Введение в R - презентация, доклад, проект скачать

Нажмите для полного просмотра!

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Введение в R. Доклад-сообщение содержит 47 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:

Введение в R

Слайд 2

Описание слайда:

Что такое R? Программное средство для Чтения и манипулирования данными Вычислений Проведения статистического анализа Отображения результатов Реализация языка S – языка для манипулирования объектами Среда программирования R – это среда программирования для анализа данных и графики. Язык изначально был создан Ross Ihaka и Robert Gentleman на кафедре статистики в университете Окленда. Сейчас множество людей развивают этот язык. Платформа для разработки и внедрения новых алгоритмов. R предоставляет платформу для разработки новых алгоритмов и передачи методов. Это может быть достигнуто тремя путями: Функции, которые используют существующие в R алгоритмы Функции, которые вызывают процедуры, написанные на C или Fortran Создание пакетов, содержащих код для обобщения и представления данных, вывода их на печать или в виде графиков

Слайд 3

Описание слайда:

Где взять R Последняя копия Последняя копия R может быть скачана с вебсайта CRAN (Comprehensive R Archive Network) : R Packages пакеты R также могут быть скачаны с этого сайта, или могут идти вместе с R. Список пакетов с их кратким описанием также можно найти на сайте. Документация, руководство пользователя, книги Тоже на этом сайте

Слайд 4

Описание слайда:

Команды языка R В R все команды записываются в файл .Rhistory. Команды можно вызывать повторно, в отличие от MatLab. Чтобы убедиться в сохранении истории команд, можно явно воспользоваться функцией savedhistory(). История команд, использованных во время предыдущей сессии, может быть вызвана с помощью функции loadhistory(). Предыдущие команды вызываются клавишами ↑ и ↓.

Слайд 5

Описание слайда:

Объекты R По умолчанию R создает объекты в памяти и сохраняет их в единственный файл .Rdata. Объекты R автоматически сохраняются в этот файл. Пакеты загружаются в текущей сессии R.

Слайд 6

Описание слайда:

Выход из R Команда q() Или просто закрыть окно. При этом будет предложено сохранить сессию.

Слайд 7

Описание слайда:

Инсталляция пакетов R Инсталлировать пакет в R можно с помощью меню Packages/Install Packages. При этом будет предложено выбрать сайт для инсталляции. После инсталляции пакеты можно загружать в R с помощью Packages/Load Package.

Слайд 8

Описание слайда:

Язык R Базовый синтаксис

Слайд 9

Описание слайда:

Ввод команд в R По умолчанию место для ввода команды в R обозначается знаком >: > 5+2 [1] 7 Если команда синтаксически неполная, появляется знак продолжения +: > 8+3* + 5 [1] 23 Оператор присваивания – левая стрелка a a [1] 9

Слайд 10

Описание слайда:

Ввод команд в R Последнее выражение можно получить с помощью внутреннего объекта .Last.value: > value value [1] 9 Функции rm() или remove() используются для удаления объектов из рабочей директории: > rm(value) > value Ошибка: объект 'value' не найден

Слайд 11

Описание слайда:

Имена в R Имена в R могут быть любыми комбинациями букв, цифр и точек, но они не могут начинаться с цифры. R чувствителен к регистру. Нужно избегать использования имен встроенных функций в качестве объектов. Для этого желательно проверять содержание объекта, который вы хотите использовать. > value Ошибка: объект 'value' не найден > T [1] TRUE > t function (x) UseMethod("t")

Слайд 12

Описание слайда:

Использование пробелов R игнорирует лишние пробелы между именами объектов и операторами: > value value [1] 8 Но в операторе присваивания нельзя использовать пробел между < и -. Количество пробелов в выражениях, стоящих в кавычках, существенно: > value value1 value==value1 [1] FALSE

Слайд 13

Описание слайда:

Справка Вызов справки по функции, объекту или оператору осуществляется следующими командами: >?function >help(function) или вызовом меню Help в R. Вызов справки по какой-либо теме осуществляется командой >help.search("topic"), например: > help.search("linear regression")

Слайд 14

Описание слайда:

Типы данных В R есть четыре атомарных типа данных Numeric > value value [1] 605 Character > string 2 < 4 [1] TRUE Complex number > cn cn [1] 2+3i

Слайд 15

Описание слайда:

Атрибуты объекта Атрибуты важны при манипулировании объектами. У всех объектов есть два атрибута -- mode и length. > mode(value) [1] "numeric" > length(value) [1] 1 > mode(string) [1] "character" > length(string) [1] 1 > mode(2 mode(cn) [1] "complex" > length(cn) [1] 1 > mode(sin) [1] "function" Объекты NULL – это пустые объекты без присвоенного mode. Их длина равна нулю. > names(value) [1] NULL

Слайд 16

Описание слайда:

Пропущенные значения Во многих практических примерах некоторые элементы данных могут быть неизвестны, следовательно, им будет присвоено пропущенное значение. Код для пропущенных значений это NA. Он указывает на то, что значение элемента объекта неизвестно. Каждая операция над NA дает результат NA. Функция is.na() может быть использована для проверки пропущенных значений в объекте. > value is.na(value) [1] FALSE FALSE FALSE TRUE > any(is.na(value)) [1] TRUE > na.omit(value) [1] 3 6 23 > attr(,"na.action") [1] 4 > attr(,"class") [1] "omit"

Слайд 17

Описание слайда:

Неопределенные и бесконечные значения Бесконечные и неопределенные значения (Inf, -Inf and NaN) могут быть протестированы с помощью функций is.finite, is.infinite, is.nan и is.number аналогичным образом. Эти значения можно получить, например, при делении на 0 или взятии логарифма от 0. > value1 value2 value3 cat("value1 = ",value1," value2 = ",value2, " value3 = ",value3,"\n") value1 = Inf value2 = -Inf value3 = NaN

Слайд 18

Описание слайда:

Арифметические операторы

Слайд 19

Описание слайда:

Операторы сравнения

Слайд 20

Описание слайда:

Логические операторы

Слайд 21

Описание слайда:

Распределения и симуляция В R есть множество распределений для симуляции данных, нахождения квантилей, вероятностей и функций плотности. Менее распространенные распределения находятся в специальных пакетах. Примеры распределений вероятности:

Слайд 22

Описание слайда:

Распределения и симуляция В R каждое в имени каждого распределения используется префикс, обозначающий, нужно ли использовать вероятность, квантиль, функцию плотности или случайное значение. Ниже показаны все возможные префиксы: p: вероятности (функции распределения) q: квантили (процентные точки) d: функции плотности (вероятности для дискретных случайных величин) r: случайные (или симулированные) значения. Следующий пример показывает, как можно симулировать данные из нормального распределения, используя функция rnorm.

Слайд 23

Описание слайда:

Пример norm.vals1

Слайд 24

Описание слайда:

Гистограммы

Слайд 25

Описание слайда:

Интерпретация результатов С ростом размера выборки форма распределения становится больше похожа на нормальное распределение. Про объект norm.vals1 трудно сказать, что он был сгенерирован из нормального распределения с мат.ожиданием 0 и СКО 1. Если посмотреть на суммарную статистику этого объекта, то увидим, что его мат. ожидание и СКО не близки к 0 и 1 соответственно. > c(mean(norm.vals1),sd(norm.vals1)) [1] 0.2461831 0.7978427 Посчитаем МО и СКО объекта norm.vals4, сгенерированного 10,000 случайных значений из распределения N(0, 1): > c(mean(norm.vals4),sd(norm.vals4)) [1] 0.004500385 1.013574485 Для больших симуляций, результат будет еще ближе: > norm.vals5 c(mean(norm.vals5),sd(norm.vals5)) [1] 0.0004690608 0.9994011738

Слайд 26

Описание слайда:

Центральная предельная теорема При приближении размера n выборки, взятой из популяции с математическим ожиданием μ и дисперсией σ2, к бесконечности, статистические оценки выборочного распределения будут сходится к рассматриваемым теоретическим распределениям.

Слайд 27

Описание слайда:

Объекты R

Слайд 28

Описание слайда:

Объекты данных в R Четыре наиболее часто используемых типа объектов данных в R – это векторы, матрицы, блоки данных и списки. Вектор – набор элементов одинакового вида (mode), логических, численных (integer или double), комплексных, символьных или списков. Матрица это множество элементов, представленных в виде строк и столбцов, где все элементы одного вида (mode), логических, численных (integer или double), комплексных или символьных. Блок данных – то же самое, что и матрица, но колонки могут быть разных видов. Список – это обобщение вектора, представляющее собой коллекцию объектов данных.

