Funktionen in der R-Programmierung mit Beispiel
Evelyn Clarke
Was ist eine Funktion in R?
A FunktionIn einer Programmierumgebung handelt es sich um eine Reihe von Anweisungen. Ein Programmierer erstellt eine zu vermeidende Funktion Wiederholung der gleiche Aufgabe erledigen oder reduzieren Komplexität.
Eine Funktion sollte sein
- geschrieben, um eine bestimmte Aufgabe auszuführen
- kann Argumente enthalten oder auch nicht
- einen Körper enthalten
- kann einen oder mehrere Werte zurückgeben oder auch nicht.
Ein allgemeiner Ansatz für eine Funktion besteht darin, den Argumentteil als zu verwenden Eingänge, füttere die Körper Teil und schließlich zurückgeben Möglichkeiten für das Ausgangssignal:Die Syntax einer Funktion ist die folgende:
function (arglist) {
#Function body
}
R wichtige integrierte Funktionen
Es gibt viele integrierte Funktionen in R. R gleicht Ihre Eingabeparameter mit seinen Funktionsargumenten ab, entweder nach Wert oder nach Position, und führt dann den Funktionskörper aus. Funktionsargumente können Standardwerte haben: Wenn Sie diese Argumente nicht angeben, nimmt R den Standardwert an.
Note:
Sie können den Quellcode einer Funktion anzeigen, indem Sie den Namen der Funktion selbst in der Konsole ausführen.
Wir werden drei Funktionsgruppen in Aktion sehen
- Allgemeine Funktion
- Mathe-Funktion
- Statistische Funktion
Allgemeine Funktionen
Wir sind bereits mit allgemeinen Funktionen wie cbind(), rbind(),range(),sort(),order() vertraut. Jede dieser Funktionen hat eine bestimmte Aufgabe und nimmt Argumente entgegen, um eine Ausgabe zurückzugeben. Im Folgenden sind wichtige Funktionen aufgeführt, die man kennen muss:
diff()-Funktion
Wenn du daran arbeitest Zeitfolgen, Sie müssen die Serie stationär gestalten, indem Sie sie nehmen Verzögerungswerteherunterzuladen. Ein stationärer Prozess ermöglicht einen konstanten Mittelwert, eine konstante Varianz und eine konstante Autokorrelation über die Zeit. Dies verbessert vor allem die Vorhersage einer Zeitreihe. Das geht ganz einfach mit der Funktion diff(). Wir können zufällige Zeitreihendaten mit einem Trend erstellen und dann die Funktion diff() verwenden, um die Reihe zu stationieren. Die Funktion diff() akzeptiert ein Argument, einen Vektor, und gibt eine geeignete verzögerte und iterierte Differenz zurück.
Note: Wir müssen oft zufällige Daten erstellen, aber zum Lernen und Vergleichen möchten wir, dass die Zahlen auf allen Maschinen identisch sind. Um sicherzustellen, dass wir alle dieselben Daten generieren, verwenden wir die Funktion set.seed() mit beliebigen Werten von 123. Die Funktion set.seed() wird durch den Prozess eines Pseudozufallszahlengenerators generiert, der dafür sorgt, dass alle modernen Computer dieselbe Zahlenfolge haben. Wenn wir die Funktion set.seed() nicht verwenden, haben wir alle unterschiedliche Zahlenfolgen.
set.seed(123) ## Create the data x = rnorm(1000) ts <- cumsum(x) ## Stationary the serie diff_ts <- diff(ts) par(mfrow=c(1,2)) ## Plot the series plot(ts, type='l') plot(diff(ts), type='l')
length()-Funktion
In vielen Fällen wollen wir das wissen Länge eines Vektors zur Berechnung oder zur Verwendung in einer For-Schleife. Die Funktion length() zählt die Anzahl der Zeilen im Vektor x. Die folgenden Codes importieren den Datensatz cars und geben die Anzahl der Zeilen zurück.
