Adattípusok R-ben példával

Mik az R adattípusai?

A következők az adattípusok vagy adatstruktúrák az R programozásban:

• Skalárok
• Vektorok (numerikus, karakteres, logikai)
• mátrixok
• Adatkeretek
• listák

Ez a lista két kapcsolódó gondolatot ötvöz, és szétválasztásuk megkönnyíti az oldal többi részének követését. adattípus leírja, hogy mit jelent egyetlen érték – egy szám, egy szövegrészlet, IGAZ vagy HAMIS. adatszerkezet leírja, hogy hány érték van együtt tartva és milyen alakban. A skalárok, vektorok, mátrixok, adatkeretek és listák struktúrák; a bennük lévő értékek továbbra is az R egyik alaptípusához tartoznak.

Az R-nek nincs külön skalártípusa: egy skalár egyszerűen egy egy hosszúságú vektor, ezért írnak annyi R kódot egyszerre egész vektorokra.

Alapvető adattípusok R-ben

R minden értéke egy kis alap (atomi) típushalmaz egyikéhez tartozik:

• A 4.5 egy decimális érték, amelyet numerikusnak neveznek.
• A 4 egész számnak tűnik, de az R továbbra is dupla egész számként tárolja. Írj 4L-t, ha valódi egész számra van szükség.
• Az IGAZ vagy HAMIS egy logikai érték, amit az R-ben logikai értéknek nevezünk.
• A ” ” vagy ' ” karakterek között lévő érték szöveg (karakterlánc). Ezeket az értékeket karaktereknek nevezzük.

További két típus teszi teljessé a készletet. Az összetett értékek, mint például a 3+2i, egy valós és egy képzetes részt tartalmaznak, a nyers értékek pedig bájtokat. Mindkettő ritkán jelenik meg a mindennapi elemzésekben, de az R alapban szerepelnek. typeof() dokumentáció a négy gyakori típus mellett.

Egy változó típusát az osztályfüggvénnyel ellenőrizhetjük.

1. példa: Numerikus változó ellenőrzése

# Declare variables of different types
# Numeric
x <- 28
class(x)

output:

## [1] "numeric"

2. példa: Karakterváltozó ellenőrzése

# String
y <- "R is Fantastic"
class(y)

output:

## [1] "character"

3. példa: Logikai változó ellenőrzése

# Boolean
z <- TRUE
class(z)

output:

## [1] "logical"

Figyeljük meg, hogy a class() függvény a 28-as számra "numerikus" választ ad, annak ellenére, hogy a 28-nak nincs decimális része. Az R dupla számként tárolta el, és csak a typeof() függvény mutatja ezt. A következő különbség, amit érdemes megtanulni, az, hogy ezek az értékek hogyan kapnak nevet.

Változók az R-ben

A változók az R egyik alapvető építőelemei, amelyek értékeket tárolnak, és mindenkinek fontosak, aki adattudományi munkát végez. Egy R változó tárolhat számot, objektumot, statisztikai eredményt, vektort, adathalmazt vagy modell-előrejelzést – alapvetően bármit, amit az R kiad. Ezt a változót később egyszerűen a nevének meghívásával használhatjuk.

Egy változó R-ben való deklarálásához nevet kell adnunk neki. A név nem tartalmazhat szóközt. Két szó összekapcsolására használhatunk _ jelet.

A nevek tartalmazhatnak betűket, számjegyeket, pontokat és aláhúzásjeleket, de betűvel vagy ponttal kell kezdődniük, és a foglalt szavak, mint például az IGAZ, HAMIS és NULL, nem használhatók névként. Érték hozzáadásához a változóhoz használjuk a <- vagy = jelet.

Íme a szintaxis:

# First way to declare a variable:  use the `<-`
name_of_variable <- value
# Second way to declare a variable:  use the `=`
name_of_variable = value

A parancssorban a következő kódokat írhatjuk be, hogy megnézzük, mi történik:

1. példa: Érték hozzárendelése és kinyomtatása

# Print variable x
x <- 42
x

output:

## [1] 42

2. példa: Második változó deklarálása

y  <- 10
y

output:

## [1] 10

3. példa: Két változó használata egy kifejezésben

# We call x and y and apply a subtraction
x-y

output:

## [1] 32

Egy olyan változót, amely több azonos típusú értéket tartalmaz, vektornak nevezünk, amely struktúra szinte minden R függvényt jellemez.

Vektorok R-ben

A vektor egy egydimenziós halmaz, amelyben minden elem azonos típusú. Létrehozhatunk egy vektort az összes korábban tanult alapvető R adattípussal. Az R-ben a vektorépítés legegyszerűbb módja a c() függvény használata.

1. példa: Numerikus vektor létrehozása

# Numerical
vec_num <- c(1, 10, 49)
vec_num

output:

## [1]  1 10 49

2. példa: Karaktervektor létrehozása

# Character 
vec_chr <- c("a", "b", "c")
vec_chr

output:

## [1] "a" "b" "c"

3. példa: Logikai vektor létrehozása

# Boolean 
vec_bool <-  c(TRUE, FALSE, TRUE)
vec_bool

output:

##[1] TRUE FALSE TRUE

Ha a c() függvény többféle típust kap, akkor nem hibázik. Csendben felkonstruál minden elemet a legáltalánosabb típusra, így a c(1, "a", TRUE) karaktervektorrá válik. Az R-ben aritmetikai számításokat is végezhetünk vektorokon.

