vektor s obecnými prvky se vytvoří konstruktorem nazvaným c, což je funkce, které se předají hodnoty jednotlivých prvků:
a <- c(1,2,3,4)
class(a)
Prvky samozřejmě nemusí být pouze celými čísly, ale například i hodnotami s plovoucí řádovou čárkou:
b <- c(1.2, 2.3, 3.4)
class(b)
Nakonec si vyzkoušíme vytvoření vektoru obsahujícího pravdivostní hodnoty TRUE a FALSE:
l <- c(TRUE, FALSE, TRUE)
class(l)
Sekvence hodnot:
data <- 1:12
data
Porovnání dvou vektorů (druhý vektor s jediným prvkem je rozšířen na velikost prvního vektoru):
data < 6
Matice¶
Pro vytvoření matice se používá konstruktor nazvaný matrix, kterému se předá vektor s daty (hodnotami prvků), počet řádků a počet sloupců (popř. obráceně):
m1 <- matrix(data, nrow=1, ncol=12)
m1
m2 <- matrix(data, nrow=3, ncol=4)
m2
m3 <- matrix(data, nrow=4, ncol=3)
m3
Zaplnění matice po řádcích nebo po sloupcích¶
V konstruktoru matrix je možné nepovinným parametrem (logickou hodnotou) byrow určit, zda bude matice zaplňována po řádcích nebo po sloupcích.
data <- 1:12
m1 <- matrix(data, nrow=1, ncol=12, byrow=TRUE)
m1
m2 <- matrix(data, nrow=2, ncol=6, byrow=TRUE)
m2
m3 <- matrix(data, nrow=3, ncol=4, byrow=TRUE)
m3
m4 <- matrix(data, nrow=4, ncol=3, byrow=TRUE)
m4
m5 <- matrix(data, nrow=6, ncol=2, byrow=TRUE)
m5
m6 <- matrix(data, nrow=12, ncol=1, byrow=TRUE)
m6
Pojmenování řádků a sloupců matice¶
Konstruktoru matrix postačuje předat v pojmenovaném parametru dimnames seznam vektorů, přičemž první vektor v seznamu obsahuje jména řádků a druhý vektor jména sloupců. Se seznamy jsme se sice prozatím nesetkali, ale ze zdrojového kódu dalšího demonstračního příkladu je patrné, že je jejich konstrukce pomocí list přímočará:
data <- 1:9
dimension.names <- list(
c("x", "y", "z"),
c("u", "v", "w"))
m33 <- matrix(data, nrow=3, ncol=3, dimnames=dimension.names)
m33
Tisk tabulky s názvy měsíců¶
matrix(
month.abb[c(12, 1:11)],
nrow = 3,
dimnames = list(
c("start", "middle", "end"),
c("Winter", "Spring", "Summer", "Fall")
)
)
Maticový součin¶
data <- 1:25
m1 <- matrix(data, nrow=5, ncol=5)
m1
m2 <- diag(5)
m2
m1 %*% m2
m2[3,3] <- 10
m1 %*% m2
Výpočet inverzní matice¶
data <- c(2, 3, 2, 2)
m1 <- matrix(data, nrow=2, ncol=2)
m1
solve(m1)
m2 <- diag(5)
m2
solve(m2)
m3 <- diag(5)
m3[3, 3] = 42
m3
solve(m3)
Datové rámce¶
Jedná se o velmi důležitý datový typ používaný zejména (ale nejenom) při statistických výpočtech. Datové rámce se v určitém ohledu podobají tabulkám používaným v relačních databázích: jednotlivé sloupce jsou pojmenované a současně může být každý sloupec jiného datového typu (všechny prvky ve sloupci toto kritérium musí splňovat). Tato vlastnost odlišuje datové rámce jak od dvojdimenzionálních polí, tak i od matic. S datovými rámci se ovšem nepracuje pouze v jazyku R; nalezneme je například i v knihovně Pandas určenou pro programovací jazyk Python. Datové rámce a operace s nimi jsou pochopitelně popsány v dokumentaci programovacího jazyka R. Příkladem může být dokumentace ke konstruktoru datových rámců:
Konstrukce datového rámce¶
ids = c(1:9)
names = c("C", "Java", "Python", "C++", "C#", "Visual Basic", "JavaScript", "PHP", "R")
usages = c(15.95, 13.48, 10.47, 7.11, 4.58, 4.12, 2.54, 2.49, 2.37)
changes = c(0.74, -3.18, 0.59, 1.48, 1.18, 0.83, 0.41, 0.62, 1.33)
languages <- data.frame(
ids,
names,
usages,
changes
)
languages
languages2 <- data.frame(
id = ids,
name = names,
usage = usages,
change = changes
)
languages2
Neexistující hodnoty ve vstupních datech¶
ids = c(1:9)
names = c("C", "Java", "Python", "C++", "C#", "Visual Basic", NA, "PHP", "R")
usages = c(15.95, 13.48, 10.47, 7.11, 4.58, 4.12, NA, 2.49, 2.37)
changes = c(0.74, NA, 0.59, 1.48, 1.18, 0.83, 0.41, NA, 1.33)
languages3 <- data.frame(
id = ids,
name = names,
usage = usages,
change = changes
)
languages3
Výpočet a výpis statistických informací o datovém rámci¶
languages <- data.frame(
id = c (1:9),
name = c("C", "Java", "Python", "C++", "C#", "Visual Basic", "JavaScript", "PHP", "R"),
usage = c(15.95, 13.48, 10.47, 7.11, 4.58, 4.12, 2.54, 2.49, 2.37),
change = c(0.74, -3.18, 0.59, 1.48, 1.18, 0.83, 0.41, 0.62, 1.33),
stringsAsFactors = FALSE
)
summary(languages)
Konverze datového rámce na matici¶
V dalším demonstračním příkladu si ukážeme jednu poměrně často prováděnou operaci – konverzi datového rámce na „obyčejnou“ matici. To pochopitelně není zcela bezproblémové, protože všechny prvky matice musí být stejného datového typu. Pokud jsou řetězce reprezentovány formou faktorů, budou převedeny na celá čísla (indexy):
languages <- data.frame(
id = c(1:9),
name = c("C", "Java", "Python", "C++", "C#", "Visual Basic", "JavaScript", "PHP", "R"),
usage = c(15.95, 13.48, 10.47, 7.11, 4.58, 4.12, 2.54, 2.49, 2.37),
change = c(0.74, -3.18, 0.59, 1.48, 1.18, 0.83, 0.41, 0.62, 1.33)
)
languages
m <- data.matrix(languages)
class(m)
m
Datový rámec získaný z matice – jednoduchý kalendář¶
m <- matrix(
month.abb[c(12, 1:11)],
nrow = 3,
dimnames = list(
c("start", "middle", "end"),
c("Winter", "Spring", "Summer", "Fall")
)
)
class(m)
m
df <- as.data.frame(m)
class(df)
df
Datové rámce a grafy¶
Sloupcový graf s hodnotami vyčtenými z datového rámce¶
languages <- data.frame(
id = c(1:9),
name = c("C", "Java", "Python", "C++", "C#", "Visual Basic", "JavaScript", "PHP", "R"),
usage = c(15.95, 13.48, 10.47, 7.11, 4.58, 4.12, 2.54, 2.49, 2.37),
change = c(0.74, -3.18, 0.59, 1.48, 1.18, 0.83, 0.41, 0.62, 1.33)
)
barplot(languages$usage)
Přidání popisku horizontální osy do grafu¶
languages <- data.frame(
id = c(1:9),
name = c("C", "Java", "Python", "C++", "C#", "Visual Basic", "JavaScript", "PHP", "R"),
usage = c(15.95, 13.48, 10.47, 7.11, 4.58, 4.12, 2.54, 2.49, 2.37),
change = c(0.74, -3.18, 0.59, 1.48, 1.18, 0.83, 0.41, 0.62, 1.33)
)