Note: length() gibt die Anzahl der Elemente in einem Vektor zurück. Wird die Funktion an eine Matrix oder einen Datenrahmen übergeben, wird die Anzahl der Spalten zurückgegeben.
dt <- cars ## number columns length(dt)
Ausgang:
## [1] 1
## number rows length(dt[,1])
Ausgang:
## [1] 50
Mathematische Funktionen
R hat eine Reihe von mathematischen Funktionen.
| OperaDo. | Beschreibung |
|---|---|
| abs (x) | Nimmt den Absolutwert von x |
| log(x,base=y) | Nimmt den Logarithmus von x mit der Basis y; Wenn Basis nicht angegeben ist, wird der natürliche Logarithmus zurückgegeben |
| Erfahrung (x) | Gibt die Exponentialfunktion von x zurück |
| sqrt (x) | Gibt die Quadratwurzel von x zurück |
| Fakultät(x) | Gibt die Fakultät von x (x!) zurück |
# sequence of number from 44 to 55 both including incremented by 1 x_vector <- seq(45,55, by = 1) #logarithm log(x_vector)
Ausgang:
## [1] 3.806662 3.828641 3.850148 3.871201 3.891820 3.912023 3.931826 ## [8] 3.951244 3.970292 3.988984 4.007333
#exponential exp(x_vector)
#squared root sqrt(x_vector)
Ausgang:
## [1] 6.708204 6.782330 6.855655 6.928203 7.000000 7.071068 7.141428 ## [8] 7.211103 7.280110 7.348469 7.416198
#factorial factorial(x_vector)
Ausgang:
## [1] 1.196222e+56 5.502622e+57 2.586232e+59 1.241392e+61 6.082819e+62 ## [6] 3.041409e+64 1.551119e+66 8.065818e+67 4.274883e+69 2.308437e+71 ## [11] 1.269640e+73
Statistische Funktionen
Die R-Standardinstallation enthält eine Vielzahl statistischer Funktionen. In diesem Tutorial gehen wir kurz auf die wichtigste Funktion ein.
Grundlegende Statistikfunktionen
| OperaDo. | Beschreibung |
|---|---|
| Mittelwert(x) | Mittelwert von x |
| Median(x) | Median von x |
| var(x) | Varianz von x |
| sd(x) | Standardabweichung von x |
| Maßstab(x) | Standardwerte (Z-Werte) von x |
| Quantil(x) | Die Quartile von x |
| Zusammenfassung(x) | Zusammenfassung von x: Mittelwert, Minimum, Maximum usw. |
speed <- dt$speed speed # Mean speed of cars dataset mean(speed)
Ausgang:
## [1] 15.4
# Median speed of cars dataset median(speed)
Ausgang:
## [1] 15
# Variance speed of cars dataset var(speed)
Ausgang:
## [1] 27.95918
# Standard deviation speed of cars dataset sd(speed)
Ausgang:
## [1] 5.287644
# Standardize vector speed of cars dataset head(scale(speed), 5)
Ausgang:
## [,1] ## [1,] -2.155969 ## [2,] -2.155969 ## [3,] -1.588609 ## [4,] -1.588609 ## [5,] -1.399489
# Quantile speed of cars dataset quantile(speed)
Ausgang:
## 0% 25% 50% 75% 100% ## 4 12 15 19 25
# Summary speed of cars dataset summary(speed)
Ausgang:
## Min. 1st Qu. Median Mean 3rd Qu. Max. ## 4.0 12.0 15.0 15.4 19.0 25.0
Bis zu diesem Punkt haben wir viele in R integrierte Funktionen gelernt.
Note: Seien Sie vorsichtig mit der Klasse des Arguments, z. B. numerisch, boolesch oder Zeichenfolge. Wenn wir beispielsweise einen Zeichenfolgenwert übergeben müssen, müssen wir die Zeichenfolge in Anführungszeichen setzen: „ABC“.