Слайд 29

Описание слайда:

Создание векторов Функция c Самый простой способ создать вектор – конкатенация с помощью функции c, связывающей вместе символьные, численные или логические элементы. > value.num value.char value.logical.1 value.logical.2

Слайд 30

Описание слайда:

Создание векторов Функции rep и seq Функция rep реплицирует элементы векторов. Например, > value value [1] 5 5 5 5 5 5 Функция seq создает регулярную последовательность значений, формирующих вектор. > seq(from=2,to=10,by=2) [1] 2 4 6 8 10 > seq(from=2,to=10,length=5) [1] 2 4 6 8 10 > 1:5 [1] 1 2 3 4 5 > seq(along=value) [1] 1 2 3 4 5 6

Слайд 31

Описание слайда:

Создание векторов Комбинирование функций c, rep и seq > value value [1] 1 3 4 3 3 3 3 1 3 5 Элементы вектора должны быть одного вида. Команда > c(1:3,"a","b","c") выдаст сообщение об ошибке.

Слайд 32

Описание слайда:

Создание векторов Функция scan Функция scan используется для ввода данных с клавиатуры. Также данные могут считываться из файлов. Пример считывания данных с клавиатуры: > value value [1] 3 4 2 6 20

Слайд 33

Описание слайда:

Основные вычисления с численными векторами Вычисления над векторами производятся поэлементно. При выполнении арифметических операций над векторами, один из которых короче другого, более короткий вектор используется повторно. > x x [1] 0.3565455 0.8021543 0.6338499 0.9511269 [5] 0.9741948 0.1371202 0.2457823 0.7773790 [9] 0.2524180 0.5636271 > y y [1] 1.713091 2.604309 2.267700 2.902254 2.948390 [6] 1.274240 1.491565 2.554758 1.504836 2.127254

Слайд 34

Описание слайда:

Пример > z z [1] -0.69326707 0.75794573 0.20982940 1.24310440 [5] 1.31822981 -1.40786896 -1.05398941 0.67726018 [9] -1.03237897 -0.01886511 > mean(z) [1] -1.488393e-16 > sd(z) [1] 1

Слайд 35

Описание слайда:

Функции, которые дают результат такой же длины

Слайд 36

Описание слайда:

Функции, результатом которых является число

Слайд 37

Описание слайда:

Создание матриц Функции dim и matrix Функция dim может использоваться для конвертации вектора в матрицу > value dim(value) value [,1] [,2] [,3] [1,] 0.7093460 -0.8643547 -0.1093764 [2,] -0.3461981 -1.7348805 1.8176161 Чтобы конвертировать назад в вектор, надо опять применить функцию dim. dim(value) matrix(value,2,3) [,1] [,2] [,3] [1,] 0.7093460 -0.8643547 -0.1093764 [2,] -0.3461981 -1.7348805 1.8176161 Если хотим заполнять по строкам > matrix(value,2,3,byrow=T) [,1] [,2] [,3] [1,] 0.709346 -0.3461981 -0.8643547 [2,] -1.734881 -0.1093764 1.8176161

Слайд 38

Описание слайда:

Создание матриц Функции rbind и cbind Чтобы привязать строку к уже существующей матрице, используется функция rbind > value value2 value2 [,1] [,2] [,3] [1,] 0.5037181 0.2142138 0.3245778 [2,] -0.3206511 -0.4632307 0.2654400 [3,] 1.0000000 1.0000000 2.0000000 Чтобы привязать столбец к уже существующей матрице, используется функция cbind > value3

Слайд 39

Описание слайда:

Функция data.frame Функция data.frame конвертирует матрицу или коллекцию векторов в блок данных > value3 value3 X1 X2 X3 X4 1 0.5037181 0.2142138 0.3245778 1 2 -0.3206511 -0.4632307 0.2654400 1 3 1.0000000 1.0000000 2.0000000 2 В другом примере соединим две колонки данных вместе. > value4 value4 rnorm.3. runif.3. 1 -0.6786953 0.8105632 2 -1.4916136 0.6675202 3 0.4686428 0.6593426

Слайд 40

Описание слайда:

Блоки данных Имена строк и столбцов в блоке данных создаются по умолчанию, но их можно поменять, используя функции names и row.names. Посмотрим названия строк и столбцов блока данных: > names(value3) [1] "X1" "X2" "X3" "X4" > row.names(value3) [1] "1" "2" "3" Другие метки можно присвоить следующим образом: > names(value3) row.names(value3) data.frame(C1=rnorm(3),C2=runif(3),row.names=c("R1","R2","R3") C1 C2 R1 -0.2177390 0.8652764 R2 0.4142899 0.2224165 R3 1.8229383 0.5382999

Слайд 41

Описание слайда:

Доступ к элементам векторов и матриц через индексирование Индексирование может осуществляться через Вектор положительных чисел, чтобы указывать включение Вектор отрицательных чисел, чтобы указывать включение Вектор логических значений, чтобы указывать, какие элементы нужны, а какие нет Вектор имен, если у объекта есть атрибут names В последнем случае, если справа стоит нулевой индекс, элементы не выбираются. Если нулевой индекс появляется слева, не происходит присваивание.

