Основы R2. Тема 1 - презентация, доклад, проект скачать

Нажмите для полного просмотра!

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Основы R2. Тема 1. Доклад-сообщение содержит 73 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

Тема 1: Основы R

Слайд 2

Описание слайда:

Содержание Преимущества R Список литературы Обзор возможностей R Интерфейс R Рабочая среда R Помощь R Пакеты R Сохранение результатов Использование результатов

Слайд 3

Описание слайда:

Преимущества R Бесплатное программное обеспечение Доступно на Windows, Unix, Mac OS Широкие возможности проведения статистического анализа (в т.ч. методы, недоступные в других пакетах) Интуитивно понятный объектно- ориентированный язык высокого уровня Широкие возможности графической визуализации результатов анализа

Слайд 4

Описание слайда:

Список литературы Each of the following tutorials are in PDF format. P. Kuhnert & B. Venables, An Introduction to R: Software for Statistical Modeling & Computing J.H. Maindonald, Using R for Data Analysis and Graphics B. Muenchen, R for SAS and SPSS Users W.J. Owen, The R Guide D. Rossiter, Introduction to the R Project for Statistical Computing for Use at the ITC W.N. Venebles & D. M. Smith, An Introduction to R

Слайд 5

Описание слайда:

Список литературы Paul Geissler's excellent R tutorial Excellent Tutorials by David Rossitier Excellent tutorial an nearly every aspect of R (c/o Rob Kabacoff) Introduction to R by Vincent Zoonekynd R Cookbook The Art of R

Слайд 6

Описание слайда:

Список литературы R Concepts and Data Types presentation by Deepayan Sarkar The R Wiki An Introduction to R A Handbook of Statistical Analyses Using R(Brian S. Everitt and Torsten Hothorn)

Слайд 7

Описание слайда:

Обзор возможностей R Можно вводить команды одну за другой в командной строке (>) или запустить последовательность команд из файла-источника Язык R содержит огромное количество различных типов данных, включая векторы (числовые, строковые, логические), матрицы, блоки данных и списки (vector, matrix, data.frame, list) Для выхода из R достаточно ввести команду >q()

Слайд 8

Описание слайда:

Обзор возможностей R Гибкость языка R обеспечивается посредством встроенных и пользовательских функций. Во время работы с R все пользовательские данные хранятся в памяти программы Базовые функции доступны по умолчанию. Другие функции содержатся в особых статистических пакетах и могут быть загружены во время работы

Слайд 9

Описание слайда:

Обзор возможностей R Основным навыком программирования в R является умение использовать встроенную справочную систему. Фундаментальным свойством языка R является тот факт, что выходные данные одного объекта могут использоваться в качестве входных данных для другого.

Слайд 10

Описание слайда:

Интерфейс R

Слайд 11

Описание слайда:

Введение в R Результаты вычислений могут храниться в различных объектах с использованием операторов присвоения: Стрелка (<-) Знак равенства (=).

Слайд 12

Описание слайда:

Введение в R Объекты R могут использоваться в последовательных расчетах. Для того, чтобы обратиться к объекту, необходимо напечатать в рабочей области имя объекта Требования к имени объекта Имя объекта не может содержать символы !, +, -, # Точка (.) и подстрочное подчеркивание (_) разрешены Имя объекта может содержать число, но не может начинаться с числа Язык R чувствителен к регистру

Слайд 13

Описание слайда:

Пример > # An example > x <- c(1:10) > x[(x>8) | (x<5)] > # yields 1 2 3 4 9 10 > # How it works > x <- c(1:10) > X >1 2 3 4 5 6 7 8 9 10 > x > 8 > F F F F F F F F T T > x < 5 > T T T T F F F F F F > x > 8 | x < 5 > T T T T F F F F T T > x[c(T,T,T,T,F,F,F,F,T,T)] > 1 2 3 4 9 10

Слайд 14

Описание слайда:

Введение в R Для выведения списка всех объектов, доступных в текущей сессии R, используется функция lsT > ls() [1] "x" "y" Для того, чтобы обратиться к коду функции, достаточно ввести ее имя в командной строке Каждая из функций имеет аргументы, которые могут быть просмотрены при помощи клавиши tab > ls(pattern="x") [1] "x" "x2"