Funktion in R schreiben
Manchmal müssen wir unsere eigene Funktion schreiben, weil wir eine bestimmte Aufgabe erfüllen müssen und es keine vorgefertigte Funktion gibt. Eine benutzerdefinierte Funktion umfasst a Name, Argumente und einem Körper.
function.name <- function(arguments)
{
computations on the arguments
some other code
}
Note: Eine gute Vorgehensweise besteht darin, eine benutzerdefinierte Funktion anders zu benennen als eine integrierte Funktion. Es vermeidet Verwirrung.
Eine Argumentfunktion
Im nächsten Codeausschnitt definieren wir eine einfache Quadratfunktion. Die Funktion akzeptiert einen Wert und gibt das Quadrat des Werts zurück.
square_function<- function(n)
{
# compute the square of integer `n`
n^2
}
# calling the function and passing value 4
square_function(4)
Code Erklärung
- Die Funktion heißt „square_function“; es kann heißen, wie wir wollen.
- Es erhält ein Argument „n“. Wir Der Variablentyp wurde nicht angegeben, sodass der Benutzer eine Ganzzahl, einen Vektor oder eine Matrix übergeben kann
- Die Funktion nimmt die Eingabe „n“ und gibt das Quadrat der Eingabe zurück. Wenn Sie mit der Verwendung der Funktion fertig sind, können wir sie mit der Funktion rm() entfernen.
# nachdem Sie die Funktion erstellt haben
rm(square_function) square_function
Auf der Konsole wird die Fehlermeldung „Fehler: Objekt „Quadratfunktion“ nicht gefunden“ angezeigt, die besagt, dass die Funktion nicht existiert.
Umgebungs-Scoping
In R ist die -Umgebung ist eine der Abholung von Objekten wie Funktionen, Variablen, Datenrahmen usw.
R öffnet jedes Mal eine Umgebung, wenn Rstudio dazu aufgefordert wird.
Die verfügbare Top-Level-Umgebung ist die globale Umwelt, genannt R_GlobalEnv. Und wir haben das unmittelbare Umwelt.
Wir können den Inhalt der aktuellen Umgebung auflisten.
ls(environment())
Ausgang
## [1] "diff_ts" "dt" "speed" "square_function" ## [5] "ts" "x" "x_vector"
Sie können alle in R_GlobalEnv erstellten Variablen und Funktionen sehen.
Die obige Liste variiert je nach dem historischen Code, den Sie in R Studio ausführen.
Beachten Sie, dass n das Argument der Funktion „square_function“ ist nicht in diesem globalen Umfeld.
A neu Für jede Funktion wird eine Umgebung erstellt. Im obigen Beispiel erstellt die Funktion „square_function()“ eine neue Umgebung innerhalb der globalen Umgebung.
Um den Unterschied zwischen zu verdeutlichen globale und unmittelbare Umwelt, betrachten wir das folgende Beispiel
Diese Funktion nimmt einen Wert x als Argument und fügt ihn zu y hinzu, um außerhalb und innerhalb der Funktion zu definieren
Die Funktion f gibt die Ausgabe 15 zurück. Dies liegt daran, dass y in der globalen Umgebung definiert ist. Jede in der globalen Umgebung definierte Variable kann lokal verwendet werden. Die Variable y hat bei allen Funktionsaufrufen den Wert 10 und ist jederzeit zugänglich.
Sehen wir uns an, was passiert, wenn die Variable y innerhalb der Funktion definiert wird.
Wir müssen „y“ löschen, bevor wir diesen Code mit rm r ausführen können
Die Ausgabe ist ebenfalls 15, wenn wir f(5) aufrufen, gibt aber einen Fehler zurück, wenn wir versuchen, den Wert y auszugeben. Die Variable y befindet sich nicht in der globalen Umgebung.
Schließlich verwendet R die aktuellste Variablendefinition, um sie im Hauptteil einer Funktion zu übergeben. Betrachten wir das folgende Beispiel:
R ignoriert die außerhalb der Funktion definierten y-Werte, da wir explizit jede y-Variable innerhalb des Funktionskörpers erstellt haben.
