R Tutorial - Ένας οδηγός για αρχάριους για να μάθετε τον προγραμματισμό R

Το R είναι το πιο δημοφιλές εργαλείο ανάλυσης δεδομένων καθώς είναι ανοιχτού κώδικα, ευέλικτο, προσφέρει πολλά πακέτα και έχει μια τεράστια κοινότητα. Έχει σχεδιαστεί για προγραμματιστές λογισμικού, στατιστικολόγους και ανθρακωρύχους δεδομένων, και ως εκ τούτου, λόγω της δημοτικότητας του .Σε αυτό το ιστολόγιο R Tutorial, θα σας δώσω μια πλήρη εικόνα για το R με παραδείγματα.

Ακολουθούν τα θέματα σε αυτό το ιστολόγιο R Tutorial τα οποία θα συζητήσω με την ακόλουθη ακολουθία:

1. Γιατί χρειαζόμαστε το Analytics ;
2. Τι είναι το Business Analytics ;
3. Γιατί ο R και ποιος χρησιμοποιεί το R ;
4. Εγκατάσταση του R
5. Διαχειριστές δεδομένων
6. Τύποι δεδομένων
7. Έλεγχος ροής

R Tutorial: Γιατί χρειαζόμαστε το Analytics;

Πριν απαντήσω στην ερώτηση, επιτρέψτε μου να σας ενημερώσω για ορισμένα από τα προβλήματα και τις λύσεις τους στο R σε πολλούς τομείς.

ΤΡΑΠΕΖΙΚΕΣ ΕΡΓΑΣΙΕΣ :

Μεγάλη ποσότητα δεδομένων πελατών δημιουργείται καθημερινά στις Τράπεζες. ΔΕνώ αντιμετωπίζουμε εκατομμύρια πελάτες σε τακτική βάση, γίνεται δύσκολο να εντοπίσουμε τις υποθήκες τους.

Λύση :

Η R δημιουργεί ένα προσαρμοσμένο μοντέλο που διατηρεί τα δάνεια που παρέχονται σε κάθε μεμονωμένο πελάτη, το οποίο μας βοηθά να αποφασίσουμε το ποσό που θα πληρώσει ο πελάτης με την πάροδο του χρόνου.

ΑΣΦΑΛΙΣΗ :

Η ασφάλιση εξαρτάται σε μεγάλο βαθμό από τις προβλέψεις. Ειναι δυσκολο νααποφασίστε ποια πολιτική θα αποδεχτείτε ή θα απορρίψετε.

Λύση:

Χρησιμοποιώντας τη συνεχή πιστωτική αναφορά ως είσοδο, μπορούμε να δημιουργήσουμε ένα μοντέλο στο R που όχι μόνο θα εκτιμήσει την όρεξη κινδύνου αλλά και θα κάνει μια πρόβλεψη πρόβλεψης επίσης.

Φροντίδα υγείας:

Κάθε χρόνο εκατομμύρια άνθρωποι γίνονται δεκτοί στο νοσοκομείο και δισεκατομμύρια δαπανούνται ετησίως μόνο στη διαδικασία εισαγωγής.

πώς να δοκιμάσετε μια βάση δεδομένων

Λύση :

Λαμβάνοντας υπόψη το ιστορικό του ασθενούς και το ιατρικό ιστορικό, μπορεί να κατασκευαστεί ένα μοντέλο πρόβλεψης για να προσδιοριστεί ποιος κινδυνεύει να νοσηλευτεί και σε ποιο βαθμό πρέπει να κλιμακωθεί ο ιατρικός εξοπλισμός.

Τώρα γνωρίζουμε πώς τα analytics δεδομένων βοηθούν τους οργανισμούς να εκμεταλλευτούν τα δεδομένα τους και να τα χρησιμοποιήσουν για τον εντοπισμό νέων ευκαιριών. Εάν μιλάμε για την ανάγκη για αναλυτικά στοιχεία σε έναν οργανισμό, πρέπει να συναντήσετε αυτές τις 4 πτυχές:

Στη συνέχεια, ας προχωρήσουμε στο R tutorial blog, όπου θα κατανοήσουμε πρώτα τι ακριβώς είναι η επιχειρηματική ανάλυση.

