R
| Краткое описание языка | R — язык программирования для статистической обработки данных и работы с графикой, а также свободная программная среда вычислений с открытым исходным кодом в рамках проекта GNU. Используется для обработки, анализа и визуализации данных |
|---|---|
| Компетенции в каких сферах формирует | Knowledge Constructor, Computational Thinker, Creative Communicator |
| Парадигмы программирования | |
| Возрастная категория | 16 |
| Назначение языка (Общее / Учебное) | Специальный прикладной язык |
| Visual_Text_Blocks | Текст |
| Измерение (2D/3D/Tangible) | 2D |
| Область знаний | |
| Открытость продукта | Открытый |
| Address | https://www.r-project.org/ |
| Предки (Ancestors) | Scheme, S |
| Потомки (Descendants) | Julia |
| Активность в данный момент | Project is active |
| Доступны ремиксы? | Да |
| Год создания | 1993 |
| Создатели | Айхэка |
| Поясняющее видео | |
| Используется для создания мобильных приложений? | Нет |
- R упоминается в свойствах следующих страниц
- APIs for social scientists: A collaborative review, Artomchik mgpuev, Big Data with R, CSV, Causal Inference, Causal Inference in R, Complex network analysis, Daria Mukomolova, Data in Education Seminar/28 02 2024, Economic Disparity, Egorovsn051, Individual-Based Models of Cultural Evolution: A Step-by-Step Guide Using R, Interactive web-based data visualization with R, plotly, and shiny, Introduction to Econometrics with R, Introductory Statistics for Economics, Kalinina, Learn ggplot2 using Shiny App, Learning analytics methods and tutorials: A practical guide using R, MariaMyshkina, Mastering Shiny: Build Interactive Apps, Reports, and Dashboards Powered by R, Modeling Social Behavior: Mathematical and Agent-Based Models of Social Dynamics and Cultural Evolution, Outstanding User Interfaces with Shiny, Patarakin, R for Data Science, Smaldino, TF-IDF, Text Mining with R, Text Mining with R: A Tidy Approach, Tidy Modeling with R, VOMAS, Virus on a Network, Wickham, Автокорреляция, Алгоритмы и структуры данных (syllabus), Анализ данных, Анализ социальных сетей/Ключевые понятия, Анализ тональности текста, Аналитика, Аналитика мультимодальная, Аналитика учебная, Библиографический анализ области знаний, Библиометрические исследования, Биграф, Биология, Большие данные, Вектор, Воспроизводимость, Временная сложность алгоритма, Выборка, Вычислительное мышление… следующие результаты
- Книги про R
- APIs for social scientists: A collaborative review
- Big Data with R
- Causal Inference in R
- Individual-Based Models of Cultural Evolution: A Step-by-Step Guide Using R
- Interactive web-based data visualization with R, plotly, and shiny
- Introduction to Econometrics with R
- Introductory Statistics for Economics
- Learn ggplot2 using Shiny App
- Learning analytics methods and tutorials: A practical guide using R
- Mastering Shiny: Build Interactive Apps, Reports, and Dashboards Powered by R
- Modeling Social Behavior: Mathematical and Agent-Based Models of Social Dynamics and Cultural Evolution
- Outstanding User Interfaces with Shiny
- R for Data Science
- Text Mining with R
- Text Mining with R: A Tidy Approach
- Tidy Modeling with R
- Классификация, регрессия и другие алгоритмы Data Mining с использованием R
- Незримый колледж МЭШ
R — язык программирования для статистической обработки данных и работы с графикой. Высокоуровневый язык, ориентированный на решение задач по манипуляции с данными и обладающий широким набором проверенных библиотек (пакетов). R — интерпретируемый язык программирования, основным способом работы с которым является командный интерпретатор. Язык является регистрозависимым, в плане синтаксиса он похож, с одной стороны, на функциональные языки типа Scheme, с другой — на типичные современные сценарные языки, с простым синтаксисом и небольшим набором основных конструкций. Язык объектный: любой программный объект в нём имеет набор атрибутов — именованный список значений, определяющих его.
Используется для анализа данных наряду с NetLogo, graphviz, VUE, Gephi, VOSviewer
Базовые возможности
Язык поддерживает минимальный набор примитивных типов данных: символьный (character), числовой (numeric), логический (logical) и комплексный (complex). Числовые переменные, помимо обычных чисел, могут принимать специальные значения NaN (Not a Number — «не число») и Inf (Infinity — «бесконечность»).
Типы данных
Значения примитивных типов могут объединяться в векторы (vector), списки (list), матрицы или массивы (matrix), в том числе многомерные; эти комбинированные типы хранят наборы данных одного и того же примитивного типа. Помимо этого язык содержит понятие факторов (factor) — наборов категориальных или шкальных данных, принимающих строго определённый набор значений. Наконец, могут создаваться таблицы (data frame) — структуры данных, которые для каждой строки (индивида) хранят набор различных (и имеющих разные типы) параметров (признаков). Особенностью R является то, что операции с векторами и матрицами поддерживаются на уровне самого языка, как, например, в APL.
Векторы
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
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
Массивы данных (array) сходны с матрицами, но могут иметь больше двух измерений.
Таблицы
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
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
Списки – это самый сложный тип данных в R. Фактически список – это упорядоченный набор объектов (компонентов).
Как загружать (импортировать данные в R)
- 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)
- dt1 <- read_csv2("0303.csv") - считать таблицу
Как экспортировать данные из R ?
write.csv(x, file="filename", row.names=FALSE)
library(tidyverse)
- write_csv (object "filename.csv")
Как обработать данные в R ?
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
dev.new() plot()
Специальные пакеты
Пакет для работы с графами - создание и визуализация графов
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
Пакет для обработки решеток Келли - OpenRepGrid