Funktion mit mehreren Argumenten
Wir können eine Funktion mit mehr als einem Argument schreiben. Betrachten Sie die Funktion „Zeiten“. Es handelt sich um eine einfache Funktion, die zwei Variablen multipliziert.
times <- function(x,y) {
x*y
}
times(2,4)
Ausgang:
## [1] 8
Wann sollten wir eine Funktion schreiben?
Datenwissenschaftler müssen viele sich wiederholende Aufgaben erledigen. Meistens kopieren und fügen wir Codeblöcke wiederholt ein. Beispielsweise wird dringend empfohlen, eine Variable zu normalisieren, bevor wir a ausführen Maschinelles Lernen Algorithmus. Die Formel zum Normalisieren einer Variablen lautet:
Wir wissen bereits, wie man die Funktionen min() und max() in R verwendet. Wir verwenden die Tibble-Bibliothek, um den Datenrahmen zu erstellen. Tibble ist bisher die bequemste Funktion, um einen Datensatz von Grund auf zu erstellen.
library(tibble) # Create a data frame data_frame <- tibble( c1 = rnorm(50, 5, 1.5), c2 = rnorm(50, 5, 1.5), c3 = rnorm(50, 5, 1.5), )
Wir werden in zwei Schritten vorgehen, um die oben beschriebene Funktion zu berechnen. Im ersten Schritt erstellen wir eine Variable namens c1_norm, die die Neuskalierung von c1 darstellt. Im zweiten Schritt kopieren wir einfach den Code von c1_norm, fügen ihn ein und ändern ihn mit c2 und c3.
Detail der Funktion mit der Spalte c1:
Nominator: : data_frame$c1 -min(data_frame$c1))
Nenner: max(data_frame$c1)-min(data_frame$c1))
Daher können wir sie dividieren, um den normalisierten Wert von Spalte c1 zu erhalten:
(data_frame$c1 -min(data_frame$c1))/(max(data_frame$c1)-min(data_frame$c1))
Wir können c1_norm, c2_norm und c3_norm erstellen:
Create c1_norm: rescaling of c1 data_frame$c1_norm <- (data_frame$c1 -min(data_frame$c1))/(max(data_frame$c1)-min(data_frame$c1)) # show the first five values head(data_frame$c1_norm, 5)
Ausgang:
## [1] 0.3400113 0.4198788 0.8524394 0.4925860 0.5067991
Es klappt. Wir können kopieren und einfügen
data_frame$c1_norm <- (data_frame$c1 -min(data_frame$c1))/(max(data_frame$c1)-min(data_frame$c1))
Ändern Sie dann c1_norm in c2_norm und c1 in c2. Wir machen dasselbe, um c3_norm zu erstellen
data_frame$c2_norm <- (data_frame$c2 - min(data_frame$c2))/(max(data_frame$c2)-min(data_frame$c2)) data_frame$c3_norm <- (data_frame$c3 - min(data_frame$c3))/(max(data_frame$c3)-min(data_frame$c3))
Wir haben die Variablen c1, c2 und c3 perfekt neu skaliert.
Allerdings ist diese Methode fehleranfällig. Wir könnten den Spaltennamen kopieren und nach dem Einfügen vergessen, ihn zu ändern. Daher empfiehlt es sich, jedes Mal eine Funktion zu schreiben, wenn Sie denselben Code mehr als zweimal einfügen müssen. Wir können den Code in eine Formel umwandeln und ihn jederzeit aufrufen, wenn er benötigt wird. Um unsere eigene Funktion zu schreiben, müssen wir Folgendes angeben:
- Name: normalisieren.
- die Anzahl der Argumente: Wir benötigen nur ein Argument, nämlich die Spalte, die wir in unserer Berechnung verwenden.
- Der Körper: Das ist einfach die Formel, die wir zurückgeben wollen.