R Tutorial: Τι είναι το Business Analytics;

Η επιχειρηματική ανάλυση είναι μια διαδικασία εξέτασης μεγάλων συνόλων δεδομένων και επίτευξης κρυφών μοτίβων, συσχετίσεων και άλλων πληροφοριών. Βασικά σας βοηθά να κατανοήσετε όλα τα δεδομένα που έχετε συγκεντρώσει, είτε πρόκειται για οργανωτικά δεδομένα, δεδομένα αγοράς ή έρευνας προϊόντων ή οποιοδήποτε άλλο είδος δεδομένων. Γίνεται εύκολο για εσάς να λαμβάνετε καλύτερες αποφάσεις, καλύτερα προϊόντα, καλύτερες στρατηγικές μάρκετινγκ κ.λπ. Ανατρέξτε στην παρακάτω εικόνα για καλύτερη κατανόηση:

Αν κοιτάξετε το παραπάνω σχήμα, τα δεδομένα σας στην πρώτη εικόνα είναι διασκορπισμένα. Τώρα, αν θέλετε κάτι συγκεκριμένο, όπως μια συγκεκριμένη εγγραφή σε μια βάση δεδομένων, γίνεται δυσκίνητο. Για να το απλοποιήσετε, χρειάζεστε ανάλυση. Με την ανάλυση, γίνεται εύκολη η συσχέτιση μεταξύ των δεδομένων. Μόλις καθορίσετε τι να κάνετε, γίνεται πολύ εύκολο για εσάς να λαμβάνετε αποφάσεις όπως, ποια πορεία θέλετε να ακολουθήσετε ή από την άποψη των επιχειρηματικών αναλυτικών στοιχείων, ποια πορεία θα οδηγήσει στη βελτίωση του οργανισμού σας.

Ωστόσο, δεν μπορείτε να περιμένετε από τα άτομα της παραπάνω αλυσίδας να κατανοούν πάντα τα ανεπεξέργαστα δεδομένα που τους παρέχετε μετά από αναλυτικά στοιχεία. Για να ξεπεράσουμε αυτό το κενό, έχουμε μια ιδέα οπτικοποίηση δεδομένων .

Οπτικοποίηση δεδομένων : Η οπτικοποίηση δεδομένων είναι μια οπτική πρόσβαση σε τεράστιες ποσότητες δεδομένων που έχετε δημιουργήσει μετά από αναλύσεις. Το ανθρώπινο μυαλό επεξεργάζεται οπτικές εικόνες και τα οπτικά γραφικά είναι καλύτερα από ότι σε σύγκριση με τα ανεπεξέργαστα δεδομένα. Είναι πάντα εύκολο για εμάς να καταλάβουμε ένα γράφημα πίτας ή ένα γράφημα ράβδων σε σύγκριση με τους πρώτους αριθμούς. Τώρα μπορεί να αναρωτιέστε πώς μπορείτε να επιτύχετε αυτήν την οπτικοποίηση δεδομένων από τα δεδομένα που έχετε ήδη αναλύσει;
Υπάρχουν διάφορα διαθέσιμα εργαλεία στην αγορά για την οπτικοποίηση δεδομένων:

Όλοι πρέπει να αναρωτιέστε ότι υπάρχουν ήδη τόσα πολλά εργαλεία που σας βοηθούν να επιτύχετε την οπτικοποίηση δεδομένων και ορισμένο αριθμό αναλυτικών στοιχείων, γιατί να πάτε με το R;

Επομένως, το επόμενο θέμα μου στο blog φροντιστηρίου R ασχολείται με το 'γιατί R' και 'ποιος χρησιμοποιεί το R'.

R Tutorial: Γιατί R και ποιος χρησιμοποιεί το R;

Γιατί R;

Το R είναι μια γλώσσα προγραμματισμού και στατιστικής.

Το R χρησιμοποιείται για ανάλυση δεδομένων και οπτικοποίηση.

Το R είναι απλό και εύκολο να μάθει, να διαβάσει και να γράψει.

Το R είναι ένα παράδειγμα FLOSS (Free Libre και Open Source Software) όπου μπορεί κανείς να διανείμει ελεύθερα αντίγραφα αυτού του λογισμικού, να διαβάσει τον πηγαίο κώδικα, να το τροποποιήσει κ.λπ.

Ποιος χρησιμοποιεί το R;

• Το Γραφείο Οικονομικής Προστασίας των Καταναλωτών χρησιμοποιεί το R για ανάλυση δεδομένων
• Οι στατιστικολόγοι στο John Deere χρησιμοποιούν το R για μοντελοποίηση χρονοσειρών και γεωχωρική ανάλυση με αξιόπιστο και αναπαραγώγιμο τρόπο.
• Η Bank of America χρησιμοποιεί το R για αναφορά.
• Το R είναι μέρος της τεχνολογικής στοίβας πίσω από τη φημισμένη μηχανή σύστασης της Foursquare.
• Η ANZ, η τέταρτη μεγαλύτερη τράπεζα στην Αυστραλία, χρησιμοποιεί την R για ανάλυση πιστωτικού κινδύνου.
• Η Google χρησιμοποιεί το R για να προβλέψει την οικονομική δραστηριότητα.
• Η Mozilla, το ίδρυμα που είναι υπεύθυνο για το πρόγραμμα περιήγησης στο Web του Firefox, χρησιμοποιεί το R για να απεικονίσει τη δραστηριότητα στο Web.