4. példa: Két vektor hozzáadása elemenként

# Create the vectors
vect_1 <- c(1, 3, 5)
vect_2 <- c(2, 4, 6)
# Take the sum of A_vector and B_vector
sum_vect <- vect_1 + vect_2
# Print out total_vector
sum_vect

output:

[1]  3  7 11

Az összeadás elemenként történt, mivel mindkét vektor azonos hosszúságú. Amikor a hosszúságok eltérőek, az R újrahasznosítja a rövidebb vektort, és addig ismétli, amíg meg nem egyezik a hosszabbal, és csak akkor figyelmeztet, ha a hosszabb hosszúság nem a rövidebb többszöröse.

5. példa: Az első öt elem szeletelése

R-ben lehetőség van egy vektor szeletelésére. Bizonyos esetekben csak a vektor első öt elemére vagyunk kíváncsiak. Használhatjuk az [1:5] parancsot a következő példa kiszámításához:tracaz 1-től 5-ig terjedő értékeket.

# Slice the first five rows of the vector
slice_vector <- c(1,2,3,4,5,6,7,8,9,10)
slice_vector[1:5]

output:

## [1] 1 2 3 4 5

6. példa: Tartomány létrehozása kettősponttal Operator

Értéktartomány létrehozásának legrövidebb módja a kettőspont operátor (:) használata két szám között. A fenti példából például a c(1:10) képlettel létrehozhatunk egy és tíz közötti értékekből álló vektort.

# Faster way to create adjacent values
c(1:10)

output:

## [1]  1  2  3  4  5  6  7  8  9 10

Mivel egy vektor keveréskor észrevétlenül változtatja a típusát, érdemes tudni, hogyan lehet igény szerint megvizsgálni és konvertálni a típusokat.

Adattípusok ellenőrzése és konvertálása R-ben

Három függvénycsalád ad választ a három állandóan felmerülő kérdésre: mi ez, adott típus-e ez, és válhat-e ez egy másik típussá.

# Three different views of the same value
x <- 28
class(x)      # "numeric"  -- the class used for method dispatch
typeof(x)     # "double"   -- how R stores the value internally
mode(x)       # "numeric"  -- the older S-style mode

# Ask a yes/no question about a type
is.numeric(x)     # TRUE
is.character(x)   # FALSE

# Convert between types
as.character(x)   # "28"
as.integer("28")  # 28 stored as an integer
as.numeric("abc") # NA, with a coercion warning

Két szabály magyarázza a legtöbb meglepetést. Először is, a class() a metódusok feladásához használt osztályt adja vissza, míg a typeof() a belső tárhelyet, ezért a 28 az egyikhez képest "numerikus", a másikhoz pedig "dupla". Másodszor, egy sikertelen konverzió nem állítja le a szkriptet: az as.numeric("abc") NA-t ad vissza, és egy kényszerítési figyelmeztetést ír ki, így az importálás utáni csendes NA-k szinte mindig típusproblémát jelentenek. Ugyanez a logika vezérli a ... tényezők, amelyek egész kódokként, valamint egy szinttáblázatként tárolják a kategóriákat.

Miután a típusok rögzítettek, a következő lépés az azokra ható operátorok sorakoznak.

R Aritmetika Operatorzok

Először az R alapvető aritmetikai operátorait fogjuk megismerni. Az alábbiakban az R programozásban használt aritmetikai operátorok és azok rövidítései láthatók:

Ezen operátorok mindegyike vektorizált, így ugyanaz a kifejezés egyetlen értékre vagy egy egész oszlopra is működik.

1. példa: Összeadás

# An addition
3 + 4

output:

## [1] 7

A fenti R kódot könnyen kimásolhatod és beillesztheted a RStudio Konzol. Ebben a cikkben a kimenet a ## karakterekkel kezdődő sorokban jelenik meg. Például, ha a print(" kódot írjukGuru99") a konzol kiírja: [1] "Guru99", amit ez az oldal így jelenítene meg: ## [1] "Guru99 ".

A ## a kinyomtatott kimenet sorait jelöli, a szögletes zárójelben lévő szám ([1]) pedig az adott sor első értékének indexe, nem az eredmény része.

A # jellel kezdődő mondatok megjegyzések. Egy R szkripten belül a # jellel bármilyen megjegyzést hozzáadhatunk, és az R futási időben figyelmen kívül hagyja azt.

2. példa: Szorzás

# A multiplication
3*5

output:

## [1] 15

3. példa: Osztás

# A division
(5+5)/2

output:

## [1] 5

4. példa: Hatványozás

# Exponentiation
2^5

output:

## [1] 32

5. példa: Modulo

# Modulo
28%%6

output:

## [1] 4

Az aritmetikai művelet számokat eredményez. A következő operátorcsoport IGAZ és HAMIS eredményt ad.