Wir werden Schritt für Schritt vorgehen, um die Funktion normalisieren zu erstellen.
Schritt 1) Wir schaffen die Nominator, welches ist . In R können wir den Nominator in einer Variablen wie dieser speichern:
nominator <- x-min(x)
Schritt 2) Wir berechnen die Nenner: . Wir können die Idee von Schritt 1 wiederholen und die Berechnung in einer Variablen speichern:
denominator <- max(x)-min(x)
Schritt 3) Wir führen die Division zwischen Nominator und Nenner durch.
normalize <- nominator/denominator
Schritt 4) Um einen Wert an die aufrufende Funktion zurückzugeben, müssen wir normalize in return() übergeben, um die Ausgabe der Funktion zu erhalten.
return(normalize)
Schritt 5) Wir sind bereit, die Funktion zu verwenden, indem wir alles in die Klammer einschließen.
normalize <- function(x){
# step 1: create the nominator
nominator <- x-min(x)
# step 2: create the denominator
denominator <- max(x)-min(x)
# step 3: divide nominator by denominator
normalize <- nominator/denominator
# return the value
return(normalize)
}
Testen wir unsere Funktion mit der Variablen c1:
normalize(data_frame$c1)
Es funktioniert perfekt. Wir haben unsere erste Funktion erstellt.
Funktionen sind eine umfassendere Möglichkeit, eine sich wiederholende Aufgabe auszuführen. Wir können die Normalisierungsformel wie folgt für verschiedene Spalten verwenden:
data_frame$c1_norm_function <- normalize (data_frame$c1) data_frame$c2_norm_function <- normalize (data_frame$c2) data_frame$c3_norm_function <- normalize (data_frame$c3)
Auch wenn das Beispiel einfach ist, können wir die Leistungsfähigkeit einer Formel ableiten. Der obige Code ist einfacher zu lesen und vermeidet insbesondere Fehler beim Einfügen von Codes.
Funktionen mit Bedingung
Manchmal müssen wir Bedingungen in eine Funktion einfügen, damit der Code unterschiedliche Ausgaben zurückgeben kann.
Bei maschinellen Lernaufgaben müssen wir den Datensatz in einen Zugsatz und einen Testsatz aufteilen. Der Zugsatz ermöglicht es dem Algorithmus, aus den Daten zu lernen. Um die Leistung unseres Modells zu testen, können wir den Testsatz verwenden, um das Leistungsmaß zurückzugeben. R verfügt nicht über eine Funktion zum Erstellen zweier Datensätze. Wir können dazu unsere eigene Funktion schreiben. Unsere Funktion benötigt zwei Argumente und heißt split_data(). Die Idee dahinter ist einfach: Wir multiplizieren die Länge des Datensatzes (dh die Anzahl der Beobachtungen) mit 0.8. Wenn wir beispielsweise den Datensatz im Verhältnis 80/20 aufteilen möchten und unser Datensatz 100 Zeilen enthält, multipliziert unsere Funktion 0.8*100 = 80. 80 Zeilen werden als unsere Trainingsdaten ausgewählt.
Wir werden den Luftqualitätsdatensatz verwenden, um unsere benutzerdefinierte Funktion zu testen. Der Luftqualitätsdatensatz besteht aus 153 Zeilen. Wir können es mit dem folgenden Code sehen:
nrow(airquality)
Ausgang:
## [1] 153
Wir werden wie folgt vorgehen:
split_data <- function(df, train = TRUE) Arguments: -df: Define the dataset -train: Specify if the function returns the train set or test set. By default, set to TRUE
Unsere Funktion hat zwei Argumente. Das Argument train ist ein Boolescher Parameter. Wenn es auf TRUE gesetzt ist, erstellt unsere Funktion den Trainingsdatensatz, andernfalls erstellt sie den Testdatensatz.
Wir können so vorgehen, wie wir es mit der normalise()-Funktion getan haben. Wir schreiben den Code so, als wäre es nur einmaliger Code und packen dann alles mit der Bedingung in den Body, um die Funktion zu erstellen.