Ακολουθούν ορισμένοι από τους τομείς όπου χρησιμοποιείται το R:

Τώρα, ας προχωρήσουμε στο R tutorial blog και να εγκαταστήσουμε το R.

R Tutorial: Εγκατάσταση του R

Επιτρέψτε μου να σας καθοδηγήσω στη διαδικασία εγκατάστασης του R στο σύστημά σας. Απλώς ακολουθήστε τα παρακάτω βήματα:

Βήμα 1 : Μεταβείτε στον σύνδεσμο- https://cran.r-project.org/

Βήμα 2 : Λήψη και εγκατάσταση του R 3.3.3 στο σύστημά σας.

Ανατρέξτε στο παρακάτω στιγμιότυπο οθόνης για καλύτερη κατανόηση.

Ακολουθώντας τα παραπάνω βήματα, τελειώσατε με το τμήμα εγκατάστασης R. Τώρα, μπορείτε να ξεκινήσετε απευθείας την κωδικοποίηση στο R κατεβάζοντας το RStudio IDE. Για να το κατεβάσετε, ακολουθήστε τα παρακάτω βήματα:

Βήμα 1 : Μεταβείτε στον σύνδεσμο- https://www.rstudio.com/

Βήμα 2 : Λήψη και εγκατάσταση του Rstudio στο σύστημά σας.

Αφού εγκαταστήσετε τα πάντα, είστε έτοιμοι να κωδικοποιήσετε!

R Tutorial για αρχάριους | Εκμάθηση προγραμματισμού R | Έντρεκα

Στη συνέχεια, ας προχωρήσουμε στο R Tutorial blog και να κατανοήσουμε τι είναι οι τελεστές δεδομένων στο R.

R Tutorial: Διαχειριστές δεδομένων στο R

Υπάρχουν κυρίως 5 διαφορετικοί τύποι χειριστών, οι οποίοι παρατίθενται παρακάτω:

1. Αριθμητικοί χειριστές : Εκτελέστε αριθμητικές λειτουργίες όπως προσθήκη, αφαίρεση, πολλαπλασιασμός, διαίρεση κ.λπ.
2. Χειριστές ανάθεσης :Οι τελεστές ανάθεσης χρησιμοποιούνται για την εκχώρηση τιμών. Για παράδειγμα:

• Χειριστής ανάθεσης =
  Σύνταξη: μεταβλητή όνομα = τιμή

> x = 5 >Χ 

Έξοδος: [1] 5

• Διαχειριστής ανάθεσης<-
  Σύνταξη: όνομα μεταβλητής<- value

  > x<- 15 > x

  Έξοδος: [1] 15

• Διαχειριστής ανάθεσης<<-
  Σύνταξη: όνομα μεταβλητής<<- value

> x<<- 2 > x

Έξοδος: [1] 2

• Διαχειριστής ανάθεσης ->
  Σύνταξη: τιμή -> όνομα μεταβλητής

  > 25 -> x > x 

  Έξοδος: [1] 25

3. Σχεσιακός χειριστής : Ορίζει μια σχέση μεταξύ δύο οντοτήτων. Για παράδειγμα: ,<=,!= etc.

> xx! = 2

Παραγωγή:[1] ΑΛΗΘΕΙΑ

4. Λογικοί χειριστές : Αυτοί οι τελεστές συγκρίνουν τις δύο οντότητες και χρησιμοποιούνται συνήθως με δυαδικές (λογικές) τιμές όπως &, | και !.

> x2 & 3

Παραγωγή:[1] ΑΛΗΘΕΙΑ

5. Ειδικοί χειριστές : Αυτοί οι τελεστές χρησιμοποιούνται για συγκεκριμένο σκοπό και όχι για λογικό υπολογισμό. Για παράδειγμα:

• Δημιουργεί τη σειρά αριθμών διαδοχικά για ένα διάνυσμα.
  