Слайд 15

Описание слайда:

Введение в R Если переменной присвоить некоторое значение, то ее предыдущее значение (в случае наличия такового) будет стерто без каких-либо уведомлений Для удаления объектов из рабочей среды используется функция rm rm(x, x2) Удалить все объекты можно при помощи команды rm(list=ls()) Основная функция, отвечающая за построение графиков – plot z2 <- c(1,2,3,4,5,6) z3 <- c(6,8,3,5,7,1) plot(z2,z3) title("My first scatterplot")

Слайд 16

Описание слайда:

Введение в R R чувствителен к регистру MODEL, Model, model – различные объекты

Слайд 17

Описание слайда:

Введение в R > x = sin(9)/75 > y = log(x) + x^2 > x [1] 0.005494913 > y [1] -5.203902 > m <- matrix(c(1,2,4,1), ncol=2) > m > [,1] [,2] [1,] 1 4 [2,] 2 1 > solve(m) [,1] [,2] [1,] -0.1428571 0.5714286 [2,] 0.2857143 -0.1428571

Слайд 18

Описание слайда:

Рабочая среда R Объекты, создаваемые в R, содержатся в памяти программы (рабочая среда). Объекты рабочей среды НЕ сохраняются после закрытия программы автоматически! Требуется ручное сохранение

Слайд 19

Описание слайда:

Рабочая среда R При работе в R можно изменить имя рабочей папки. ## just checking what the current working directory is getwd() ## setwd("C:/Users/Desktop/VaR/Gmail")

Слайд 20

Описание слайда:

Рабочая среда R Команды можно ввозить в интерактивном режиме в командной строке. Стрелки вверх и вниз позволяют перемещаться по истории команд Различные проекты R необходимо хранить в различных физических папках

Слайд 21

Описание слайда:

Рабочая среда R #Просмотр и установка параметров рабочей сессии help(options) # options() # просмотреть текущие параметры options(digits=3) # количество знаков после запятой # Работа с предыдущими командами history() # вывести последние 25 команд history(max.show=Inf) #вывести все команды

Слайд 22

Описание слайда:

Рабочая среда R # Сохранить историю команд savehistory(file="myfile") # default is ".Rhistory" # Загрузить историю команд loadhistory(file="myfile") # default is ".Rhistory“

Слайд 23

Описание слайда:

Помощь R В языке программирования R имеется встроенная система справки R help.start() # Общая справка help(F) # Справка по функции F ?F # То же example(F) # Пример использования функции F

Слайд 24

Описание слайда:

Встроенные базы R R содержит встроенные базы данных, которые можно использовать для обучения > data( ) # Загрузка всех доступных пакетова > help(datasetname)

Слайд 25

Описание слайда:

Пакеты R Одним из преимуществ R является легкость расширения дистрибутива. Система позволяет создавать новые процедуры и функции, а также подгружать новые пакеты (‘R Package’ или ‘R library’) Примеры доступных пакетов: Оптимизация портфеля ценных бумаг Анализ временных рядов Нейронные сети GARCH-модели

Слайд 26

Описание слайда:

Сохранение изображений Для сохранения изображений R имеет особые функции. Для сохранения графика в терминале используется dev.off( )

Слайд 27

Описание слайда:

Сохранение изображений # example - output graph to jpeg file jpeg("c:/mygraphs/myplot.jpg") plot(x) dev.off()

Слайд 28

Описание слайда:

Использование результатов модели Язык программирования R позволяет сохранять результаты анализа и использовать их как входной параметр для дальнейшего исследования # Пример lm(mpg~wt, data=mtcars) Пример рассчитывает параметры линейной регрессии для переменных mpg и wt. Результаты отображены на экране

Слайд 29

Описание слайда:

Использование результатов модели # Пример fit <- lm(mpg~wt, data=mtcars) Создается объект fit, содержащий результаты построения линейной регрессии str(fit) # просмотр свойств объекта (его структуры) При помощи формулы fit <- lm(mpg~wt, data=mtcars) Был создан список (объект класса list), содержащий информацию о результатах моделирования (предсказанные значения, остатки, коэффициенты модели)

Слайд 30

Описание слайда:

Использование результатов модели # график остатков и прогнозных значений) plot(fit$residuals, fit$fitted.values) Для просмотра выходных данных достаточно открыть по ней справку: help(lm). Многие функции допускают применение функции plot ко всему объекту: # produce diagnostic plots plot(fit)

Слайд 31

Описание слайда:

Тема 2:Входные данные

Слайд 32

Описание слайда:

Содержание Типы данных Импорт данных Ввод с клавиатуры Ввод баз данных в программную среду Просмотр данных Пропущенные значения Дата и время

Слайд 33

Описание слайда:

Типы данных Данные в R могут быть представлены в виде большого числа типов данных (скаляры, векторы, матрицы, базы данных, списки).

Слайд 34

Описание слайда:

Векторы a <- c(1,2,5.3,6,-2,4) # числовой вектор b <- c("one","two","three") # строковый вектор c <- c(TRUE,TRUE,TRUE,FALSE,TRUE,FALSE) #логический вектор Выбор отдельных элементов вектора a[c(2,4)] # 2-ой и 4-ый элементы вектора a

Слайд 35

Описание слайда:

Матрицы Все колонки матрицы должны быть одного типа и одной и той же длины Общая форма: mymatrix <- matrix(vector, nrow=r, ncol=c, byrow=FALSE,dimnames=list(char_vector_rownames, char_vector_colnames)) byrow=TRUE означает, что матрица заполняется по строкам byrow=FALSE означает, что матрица заполняется по столбцам dimnames – опционально: имена строк и столбцов

Слайд 36

Описание слайда:

Матрицы # создание числовой матрицы 5 x 4 y<-matrix(1:20, nrow=5,ncol=4) # другой пример cells <- c(1,26,24,68) rnames <- c("R1", "R2") cnames <- c("C1", "C2") mymatrix <- matrix(cells, nrow=2, ncol=2, byrow=TRUE, dimnames=list(rnames, cnames)) #Определение отдельных элементов матрицы x[,4] # 4-ая колонка матрицы x[3,] # 3-ая колонка матрицы x[2:4,1:3] # строки 2,3,4, столбцы 1,2,3

Слайд 37

Описание слайда:

Массивы Массивы имеют структуру, схожую с матрицами, но могут иметь более 2 измерений help(array)

Слайд 38

Описание слайда:

Таблицы данных Таблица данных по структуре напоминает расширенную матрицу, однако данные в разных колонках могут быть различного типа. d <- c(1,2,3,4) e <- c("red", "white", "red", NA) f <- c(TRUE,TRUE,TRUE,FALSE) mydata <- data.frame(d,e,f) names(mydata) <- c("ID","Color","Passed") #имена переменных

Слайд 39

Описание слайда:

Таблицы данных Существует множество способов идентификации элементов таблицы данных myframe[3:5] # колонки 3,4,5 myframe[c("ID","Age")] # колонки ID и Age myframe$X1 # переменная x1

Слайд 40

Описание слайда:

Списки Список – нумерованная последовательность объектов (компонентов списка). Список позволяет собрать множество различных объектов (не обязательно одного и того же класса) # Пример списка из 4 компонентов w <- list(name="Fred", mynumbers=a, mymatrix=y, age=5.3) # Пример списка из двух списков v <- c(list1,list2)

Слайд 41

Описание слайда:

Списки Компоненты списка определяются с использованием следующих знаков: [[]] mylist[[2]] # 2-ой элемент списка

Слайд 42

Описание слайда:

Факторы Переменную, принимающую конечное число значений, можно преобразовать в фактор. Объект типа «Фактор» хранит возможные значения переменной в виде вектора. # variable gender with 20 "male" entries and # 30 "female" entries gender <- c(rep("male",20), rep("female", 30)) gender <- factor(gender) summary(gender)

Слайд 43

Описание слайда:

Полезные функции length(object) # Число элементов в объекте str(object) # Структура объекта class(object) # Класс объекта names(object) # Имена элементов объекта c(object,object,...) # соединить объекты в вектор cbind(object, object, ...) # объединить объекты как столбцы rbind(object, object, ...) # объединить объекты как строки ls() # Показать список текущих объектов rm(object) # Удалить объект

Слайд 44

Описание слайда:

Импорт данных (.csv) # Первая строка должна содержать имена переменных mydata <- read.table("c:/mydata.csv", header=TRUE, sep=",", row.names="id")

Слайд 45

Описание слайда:

Ввод данных с клавиатуры Для создания данных в интерактивном режиме используются следующие функции age <- c(25, 30, 56) gender <- c("male", "female", "male") weight <- c(160, 110, 220) mydata <- data.frame(age,gender,weight)

Слайд 46

Описание слайда:

Ввод данных с клавиатуры # Ввод данных в режиме редактора mydata <- data.frame(age=numeric(0), gender=character(0), weight=numeric(0)) mydata <- edit(mydata)

Слайд 47

Описание слайда:

Просмотр данных Существуют различные способы просмотра имеющихся данных # Просмотр объектов в рабочей среде ls() # Просмотр переменных объекта names(mydata) # Просмотр структуры объекта str(mydata) # Размерность объекта dim(object)

Слайд 48

Описание слайда:

Просмотр данных Существуют различные способы просмотра имеющихся данных # Просмотр класса объекта class(object) # Вывод на экран объекта mydata # Вывод первые 10 строк объекта head(mydata, n=10) # Вывод первых 10 строк объекта tail(mydata, n=5)

Слайд 49

Описание слайда:

Пропущенные значения В R пропущенные значения обозначаются символом NA. Невозможные значения переменных (например, в результате деления на ноль) обозначаются символом NaN (not a number). Тестирование переменной на пропущенные значения is.na(x) # Возвращает TRUE, если x – пропущенное значение y <- c(1,2,3,NA) is.na(y) # возвращает вектор (F F F T)

Слайд 50

Описание слайда:

Пропущенные значения Замена значений переменной на пропущенные # замена числа 99 на пропущенные значения в строке v1 mydata[mydata$v1==99,"v1"] <- NA Исключение пропущенных значений из анализа Arithmetic functions on missing values yield missing values. x <- c(1,2,NA,3) mean(x) # Результат: NA mean(x, na.rm=TRUE) # Результат: 2

Слайд 51

Описание слайда:

Пропущенные значения Функция complete.cases возвращает логический вектор, характеризующий заполненные наблюдения # список строк, которые содержат пропущенные значения mydata[!complete.cases(mydata),] Функция na.omit() возвращает объект с поэелементным удалением пропущенных значений # Создание таблицы данных без пропущенных значений newdata <- na.omit(mydata)

Слайд 52

Описание слайда:

Дата и время Даты представлены в R как число дней, прошедших с 1970-01-01 (в случае обратного отсчета используются отрицательные значения) # функция as.Date( ) для преобразования формата к дате mydates <- as.Date(c("2007-06-22", "2004-02-13")) # число дней между 6/22/07 and 2/13/04 days <- mydates[1] - mydates[2] Sys.Date( ) – системное время Date() – системная дата и время

Слайд 53

Описание слайда:

Дата и время Следующие символы могут использоваться для форматирования даты:

Слайд 54

Описание слайда:

Дата и время # print today's date today <- Sys.Date() format(today, format="%B %d %Y") "June 20 2007"

Слайд 55

Описание слайда:

Тема 3: Манипулирование данными

Слайд 56

Описание слайда:

Содержание Создание новой переменной Операторы Встроенные функции Функции контроля / циклы Пользовательские функции Сортировка Объединение Преобразования типов

Слайд 57

Описание слайда:

Создание переменных Для создания новых переменных используется оператор <-. #Три примера эквивалентных расчетов mydata$sum <- mydata$x1 + mydata$x2 mydata$mean <- (mydata$x1 + mydata$x2)/2 attach(mydata) mydata$sum <- x1 + x2 mydata$mean <- (x1 + x2)/2 detach(mydata) mydata <- transform( mydata, sum = x1 + x2, mean = (x1 + x2)/2 )

