Språket R

Lite om R

Språket R är ett språk som används för att att analysera data och statistisk analys. R är öppen källkod.

R basics

R används i terminalen med R kommando. Man skriver i R så här:

> 5 + 5
[1] 10

Det viktiga att veta är att R är dynamiskt typad¹.

Exempel:

> a <- 1
> b <- "hej"
> a
[1] 1
> b
[1] "hej"

Här ser man att <- används för att tilldela värde till variabel. -> och = fungerar också.

Vektorer

Man kan lagra flera värden i en vektor, t ex

> a <- 1:10
> a
[1] 1 2 3 4 5 6 7 8 9 10
> b <- c(a, 2, 3)
> b
[1] 1 2 3 4 5 6 7 8 9 10 2 3

Funktionen c heter combine och används för att kombinera vektorer.

Funktionen length() kan användas för att hitta längden för en vektor.

> a <- 1:10
> length(a)
[1] 10

Man kan komma åt innehållet i en vektor med [], t.ex.

> a[7] <- 77
> a
 [1]  1  2  3  4  5  6 77  8  9 10

R använder 1-based indexing².

Vektorerna kan användas i funktioner, t.ex.

> 5*c(2, 4)
[1] 10 20
> nchar(c("hej", "R"))
[1] 3 1

nchar returnerar antalet tecken i en sträng.

Man kan namnge element med names(), t.ex.

> daylength <- c(4222.6 , 2802.0 , 24, 708.7)
> names(daylength) <- c(" Mercury", "Venus", "Earth", "Moon ")
> daylength
Mercury     Venus   Earth   Moon
4222.6      2802.0  24.0    708.7
> names(daylength)
[1] "Mercury" "Venus" "Earth" "Moon"

Grundläggande typer

• numeric: Integer och Double.
• character: Representerar text i strängar.
• logical: Boolean, TRUE eller FALSE, T eller F.
• `complex’: Används för att representera komplexa tal.

En vektor kan innehålla endast en typ och man kan ta reda på typen med funktionen mode().

Objekt för att representera data

Några objekt är:

• Vektorer
• Matriser - Lagrar data i två dimensioner.
• ‘Array’ - För att lagra data i mer än två dimensioner. All data måste vara av samma typ.
• Listor - Kan lagra data av olika typer och olika sorters objekt.
• Dataramar - Lagra data i rader och kolumner. Kolumnerna kan vara av olika typ.
• Faktorer - Har två huvudkomponenter
  • Nivåer: De unika kategorierna eller grupperna som faktorn kan ta. Till exempel, om du har en faktor för kön, kan nivåerna vara “man” och “kvinna”.
  • Värden: De observerade värdena i datasetet som hänvisar till någon av nivåerna.

Funktionen str() kan användas för att ta reda på typ av objekt man har.

Matriser

Matriser kan skapas med:

matrix(data = NA , nrow = 1, ncol = 1, byrow = FALSE ,
dimnames = NULL)

Funktionen har fem argument (data, nrow, ncol, byrow, dimnames). Det som står efter = är defaultvärden. Med byrow menas om data fylls in rad för rad eller kolumn för kolumn. Med dimnames kan man ange namn för dimensioner.

> m <- matrix(c("A", "B", "C", "D"), 2, 2)
> m
     [,1] [,2]
[1,] "A"  "C"
[2,] "B"  "D"

Man kan komma åt element genom att ange positionen [raden,kolumnen].

> m[2 ,2]
[1] "D"
> m[,2]
[1] "C" "D"

Listor

Lostor kan skapas med list(...).

> L <- list ("A", matrix (1:4, 2, 2))
> str(L)
List of 2
    $ : chr "A"
    $ : int [1:2, 1:2] 1 2 3 4
> str(L[1])
List of 1
    $ : chr "A"
> str(L[[1]])
chr "A"

Men [1] tar man ut första elementen i listan och med [[1]] tar man ut den verkliga första elementen.

Man kan också namnge elementen i en lista. Och komma åt element med $namn.

> L2 <- list(Cities = c(" Lund", "Malmo "), Populations = c (87000 , 280000))
> L2$Cities
[1] "Lund" "Malmo"

Man behöver inte använda namn, men det är enklare att hålla reda på namnen än index.