  

  > xx

  Έξοδος: [1] 2 3 4 5 6 7 8

• % in% Αυτός ο τελεστής χρησιμοποιείται για να προσδιορίσει εάν ένα στοιχείο ανήκει σε ένα διάνυσμα.
  Παράδειγμα

  > xyy% σε% x

  Έξοδος: [1] TRUE

R Tutorial: Τύποι δεδομένων

Οι τύποι δεδομένων χρησιμοποιούνται για την αποθήκευση πληροφοριών. Στο R, δεν χρειάζεται να δηλώσουμε μια μεταβλητή ως ορισμένο τύπο δεδομένων. Οι μεταβλητές αντιστοιχίζονται με αντικείμενα R και ο τύπος δεδομένων του αντικειμένου R γίνεται ο τύπος δεδομένων της μεταβλητής.Υπάρχουν κυρίως έξι τύποι δεδομένων στο R:

Ας δούμε περισσότερες λεπτομέρειες για καθένα από αυτά:

Διάνυσμα : Ένα διάνυσμα είναι μια ακολουθία στοιχείων δεδομένων του ίδιου βασικού τύπου. Παράδειγμα:

vtr = (1, 3, 5, 7 9)

ή

vtr<- (1, 3, 5 ,7 9)

Υπάρχουν 5 ατομικοί φορείς, που ονομάζονται επίσης πέντε κατηγορίες διανυσμάτων.

Λίστα : Οι λίστες είναι τα αντικείμενα R που περιέχουν στοιχεία διαφορετικών τύπων όπως & μείον αριθμούς, συμβολοσειρές, διανύσματα και μια άλλη λίστα μέσα σε αυτό.

> n = c (2, 3, 5) > s = c ('aa', 'bb', 'cc', 'dd', 'ee') > x = λίστα (n, s, TRUE) > x

Παραγωγή -

[[1]] [1] 2 3 5 [[2]] [1] 'aa' 'bb' 'cc' dd 'ee' [[3]] [1] TRUE

Πίνακες : Οι πίνακες είναι τα αντικείμενα δεδομένων R που μπορούν να αποθηκεύσουν δεδομένα σε περισσότερες από δύο διαστάσεις. Παίρνει διανύσματα ως είσοδο και χρησιμοποιεί τις τιμές στην αμυδρόμετρο για να δημιουργήσει έναν πίνακα.

διάνυσμα1<- c(5,9,3) διάνυσμα2<- c(10,11,12,13,14,15) αποτέλεσμα<- array(c(vector1,vector2),dim = c(3,3,2))

Παραγωγή -

,, 1 [, 1] [, 2] [, 3] [1,] 5 10 13 [2,] 9 11 14 [3,] 3 12 15 ,, 2 [, 1] [, 2] [, 3 ] [1,] 5 10 13 [2,] 9 11 14 [3,] 3 12 15

Πίνακες : Οι πίνακες είναι τα αντικείμενα R στα οποία τα στοιχεία είναι διατεταγμένα σε δισδιάστατη ορθογώνια διάταξη. Δημιουργείται ένα Matrix χρησιμοποιώντας τη συνάρτηση matrix (). Παράδειγμα: μήτρα (δεδομένα, nrow, ncol, byrow, dimnames) που,

δεδομένα είναι ο φορέας εισόδου που γίνεται τα στοιχεία δεδομένων της μήτρας.

τι είναι ένα στιγμιότυπο Java

τώρα είναι ο αριθμός των γραμμών που θα δημιουργηθούν.

ncol είναι ο αριθμός των στηλών που θα δημιουργηθούν.

αντίο είναι μια λογική ένδειξη. Εάν ΑΛΗΘΕΙΑ τότε τα στοιχεία του διανύσματος εισόδου ταξινομούνται κατά σειρά.

dimname είναι τα ονόματα που εκχωρούνται στις σειρές και τις στήλες.

> Ματ<- matrix(c(1:16), nrow = 4, ncol = 4 ) > Ματ

[, 1] [, 2] [, 3] [, 4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16

Παράγοντες : Οι παράγοντες είναι τα αντικείμενα δεδομένων που χρησιμοποιούνται για την κατηγοριοποίηση των δεδομένων και την αποθήκευσή τους ως επίπεδα. Μπορούν να αποθηκεύσουν και τις χορδές και τους ακέραιους αριθμούς. Είναι χρήσιμα στην ανάλυση δεδομένων για στατιστική μοντελοποίηση.