Слайд 58

Описание слайда:

Создание переменных Создание категорий # Создание новых категорий mydata$agecat <- ifelse(mydata$age > 70, c("older"), c("younger")) # Создание трех возрастных категорий attach(mydata) mydata$agecat[age > 75] <- "Elder" mydata$agecat[age > 45 & age <= 75] <- "Middle Aged" mydata$agecat[age <= 45] <- "Young" detach(mydata)

Слайд 59

Описание слайда:

Арифметические операции

Слайд 60

Описание слайда:

Логические операторы

Слайд 61

Описание слайда:

Структуры контроля/циклы В R реализованы стандартные циклы, которые должны быть заключены в скобки {} С точки зрения производительности лучше использовать встроенные функции, нежели циклы, когда это возможно

Слайд 62

Описание слайда:

Контрольные структуры if-else if (cond) expr if (cond) expr1 else expr2 for for (var in seq) expr while while (cond) expr switch switch(expr, ...) ifelse ifelse(test,yes,no)

Слайд 63

$Контрольные структуры # Транспонирование матрицы # Альтернативы встроенной функции t() mytrans <- function(x) { if (!is.matrix(x)) { warning("argument is not a matrix: returning NA") return(NA_real_) } y <- matrix(1, nrow=ncol(x), ncol=nrow(x)) for (i in 1:nrow(x)) { for (j in 1:ncol(x)) { y[j,i] <- x[i,j] } } return(y) }$

Описание слайда:

Контрольные структуры # Транспонирование матрицы # Альтернативы встроенной функции t() mytrans <- function(x) { if (!is.matrix(x)) { warning("argument is not a matrix: returning NA") return(NA_real_) } y <- matrix(1, nrow=ncol(x), ncol=nrow(x)) for (i in 1:nrow(x)) { for (j in 1:ncol(x)) { y[j,i] <- x[i,j] } } return(y) }

Слайд 64

Описание слайда:

Контрольные структуры # Пример z <- matrix(1:10, nrow=5, ncol=2) tz <- mytrans(z)

Слайд 65

Описание слайда:

Встроенные функции R Практически любая операция в R связана с применением функций. Функции могут быть применены к ЛЮБЫМ объектам (в т. ч. список определенного типа, вектор, матрица, пр.)

Слайд 66

Описание слайда:

Числовые функции

Слайд 67

Описание слайда:

Слайд 68

Описание слайда:

Слайд 69

Описание слайда:

Другие полезные функции

Слайд 70

Описание слайда:

Сортировка Сортировка данных производится при помощи функции order( ) function. По умолчанию сортировка проводится по возрастанию (ASCENDING). # Пример сортировки data(mtcars) # sort by mpg newdata = mtcars[order(mtcars$mpg),] # sort by mpg and cyl newdata <- mtcars[order(mtcars$mpg, mtcars$cyl),] #sort by mpg (ascending) and cyl (descending) newdata <- mtcars[order(mtcars$mpg, -mtcars$cyl),]

Слайд 71

Описание слайда:

Объединение Для объединения двух таблиц данных используется функция merge. В большинстве случае можно объединить две таблицы данных по одному или нескольким ключам (inner join). # Объединение таблиц данных по ID total <- merge(dataframeA,dataframeB,by="ID") # Объединение таблиц данных по ID и стране total <- merge(dataframeA,dataframeB,by=c("ID","Country"))

Слайд 72

Описание слайда:

Объединение Добавление строк Для добавление строк к таблице данных используется функция rbind. Таблицы данных должны иметь одинаковые переменные, но не обязательно одинаковую размерность total <- rbind(dataframeA, dataframeB)

Слайд 73

Описание слайда:

Преобразования данных Полезные функции: is.numeric(), is.character(), is.vector(), is.matrix(), is.data.frame() as.numeric(), as.character(), as.vector(), as.matrix(), as.data.frame)