barplot(languages$usage, names.arg=languages$name)
Úprava stylu zobrazení grafu¶
languages <- data.frame(
id = c(1:9),
name = c("C", "Java", "Python", "C++", "C#", "Visual Basic", "JavaScript", "PHP", "R"),
usage = c(15.95, 13.48, 10.47, 7.11, 4.58, 4.12, 2.54, 2.49, 2.37),
change = c(0.74, -3.18, 0.59, 1.48, 1.18, 0.83, 0.41, 0.62, 1.33)
)
barplot(languages$usage, names.arg=languages$name,
cex.axis = 0.8,
cex.names = 0.6,
las=2)
Přidání liniového grafu do grafu sloupcového¶
languages <- data.frame(
id = c(1:9),
name = c("C", "Java", "Python", "C++", "C#", "Visual Basic", "JavaScript", "PHP", "R"),
usage = c(15.95, 13.48, 10.47, 7.11, 4.58, 4.12, 2.54, 2.49, 2.37),
change = c(0.74, -3.18, 0.59, 1.48, 1.18, 0.83, 0.41, 0.62, 1.33)
)
plt <- barplot(languages$usage, names.arg=languages$name,
cex.axis = 0.8,
cex.names = 0.6,
las=2)
lines(plt, languages$change, type="o", col="red")
Sloupcový graf se dvěma skupinami sloupců¶
languages <- data.frame(
id = c(1:9),
name = c("C", "Java", "Python", "C++", "C#", "Visual Basic", "JavaScript", "PHP", "R"),
usage = c(15.95, 13.48, 10.47, 7.11, 4.58, 4.12, 2.54, 2.49, 2.37),
change = c(0.74, -3.18, 0.59, 1.48, 1.18, 0.83, 0.41, 0.62, 1.33)
)
data=t(languages[, c("usage", "change")])
print(data)
barplot(data, names.arg=languages$name,
ylim=c(-5, 20),
cex.axis = 0.8,
cex.names = 0.6,
las=2,
beside=T)
Grafy průběhů funkcí¶
x <- 1:100
y <- sin(x/10)
plot(x,y)
plot(sin, from=0, to=2*pi)
n <- 1000
hist(sin(1:n * 2*pi/n))
Knihovna ggplot2¶
install.packages("ggplot2")
x <- 1:6 # Create vector.
y <- x^2 # Create vector by formula.
model <- lm(y ~ x)
print(model)
summary(model)
plot(model)
Typy vykreslení úseček¶
plot(0, xlim=c(1,7), ylim=c(1,6))
abline(h=1, lwd=1, lty=1, col="black")
abline(h=2, lwd=1, lty=2, col="blue")
abline(h=3, lwd=1, lty=3, col="cyan")
abline(h=4, lwd=1, lty=4, col="green")
abline(h=5, lwd=1, lty=5, col="orange")
abline(h=6, lwd=1, lty=6, col="red")
Regresní přímka v diagramu¶
input <- mtcars
plot(x = input$wt,y = input$mpg,
xlab = "Weight",
ylab = "Mileage",
main = "Weight vs Mileage",
pch=20, col="red"
)
text(input$wt+0, input$mpg+0.7, rownames(input), cex=0.2)
abline(20,0,col='blue', lty=2, lwd=1)
abline(25,0,col='darkgreen', lty=2, lwd=1)
regression <- lm(input$mpg~input$wt)
abline(reg=regression, col='lightblue', lwd=2)
Zakreslení statistických hodnot (průměru, směrodatné odchylky) do diagramu¶
input <- mtcars
plot(x = input$wt,y = input$mpg,
xlab = "Weight",
ylab = "Mileage",
main = "Weight vs Mileage",
pch=20, col="red"
)
text(input$wt+0, input$mpg+0.7, rownames(input), cex = 0.2)
abline(h = mean(input$mpg), col = '#ff8080', lwd = 1, lty = 2)
abline(h = mean(input$mpg) + sd(input$mpg), col = 'steelblue', lwd = 1, lty = 2)
abline(h = mean(input$mpg) - sd(input$mpg), col = 'steelblue', lwd = 1, lty = 2)
regression <- lm(input$mpg~input$wt)
abline(reg=regression, col='lightblue', lwd=2)