Man kan ändra namn med funktionen names().

> names(L2)
[1] "Cities" "Populations"
> names(L2) <- c(" stader", "invanare ")
> L2
    $stader
    [1] "Lund" "Malmo"
    $invanare
    [1] 87000 280000

Dataramar

Lagrar och behandlar data. Man skapar en ny dataram med funktionen data.frame():

> name <- c(" Paul", "Bodil", "Karla", "Diana ")
> age <- c(25, 30, 22, 22)
> persons
<- data.frame(name , age)
> persons
    name    age
1   Paul    25
2   Bodil   30
3   Karla   22
4   Diana   22

Nu kan vi till exempel räkna ut medelvärde med mean(persons$age). En användbar funktion för dataramar är summary():

> summary(persons)
     name                age
 Length:4           Min.   :22.00
 Class :character   1st Qu.:22.00
 Mode  :character   Median :23.50
                    Mean   :24.75
                    3rd Qu.:26.25
                    Max.   :30.00

I en dataram kan man indexera som i en matris:

> persons[3,] # third row
   name age
3 Karla  22
> persons[,1] # first column
[1] "Paul"   "Bodil"  "Karla"  "Diana "
> persons[-c(2,3),] # alla rader förutom den andra och den tredje
    name age
1   Paul  25
4 Diana   22
> persons[, "age"] # using column name as index
[1] 25 30 22 22
> persons[1]
    name
1   Paul
2  Bodil
3  Karla
4 Diana
> persons$name # first column
[1] "Paul"   "Bodil"  "Karla"  "Diana "

# är kommentarstecknet. - betyder alla utom.

Man kan omvandla t.ex matriser och listor till dataramar med as.data.frame().

Urval av data

Det finns flear sätt att välja vilken data man vill se. Exempel:

> a <- 2*(1:10) # skapar en vektor a
> a[4] # visa element 4
> a[c(2,3)] # visa element 2 och 3
> a[-5] # visa allting forutom element 5
> a[c(T,T,T,F...)] # man kan använda true och false.
> a[a<10] # alla element mindre än 10

Operationer och vanliga funktioner

$ @  # Komponent, @*
[ [[ # Indexering
^    # Exponent
+-   # Unära plus och minus
:: ::: # Åtkomst av variabler i 'namespace' *
:   # Sekvens
%any%# Special-operator
*/   # Multiplikation, division
+ -  # Binära addition och subtraktion
< > <= >= == != # Jämfringar
!    # Negation
& && # Och
| || # Eller
~    # För att beskriva modeller
-> ->> # Tilldelning, tilldelning i 'enclosing environment'
<- <<- # Tilldelning, tilldelning i 'enclosing environment'
=    # Tilldelning (motsvarar '<-')
?    # Hjälp

sum(..., na.rm = FALSE)    # Sum function
prod(..., na.rm = FALSE)   # Product function
cumsum(x), cumprod(x)      # Cumulative sum and product
mean(x, trim = 0, na.rm = FALSE, ...)  # Mean value
median(x, na.rm = FALSE)   # Median
var(x, na.rm = FALSE)      # Variance
sd(x, na.rm = FALSE)       # Standard deviation
exp(x)                     # Exponential function
log(x, base = exp(1)), log10(x), log2(x)  # Logarithms (natural, base 10, base 2)
max(..., na.rm = FALSE)    # Maximum value
min(..., na.rm = FALSE)    # Minimum value
range(..., na.rm = FALSE)  # Range (min and max)
which.max(x), which.min(x)  # Which value is max/min
sqrt(x), abs(x)            # Square root and absolute value
sin(x), cos(x), tan(x)     # Sine, cosine, tangent functions (radians)
round(x, digits = 0)        # Rounding (digits decimal places)
floor(x), ceiling(x)       # Rounding down/up
factorial(x), choose(n, k)  # Factorial and combination function (n! / ((n −k)!k!))

Footnotes

1. Interpretatorn gissar typen. ↩

2. Index börjar från 1. Så den första elementen är 1. ↩