> δεδομένα<- c('East','West','East','North','North','East','West','West“,'East“) > factor_data<- factor(data) > factor_data

Παραγωγή :

[1] Ανατολική Δυτική Ανατολή Βορειοανατολικά Ανατολική Δυτική Ανατολή Επίπεδα: Ανατολικά Βορειοδυτικά

Πλαίσια δεδομένων : Ένα πλαίσιο δεδομένων είναι ένας πίνακας ή μια δισδιάστατη δομή τύπου συστοιχίας στην οποία κάθε στήλη περιέχει τιμές μιας μεταβλητής και κάθε σειρά περιέχει ένα σύνολο τιμών από κάθε στήλη.

> std_id = c (1: 5) > std_name = c ('Rick', 'Dan', 'Michelle', 'Ryan', 'Gary') > σημάδια = c (623.3.515.2.611.0.729.0.843.25) > std.data<- data.frame(std_id, std_name, marks) > std.data

Παραγωγή :

std_id std_name σήματα 1 1 Rick 623.30 2 2 και 515.20 3 3 Michelle 611,00 4 4 Ryan 729,00 5 5 Gary 843.25

Με αυτό, φτάνουμε στο τέλος διαφορετικών τύπων δεδομένων στο R. Στη συνέχεια, ας προχωρήσουμε στο R Tutorial blog και να κατανοήσουμε μια άλλη βασική ιδέα - δηλώσεις ελέγχου ροής.

R Tutorial: Δηλώσεις ελέγχου ροής

Οι δηλώσεις ελέγχου ροής παίζουν πολύ σημαντικό ρόλο καθώς σας επιτρέπουν να ελέγχετε τη ροή εκτέλεσης ενός σεναρίου μέσα σε μια συνάρτηση. Οι πιο συχνά χρησιμοποιούμενες δηλώσεις ελέγχου ροής παρουσιάζονται στην παρακάτω εικόνα:

Τώρα, ας συζητήσουμε καθένα από αυτά με παραδείγματα.

R Tutorial: Επιλογές επιλογής

• Εάν ελέγχετε τη δήλωση : Αυτή η δήλωση ελέγχου αξιολογεί μία μόνο κατάσταση. Είναι αρκετά εύκολο, καθώς έχει μόνο μία λέξη-κλειδί «εάν» ακολουθούμενη από την συνθήκη και στη συνέχεια ορισμένο σύνολο δηλώσεων που πρέπει να εκτελεστούν σε περίπτωση που είναι αλήθεια. Ανατρέξτε στον παρακάτω διάγραμμα ροής για καλύτερη κατανόηση:

Σε αυτό το διάγραμμα ροής, ο κώδικας θα ανταποκριθεί με τον ακόλουθο τρόπο:

1. Πρώτα απ 'όλα, θα εισέλθει στο βρόχο όπου ελέγχει την κατάσταση.
2. Εάν η συνθήκη είναι αληθής, θα εκτελεστεί ο κώδικας υπό όρους ή οι δηλώσεις που γράφονται.
3. Εάν η συνθήκη είναι λανθασμένη, οι δηλώσεις αγνοούνται.

Παρακάτω είναι ένα παράδειγμα του αν δήλωση ελέγχου στο R. Δοκιμάστε να εκτελέσετε αυτό το παράδειγμα στο R Studio.

x = 2 επανάληψη {x = x ^ 2 εκτύπωση (x) εάν (x> 100) {break}

Έξοδος:

[1] 4 [1] 16 [1] 256

• Εάν άλλη δήλωση ελέγχου :Εξέτασητύπος δήλωσης ελέγχουαξιολογεί μια ομάδα συνθηκών και επιλέγει τις δηλώσεις. Ανατρέξτε στον παρακάτω διάγραμμα ροής για καλύτερη κατανόηση:

Σε αυτό το διάγραμμα ροής, ο κώδικας θα ανταποκριθεί με τον ακόλουθο τρόπο:

1. Πρώτα απ 'όλα, θα εισέλθει στο βρόχο όπου ελέγχει την κατάσταση.
2. Εάν η συνθήκη είναι αληθινή, θα εκτελεστούν οι πρώτες δηλώσεις «if».
3. Εάν η συνθήκη είναι ψευδής, τότε πηγαίνει στην κατάσταση «αλλιώς εάν» και εάν είναι αληθής, θα εκτελεστεί ο κωδικός «αλλιώς αν».
4. Τέλος, εάν ο κωδικός «else if» είναι επίσης ψευδής, τότε θα μεταβεί στον κωδικό «other» και εκτελείται. Αυτό σημαίνει ότι εάν καμία από αυτές τις προϋποθέσεις δεν ισχύει, τότε η δήλωση «αλλού» εκτελείται.