Слайд 42

Описание слайда:

Индексирование векторов Создаем случайный набор значений от 1 до 5 из 20 элементов, определяем, какие элементы равны 1. > x x [1] 3 4 1 1 2 1 4 2 1 1 5 3 1 1 1 2 4 5 5 3 > x == 1 [1] FALSE FALSE TRUE TRUE FALSE TRUE FALSE FALSE TRUE [10] TRUE FALSE FALSE TRUE TRUE TRUE FALSE FALSE FALSE [19] FALSE FALSE ones x[ones] x [1] 3 4 0 0 2 0 4 2 0 0 5 3 0 0 0 2 4 5 5 3 > others 1) # parentheses unnecessary > y y [1] 3 4 2 4 2 5 3 2 4 5 5 3 Следующая команда возвращает позиции элементов вектора x, больших 1 that is greater than 1. > which(x > 1) [1] 1 2 5 7 8 11 12 16 17 18 19 20

Слайд 43

Описание слайда:

Индексирование блоков данных Блоки данных индексируются или через строки и столбцы с использованием специального имени, которое соответствует строке или столбцу, или с использованием номеров. below. Индексирование по столбцу: > value3 C1 C2 C3 C4 R1 0.5037181 0.2142138 0.3245778 1 R2 -0.3206511 -0.4632307 0.2654400 1 R3 1.0000000 1.0000000 2.0000000 2 > value3[, "C1"] value3 C1 C2 C3 C4 R1 0 0.2142138 0.3245778 1 R2 0 -0.4632307 0.2654400 1 R3 0 1.0000000 2.0000000 2

Слайд 44

Описание слайда:

Индексирование блоков данных Индексирование по строке: > value3["R1", ] value3 C1 C2 C3 C4 R1 0 0.0000000 0.0000000 0 R2 0 -0.4632307 0.2654400 1 R3 0 1.0000000 2.0000000 2 > value3[] value3 C1 C2 C3 C4 R1 1 4 7 10 R2 2 5 8 11 R3 3 6 9 12

Слайд 45

Описание слайда:

Индексирование блоков данных Чтобы получить доступ к первым двум строкам матрицы или блока данных: > value3[1:2,] C1 C2 C3 C4 R1 1 4 7 10 R2 2 5 8 11 Чтобы получить доступ к первым двум столбцам матрицы или блока данных: > value3[,1:2] C1 C2 R1 1 4 R2 2 5 R3 3 6 Чтобы получить доступ к элементам со значением больше 5: > as.vector(value3[value3>5]) [1] 6 7 8 9 10 11 12

Слайд 46

Описание слайда:

Создание списков Списки создаются с помощью функции list. Могут включать элементы различных видов, длины и размера > L1 L1 $x [1] 2 1 1 4 5 3 4 5 5 3 3 3 4 3 2 3 3 2 3 1 $y [1] "a" "b" "c" "d" "e" "a" "b" "c" "d" "e" "a" "b“ [13] "c" "d" "e" "a" "b" "c" "d" "e" $z [1] 1 3 0 0 3 1 3 1 0 1 2 2 0 3 1 1 0 1 2 0

Слайд 47

Описание слайда:

Доступ к элементам списка Через имя или по номеру позиции, на которой находится элемент, с использованием операции взятия подмножества [[]] или извлечения $. > L1[["x"]] [1] 2 1 1 4 5 3 4 5 5 3 3 3 4 3 2 3 3 2 3 1 > L1$x [1] 2 1 1 4 5 3 4 5 5 3 3 3 4 3 2 3 3 2 3 1 > L1[[1]] [1] 2 1 1 4 5 3 4 5 5 3 3 3 4 3 2 3 3 2 3 1 Чтобы извлечь подсписок, используются одинарные скобки: > L1[1] $x [1] 2 1 1 4 5 3 4 5 5 3 3 3 4 3 2 3 3 2 3 1

Теги Введение

Похожие презентации