Schritt 1:
Wir müssen die Länge des Datensatzes berechnen. Dies geschieht mit der Funktion nrow(). Nrow gibt die Gesamtzahl der Zeilen im Datensatz zurück. Wir nennen die Variable Länge.
length<- nrow(airquality) length
Ausgang:
## [1] 153
Schritt 2:
Wir multiplizieren die Länge mit 0.8. Es wird die Anzahl der auszuwählenden Zeilen zurückgegeben. Es sollte 153*0.8 = 122.4 sein
total_row <- length*0.8 total_row
Ausgang:
## [1] 122.4
Wir möchten 122 Zeilen aus den 153 Zeilen im Luftqualitätsdatensatz auswählen. Wir erstellen eine Liste mit Werten von 1 bis total_row. Das Ergebnis speichern wir in der Variablen namens split
split <- 1:total_row split[1:5]
Ausgang:
## [1] 1 2 3 4 5
Split wählt die ersten 122 Zeilen aus dem Datensatz aus. Wir können beispielsweise sehen, dass unsere Variablenaufteilung die Werte 1, 2, 3, 4, 5 usw. erfasst. Diese Werte dienen als Index, wenn wir die zurückzugebenden Zeilen auswählen.
Schritt 3:
Wir müssen die Zeilen im Luftqualitätsdatensatz basierend auf den in der geteilten Variablen gespeicherten Werten auswählen. Das geht so:
train_df <- airquality[split, ] head(train_df)
Ausgang:
##[1] Ozone Solar.R Wind Temp Month Day ##[2] 51 13 137 10.3 76 6 20 ##[3] 15 18 65 13.2 58 5 15 ##[4] 64 32 236 9.2 81 7 3 ##[5] 27 NA NA 8.0 57 5 27 ##[6] 58 NA 47 10.3 73 6 27 ##[7] 44 23 148 8.0 82 6 13
Schritt 4:
Wir können den Testdatensatz erstellen, indem wir die verbleibenden Zeilen 123:153 verwenden. Dies geschieht durch die Verwendung von – vor split.
test_df <- airquality[-split, ] head(test_df)
Ausgang:
##[1] Ozone Solar.R Wind Temp Month Day ##[2] 123 85 188 6.3 94 8 31 ##[3] 124 96 167 6.9 91 9 1 ##[4] 125 78 197 5.1 92 9 2 ##[5] 126 73 183 2.8 93 9 3 ##[6] 127 91 189 4.6 93 9 4 ##[7] 128 47 95 7.4 87 9 5
Schritt 5:
Wir können die Bedingung innerhalb des Funktionskörpers erstellen. Denken Sie daran, dass wir einen Argumentzug haben, der standardmäßig auf TRUE gesetzt ist, um den Zugsatz zurückzugeben. Um die Bedingung zu erstellen, verwenden wir die if-Syntax:
if (train ==TRUE){
train_df <- airquality[split, ]
return(train)
} else {
test_df <- airquality[-split, ]
return(test)
}
Das ist es, wir können die Funktion schreiben. Wir müssen „airquality“ nur in „df“ ändern, weil wir unsere Funktion auf „any“ testen möchten Datenrahmen, nicht nur Luftqualität:
split_data <- function(df, train = TRUE){
length<- nrow(df)
total_row <- length *0.8
split <- 1:total_row
if (train ==TRUE){
train_df <- df[split, ]
return(train_df)
} else {
test_df <- df[-split, ]
return(test_df)
}
}
Probieren wir unsere Funktion am Luftqualitätsdatensatz aus. Wir sollten einen Zugsatz mit 122 Zeilen und einen Testsatz mit 31 Zeilen haben.
train <- split_data(airquality, train = TRUE) dim(train)
Ausgang:
## [1] 122 6
test <- split_data(airquality, train = FALSE) dim(test)
Ausgang:
## [1] 31 6