Παρακάτω είναι ένα παράδειγμα του αν αλλιώς δήλωση ελέγχου στο R. Δοκιμάστε να εκτελέσετε αυτό το παράδειγμα στο R Studio.

x5) {print ('x είναι μεγαλύτερο από 5')} elseif (x == 5) {print ('x is to 5')} other {print ('x δεν είναι μεγαλύτερο από 5')}

Παραγωγή:

[1] 'x είναι ίσο με 5'

• Εναλλαγή δηλώσεων : Αυτές οι δηλώσεις ελέγχου χρησιμοποιούνται βασικά για να συγκρίνουν μια συγκεκριμένη έκφραση με μια γνωστή τιμή. Ανατρέξτε στον παρακάτω διάγραμμα ροής για καλύτερη κατανόηση:

Σε αυτό το διάγραμμα ροής περίπτωσης εναλλαγής, ο κωδικός θα ανταποκριθεί στα ακόλουθα βήματα:

1. Πρώτα απ 'όλα θα εισέλθει στη θήκη διακόπτη που έχει έκφραση.
2. Στη συνέχεια θα μεταβεί στη συνθήκη Περίπτωση 1, ελέγχει την τιμή που μεταβιβάστηκε στη συνθήκη. Εάν είναι αλήθεια, θα εκτελεστεί το μπλοκ Statement. Μετά από αυτό, θα σπάσει από τη θήκη διακόπτη.
3. Σε περίπτωση που είναι ψευδές, τότε θα μεταβεί στην επόμενη περίπτωση. Εάν η συνθήκη Περίπτωσης 2 είναι αληθής, θα εκτελέσει τη δήλωση και θα σπάσει από αυτήν την περίπτωση, αλλιώς θα πάει ξανά στην επόμενη περίπτωση.
4. Τώρα ας υποθέσουμε ότι δεν έχετε καθορίσει καμία περίπτωση ή ότι υπάρχει κάποια λανθασμένη εισαγωγή από τον χρήστη και μετά θα μεταβεί στην προεπιλεγμένη περίπτωση όπου θα εκτυπώσει την προεπιλεγμένη σας δήλωση.

Ακολουθεί ένα παράδειγμα δήλωσης διακόπτη στο R. Δοκιμάστε να εκτελέσετε αυτό το παράδειγμα στο R Studio.

vtr<- c(150,200,250,300,350,400) option <-'mean' switch(option, 'mean' = print(mean(vtr)), 'mode' = print(mode((vtr))), 'median' = print(median((vtr))) ) 

Έξοδος:

[1] 275

R Tutorial: Loop Statements

Οι βρόχοι σας βοηθούν να επαναλάβετε συγκεκριμένες ενέργειες, ώστε να μην χρειάζεται να τις εκτελείτε επανειλημμένα. Φανταστείτε ότι πρέπει να εκτελέσετε μια λειτουργία 10 φορές, εάν αρχίσετε να γράφετε τον κωδικό για κάθε φορά, η διάρκεια του προγράμματος αυξάνεται και θα ήταν δύσκολο για εσάς να το καταλάβετε αργότερα. Αλλά ταυτόχρονα χρησιμοποιώντας έναν βρόχο, αν γράψω την ίδια δήλωση μέσα σε έναν βρόχο, εξοικονομεί χρόνο και διευκολύνει την αναγνωσιμότητα του κώδικα. Επίσης βελτιστοποιείται σε σχέση με την απόδοση του κώδικα.

Στην παραπάνω εικόνα, « επαναλαμβάνω' και ' ενώ «Οι δηλώσεις σάς βοηθούν να εκτελέσετε ένα ορισμένο σύνολο κανόνων έως ότου η προϋπόθεση είναι αληθινή, αλλά» Για' είναι μια δήλωση βρόχου που χρησιμοποιείται όταν γνωρίζετε πόσες φορές θέλετε να επαναλάβετε ένα μπλοκ δήλωσης. Τώρα, εάν γνωρίζετε ότι θέλετε να το επαναλάβετε για 10 φορές, τότε θα πάτε με τη δήλωση «για», αλλά εάν δεν είστε σίγουροι για το πόσες φορές θέλετε να επαναληφθεί ο κωδικός, θα πάρετε με «επανάληψη» ή βρόχος «ενώ».

Ας συζητήσουμε καθένα από αυτά με παραδείγματα.

