Programering i R

Föreläsning 2: Datastrukturer, databearbetning och I/O

Josef Wilzén

STIMA, Linköpings universitet

2021-01-28

• Intro
  • Quiz
  • labb 2
• Datastrukturer
  • Matriser
  • Data.frame
  • Listor
• Grundläggande databearbetning
• Input och output (I/O) i R

• Repetition av vecka 1
• Gå till https://kahoot.it/
  • Mobil, läsplatta, dator
• Ange gamepin på din enhet
• Välj smeknamn

Finns det exakt en lösning till uppgifterna?

• övningsuppgifter: enkla uppgifter kan ha en lösning, men många har olika lösnignar
• inlämningsuppgifter:
  • Alla testen i markmyassignment måste bli godkända. De exempel på funktionsanrop som finns är till för att ni lättare ska klara testerna.
  • Ni har rätt mycket frihet vilken kod ni skriver inuti funktioner:

my_func<-function(){
  #olika lösningar
}

• Övningsuppgifterna viktiga!
• Programmering är både en praktisk och teoretisk färdighet

• Hur datorn lagrar data / information
• Vi kommer använda:
  • Vektorer
  • Matriser
  • data.frame
  • Listor

• Element av samma typ
• En dimension
• Vad är index?
  • Adress till de olika elementen
  • Varje vektor har en indexvektor
  • Indexering med [ ]

vektor <- seq(1, 3, 0.5)
vektor

[1] 1.0 1.5 2.0 2.5 3.0

vektor[2:3] <- c(4,7)
vektor

[1] 1.0 4.0 7.0 2.5 3.0

• sort() och order()

vektor <- c(5,2,4,3,-1)
sort(vektor)

[1] -1  2  3  4  5

order(vektor, decreasing = FALSE)

[1] 5 2 4 3 1

• Alla vektorer har en index-vektor

• Dummyvariabler vid analyser
• Sparar minnesutrymme (jmf. med textvektorer)
• Text till faktor med factor()
  
• Textdata som läses in i R kan konverteras till factor om stringsAsFactors = TRUE

minText <- c("A", "B", "A", "A")
minFaktor <- factor(minText)
minFaktor

[1] A B A A
Levels: A B

• Tvådimensionell
• Element av samma typ
• Skapas med matrix()
• Vanliga operatorer sker elementvis
• Matrisoperatorer finns, mer om det senare i kursen
• Indexering med [ , ]

minMatris <- matrix(data=c(1,3,2,4), nrow=2)
minMatris

     [,1] [,2]
[1,]    1    2
[2,]    3    4

minMatris[, 2] <- c(0, 1)
minMatris

     [,1] [,2]
[1,]    1    0
[2,]    3    1

• “dataset” i R
• Ett objekt som andra
• Olika kolumner kan ha olika datatyper
• Indexering av variabler kan göras med variabelnamn ["min_var"]
• Specialfall av listor (mer om det snart)
• Indexering av rader och kolumner med [ , ]

minData <- 
 data.frame(vikt=c(58,78,98), 
            namn=c("Lisa","Kim","Max"), 
            rik=c(TRUE,FALSE,FALSE))
minData

  vikt namn   rik
1   58 Lisa  TRUE
2   78  Kim FALSE
3   98  Max FALSE

• Inkluderade datamaterial i R
• Finns i paketet datasets

data(iris)

head(iris)
tail(iris)
summary(iris)
dim(iris)

• Använda R-Studios “Environment”

• Är vektorer
• Olika sätt att “välja” en variabel

iris$Species
iris[, "Species"]
iris[["Species"]]
iris[, 5]
iris[, colnames(iris) == "Species"]

• Lägger till en ny vektor
• Som vektorer i övrigt

iris$Sepal.Length2 <- 
  iris$Sepal.Length ^ 2 
iris$Species2 <- c(2,1)
iris$Species2[1:10]

 [1] 2 1 2 1 2 1 2 1 2 1

• Tillskriver variabeln värdet NULL
• Negativ indexering

iris$Sepal.Length2 <- NULL
iris <- iris[, -7]

• Variabelnamn är en textvektor
• Bör inte innehålla mellanrum, inga å, ä, ö

colnames(iris)

[1] "Sepal.Length"  "Sepal.Width"   "Petal.Length"  "Petal.Width"   "Species"       "Sepal.Length2" "Species2"     

colnames(iris)[1] <- "Oj_EnVariabel"
colnames(iris)[1:2]

[1] "Oj_EnVariabel" "Sepal.Width"  

• Rader har enskilda ID
• Detta är också en textvektor!

rownames(iris)[1:5]

[1] "1" "2" "3" "4" "5"

rownames(iris)[1] <- "Blomma 1"
rownames(iris)[1:5]

[1] "Blomma 1" "2"        "3"        "4"        "5"       

• Som en vektor, men alla element är objekt
• Tänk: “lådor” med objekt
• Kan namnges precis som variabler i data.frames

minLista <- list(Pelles="Pelle Karlsson", c(1,2,3,4))
minLista

$Pelles
[1] "Pelle Karlsson"

[[2]]
[1] 1 2 3 4

• Görs med enkla och dubbla “hakparanteser”
  • []: Tänk plocka ut en eller flera “lådor”
  • [[]]: Tänk öppna och ta innehållet i en låda
• Om namngivna:
  • lista$list_element_namn
  • [["list_element_namn"]]

minLista <- list(Perta="Perta Karlsson", c(1,2,3,4))
minLista[1]

$Perta
[1] "Perta Karlsson"

minLista[[1]]

[1] "Perta Karlsson"

• “Ni statistiker tror att världen kommer i excelformat”
• Grundläggande databearbetningar
  • rbind()
  • cbind()
  • merge()
• Aggregera data används aggregate()

• Olika sätt att läsa in data (input):
  • Från filer på datorn / nätverket (.csv, .xlsx, .txt, .Rdata,.RDS)
  • Från filer på webben (httr)
  • Från databaser (med SQL)
  • Via API:er (ex. rOpenGov

• Olika sätt att leverera (output):
  • Filer
  • Databaser / API:er
  • Interaktiva webbdatabaser (ex. Shiny)
  • Rapporter / analyser / texter (knitr)
    • mer om det i del 2 i kursen

• R läser in i internminnet, men ofta vill vi arbeta med filer från hårddisken
• R arbetar i working directory
  • För att ta reda på sökvägen getwd()
  • För att ändra sökvägen setwd()
  • För att lista filer i katalogen dir()
• För att snabbt och enkelt få sökvägen till en fil file.choose()
• Detaljer om hur man kan manipulera kataloger och filer med R finns [här]

För att läsa in data finns:

• .csv och .txt-filer: read.table(),read.csv(), read.csv2()
• .Rdata-filer: load()
• .rds-filer: readRDS()

För att spara data från R till hårddisken finns (bland annat):

• .csv - filer: write.table(),write.csv(), write.csv2()
• .Rdata - filer: save()
• .rds - filer: saveRDS()

För andra datakällor finns andra paket:

Länkar om att läsa in olika typer av data: här och här