R Relációs (összehasonlító) Operatorzok

A relációs operátorok két értéket hasonlítanak össze, és logikai eredményt adnak vissza. Ezek azok az operátorok, amelyek a szűréshez használt feltételeket építik fel, és pontosan ugyanúgy vektorizálódnak, mint a számtani operátorok.

a <- 10
b <- 3

a > b     # TRUE
a < b     # FALSE
a >= 10   # TRUE
a <= 3    # FALSE
a == b    # FALSE
a != b    # TRUE

# Relational operators are vectorised
scores <- c(45, 78, 90, 62)
scores >= 60   # FALSE TRUE TRUE TRUE

Két szokás időt takarít meg itt meg. Használj == jelet összehasonlításhoz és <- jelet értékadáshoz, mert egyetlen = egy feltételen belül gyakori kezdő hiba. És kerüld az == jelet dupla értékeknél: a lebegőpontos kerekítés azt jelenti, hogy a 0.1 + 0.2 == 0.3 HAMIS, tehát az isTRUE(all.equal(0.1 + 0.2, 0.3)) a biztonságos teszt. Összehasonlítások a rendezett adatkeretek ugyanazokat a szabályokat követik.

R Logikai Operatorzok

Logikai operátorok esetén a vektoron belüli értékeket szeretnénk visszaadni logikai feltételek alapján. Az alábbi táblázat felsorolja az R-ben elérhető logikai operátorokat.

Az R nyelvben a logikai utasítások [ karakterek] közé vannak csomagolva. Annyi feltételes utasítást adhatunk hozzá, amennyit csak akarunk, de zárójelek közé kell tenni őket. A feltételes utasítás létrehozásához a következő struktúrát követhetjük:

variable_name[(conditional_statement)]

A változó_neve paraméterrel a művelethez használni kívánt változóra hivatkozva hozzuk létre a logikai utasítást, például változó_neve > 0. Végül a szögletes zárójelekkel zárjuk le a logikai utasítást. Az alábbiakban egy logikai utasításra láthatunk példát.

1. példa: Egy vektor minden elemének összehasonlítása

# Create a vector from 1 to 10
logical_vector <- c(1:10)
logical_vector>5

output:

## [1]FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE

A fenti kimenetben az R beolvassa az egyes értékeket, és összehasonlítja azokat a logikai_vektor>5 utasítással. Ha az érték szigorúan nagyobb, mint öt, akkor a feltétel IGAZ, egyébként HAMIS. Az R IGAZ és HAMIS értékekből álló vektort ad vissza.

2. példa: Csak az egyező elemek megtartása

Az alábbi példában azt szeretnénk kideríteni, hogytract azokat az értékeket, amelyek csak az „egyértelműen nagyobb, mint öt” feltételnek felelnek meg. Ehhez a feltételt szögletes zárójelbe tehetjük, amelyet az értékeket tartalmazó vektor előz meg.

# Print value strictly above 5
logical_vector[(logical_vector>5)]

output:

## [1]  6  7  8  9 10

3. példa: Két feltétel kombinálása

# Print 5 and 6
logical_vector <- c(1:10)
logical_vector[(logical_vector>4) & (logical_vector<7)]

output:

## [1] 5 6

A 3. példa szándékosan használja az & jel egyetlen karakterét. Az & és | egykarakteres operátorok elemenként hasonlítják össze a vektorokat, és egy vektort adnak vissza, amire a részhalmaznak szüksége van. Az && és || dupla alakok egy értéket adnak vissza, és az if() és while() feltételekhez tartoznak. Mivel R 4.3.0Ha egy elemnél hosszabb argumentumot adunk át az && vagy a || függvénynek, az inkább hiba, mint figyelmeztetés, így a két család már nem felcserélhető. A ! operátor negál egy feltételt, az xor() pedig kizáró VAGY műveletet ad.

R hozzárendelés Operatorzok

Az értékadó operátorok egy értéket egy névhez kötnek. Az R többet kínál belőlük, mint a legtöbb nyelv, és a különbségek akkor válnak lényegessé, amikor a kód átkerül a következőbe: funkciók.

# Left assignment -- the idiomatic form
count <- 5

# Equals sign: works, but reserve it for function arguments
count = 5
round(3.14159, digits = 2)

# Right assignment
5 -> count

# Superassignment, used inside functions to reach an outer scope
count <<- 5

A stíluskalauzok a <- karaktert javasolják objektumok létrehozásához, és az = karaktert az argumentumok híváson belüli elnevezéséhez, mivel a két szerepkör így vizuálisan elkülönül. A <<- karaktert csak mértékkel használjuk: ez az aktuális függvényen kívüli objektumot módosít, és megnehezíti a kód megértését. Miután az értékadás és a típusok már kényelmesen működnek, a következő lépések a következők: valós adatok importálása és reshaping vele dplyr; a R nyelv áttekintése kontextusba helyezi az egész eszköztárat.

GYIK