• Επαναλαμβάνω : Ο επαναληπτικός βρόχος βοηθά στην εκτέλεση του ίδιου συνόλου κώδικα ξανά και ξανά έως ότου ικανοποιηθεί μια συνθήκη διακοπής. Ανατρέξτε στον παρακάτω διάγραμμα ροής για καλύτερη κατανόηση:

Στο παραπάνω διάγραμμα ροής, ο κώδικας θα ανταποκριθεί στα ακόλουθα βήματα:

1. Πρώτα απ 'όλα θα εισάγει και θα εκτελέσει ένα σύνολο κώδικα.
2. Στη συνέχεια θα ελέγξει τη συνθήκη, εάν είναι αλήθεια, θα επιστρέψει και θα εκτελέσει ξανά το ίδιο σύνολο κώδικα μέχρι να είναι ψευδές.
3. Εάν βρεθεί ότι είναι ψευδές, θα βγει απευθείας από τον βρόχο.

• Ενώ : Η δήλωση while συμβάλλει επίσης στην εκτέλεση του ίδιου συνόλου κώδικα ξανά και ξανά έως ότου ικανοποιηθεί μια συνθήκη διακοπής. Ανατρέξτε στον παρακάτω διάγραμμα ροής για καλύτερη κατανόηση:

Στο παραπάνω διάγραμμα ροής, ο κώδικας θα ανταποκριθεί στα ακόλουθα βήματα:

1. Πρώτα απ 'όλα θα ελέγξει την κατάσταση.
2. Εάν βρεθεί ότι είναι αληθές, θα εκτελέσει το σύνολο του κώδικα.
3. Στη συνέχεια, ελέγχει ξανά την κατάσταση, εάν είναι αλήθεια, θα εκτελέσει ξανά τον ίδιο κωδικό. Μόλις διαπιστωθεί ότι η συνθήκη είναι ψευδής, βγαίνει αμέσως από το βρόχο.

Ακολουθεί ένα παράδειγμα της δήλωσης while στο R. Δοκιμάστε να εκτελέσετε αυτό το παράδειγμα στο R Studio.

x = 2 ενώ (x<1000) { x=x^2 print(x) } 

Παραγωγή:

4 16 256 65 536

Πρέπει λοιπόν να αναρωτιέστε πώς διαφέρουν αυτές οι δύο δηλώσεις; Επιτρέψτε μου να ξεκαθαρίσετε την αμφιβολία σας!
Εδώ, η κύρια διαφορά μεταξύ της δήλωσης επανάληψης και ενόψει είναι ότι αλλάζει σε σχέση με την κατάστασή σας. Ενώ Ο βρόχος ορίζει βασικά πότε πρόκειται να εισέλθετε στον βρόχο για να εκτελέσετε τις δηλώσεις και επαναλαμβάνω ο βρόχος καθορίζει όταν φεύγετε από το βρόχο μετά την εκτέλεση των δηλώσεων. Έτσι, αυτές οι δύο δηλώσεις είναι γνωστές ως βρόχος ελέγχου εισόδου και βρόχου ελέγχου εξόδου. Με αυτόν τον τρόπο οι δηλώσεις ενώ οι επαναλαμβανόμενες είναι διαφορετικές.

• Για βρόχο: Για βρόχους χρησιμοποιούνται όταν πρέπει να εκτελέσετε ένα μπλοκ κώδικα πολλές φορές. Ανατρέξτε στον παρακάτω διάγραμμα ροής για καλύτερη κατανόηση:

Στο παραπάνω διάγραμμα ροής, ο κώδικας θα ανταποκριθεί στα ακόλουθα βήματα:

1. Πρώτα απ 'όλα υπάρχει αρχικοποίηση όπου καθορίζετε πόσες φορές θέλετε να επαναληφθεί ο βρόχος.
2. Στη συνέχεια, ελέγχει την κατάσταση. Εάν η συνθήκη είναι αληθής, θα εκτελέσει το σύνολο κώδικα για τον καθορισμένο αριθμό φορών.
3. Μόλις διαπιστωθεί ότι η συνθήκη είναι ψευδής, βγαίνει αμέσως από το βρόχο.

Ακολουθεί ένα παράδειγμα για δήλωση στο R. Δοκιμάστε να εκτελέσετε αυτό το παράδειγμα στο R Studio.

vtr<- c(7,19,25,65, 45) for( i in vtr) { print(i) } 

Έξοδος:

7 19 25 65 45

Στη συνέχεια, ας προχωρήσουμε στο τελευταίο μας σύνολο δηλώσεων στο ιστολόγιο R Tutorial, δηλ. Δηλώσεις άλματος.

R Tutorial: Άλλες δηλώσεις

Δήλωση διακοπής : Οι δηλώσεις διακοπής βοηθούν στον τερματισμό του προγράμματος και συνεχίζει τον έλεγχο στην επόμενη δήλωση μετά το βρόχο. Αυτές οι δηλώσεις χρησιμοποιούνται επίσης σε περίπτωση εναλλαγής. Ανατρέξτε στον παρακάτω διάγραμμα ροής για καλύτερη κατανόηση:

Στο παραπάνω διάγραμμα ροής, ο κώδικας θα ανταποκριθεί στα ακόλουθα βήματα:

1. Πρώτα απ 'όλα, θα εισέλθει στο βρόχο όπου ελέγχει την κατάσταση.
2. Εάν η κατάσταση βρόχου είναι ψευδής, βγαίνει απευθείας από τον βρόχο.
3. Εάν η συνθήκη είναι αληθής, τότε θα ελέγξει την κατάσταση διακοπής.
4. Εάν η κατάσταση διακοπής είναι αληθής, υπάρχει από το βρόχο.
5. Εάν η συνθήκη διακοπής είναι λανθασμένη, τότε θα εκτελέσει τις δηλώσεις που παραμένουν στο βρόχο και στη συνέχεια θα επαναλάβει τα ίδια βήματα.

Ακολουθεί ένα παράδειγμα δήλωσης άλματος στο R. Δοκιμάστε να εκτελέσετε αυτό το παράδειγμα στο R Studio.

Χ<- 1:5 for (val in x) { if (val == 3){ break } print(val) } 

Παραγωγή:

[1] 1 [1] 2

Επόμενη δήλωση : Μια επόμενη δήλωση χρησιμοποιείται όταν θέλετε να παραλείψετε την τρέχουσα επανάληψη του βρόχου χωρίς να τον τερματίσετε. Η επόμενη δήλωση μοιάζει αρκετά με το «συνέχεια» σε άλλη γλώσσα προγραμματισμού. Ανατρέξτε στον παρακάτω διάγραμμα ροής για καλύτερη κατανόηση:

Στο παραπάνω διάγραμμα ροής, ο κώδικας θα ανταποκριθεί στα ακόλουθα βήματα:

1. Πρώτα απ 'όλα, θα εισέλθει στο βρόχο όπου ελέγχει την κατάσταση.

2. Εάν η κατάσταση βρόχου είναι ψευδής, βγαίνει απευθείας από τον βρόχο.

3. Εάν η συνθήκη βρόχου είναι αληθής, θα εκτελέσει τις δηλώσεις του μπλοκ 1.

4. Μετά από αυτό θα ελέγξει για 'επόμενη' δήλωση. Εάν υπάρχει, τότε οι δηλώσεις μετά από αυτό δεν θα εκτελεστούν στην ίδια επανάληψη του βρόχου.

5. Εάν η επόμενη δήλωση δεν υπάρχει, τότε όλες οι δηλώσεις μετά από αυτήν θα εκτελεστούν.

Ακολουθεί ένα παράδειγμα της επόμενης δήλωσης στο R. Δοκιμάστε να εκτελέσετε αυτό το παράδειγμα στο R Studio.

για (i in 1:15) {if ((i %% 2) == 0) {next} print (i)}

Έξοδος:

1 3 5 7 9 11 13 15

Αυτό είναι το τέλος του blog tutorial R. Ελπίζω να είστε ξεκάθαροι για κάθε έννοια που έχω συζητήσει παραπάνω. Μείνετε συντονισμένοι, το επόμενο blog μου θα είναι στην εκπαίδευση R όπου θα εξηγήσω λεπτομερώς κάποιες περισσότερες έννοιες του R με πρώηνεπαρκής.

Τώρα που έχετε κατανοήσει τα βασικά του R, ρίξτε μια ματιά στο από την Edureka, μια αξιόπιστη διαδικτυακή εταιρεία εκμάθησης με δίκτυο περισσότερων από 250.000 ικανοποιημένων μαθητών σε όλο τον κόσμο. Το Data Analytics της Edureka με εκπαίδευση R θα σας βοηθήσει να αποκτήσετε εξειδίκευση στον προγραμματισμό R, στη διαχείριση δεδομένων, στην ανάλυση διερευνητικών δεδομένων, στην οπτικοποίηση δεδομένων, στην εξόρυξη δεδομένων, στην παλινδρόμηση, στην ανάλυση συναισθημάτων και στη χρήση του R Studio για πραγματικές μελέτες περιπτώσεων σε λιανικά, κοινωνικά μέσα.

Έχετε μια ερώτηση για εμάς; Παρακαλώ αναφέρετέ το στην ενότητα σχολίων αυτού του ιστολογίου 'R Tutorial' και θα επικοινωνήσουμε μαζί σας το συντομότερο δυνατό.