R och Rstudio

Innehåll

Kursen använder R (själva programmeringsspråket) och Rstudio. Rstudio är ett program som gör det lättare att arbeta med R, en så kallad IDE. Dessa program finns förinstallerade på datorerna i datorsalarna.

Om ni vill jobba på egen dator går det bra, dessa program finns tillgängliga för Windows, Mac och Linux.

• Ladda ner och installera R här, version 4.4.2 eller högre.
• Ladda ner och installera R-Studio här, version RStudio-2024.12.1 eller högre.

Här finns videos om att installera R och R-Studio på Windows, Mac och Linux/Ubuntu

Kursinnehåll

Innehåll

Syftet med denna kurs är att introducera enklare programmeringstekniker med särskilt fokus på programspråket R.

Kursen kommer behandla statistiskt programmering i R. Kursen ger en introduktion till bland annat:

• Installera och använda R / R-Studio.
• Att använda hjälpen i R / R-studio.
• Importera och exportera data
• Datastrukturer och bearbeta data
• Funktioner och dokumentation
• Programmeringsteknik
• Installera och använda R-paket
• Statistik och grafik
• Strängar och datum
• Grundläggande linjär algebra

Undervisningsmaterial och uppgifter

Innehåll

Kursen sträcker sig över 10 veckor, med start vecka 14 (2/4). De första 8 veckorna introducerar en ny del med kursmaterial varje vecka. Den 9:e veckan ägnas åt repetition och kompletteringar. Sista veckan är det en datortenta. När slides eller labbinstruktioner är uppdaterade för 2025 så kommer det att stå uppdaterad efter länken.

De första 8 veckorna kommer att ha en föreläsning och en datorlaboration per vecka.

• Föreläsning Föreläsningen introducerar nya koncept och lägger grunden för datorlaborationen. Till varje föreläsning finns läsanvisningar till kursboken, olika videos och ev. extramaterial.
• Datorlaboration Denna del är den viktigaste delen av kursen. Vid laborationerna kommer ni att programmera och lära er lösa problem med och i R. Två delar
  • Övningsuppgifter \(\rightarrow\) är mycket viktiga! Lägger grunden för inlämningsuppgifterna och tentan.
  • Inlämningsuppgifter
• Seminarier Är till för frågor och interaktion. Lärare löser övningsuppgifter och svarar på frågor från studenterna.

I andra halvan av kursen kommer även ett Projekt att genomföras.

Kursen examineras genom en datortenta och 5 stycken datorlaborationer. Tentan kan ge betygen U, G och VG. Datorlaborationerna kan ge betygen U och G. För att få godkänt på kursen så måste man ha G på datorlaborationerna och tentan, för VG så behöver man även ha VG på tentan.

Inlämningar

Innehåll

Kursen innehåller totalt 4 inlämningsuppgifter som är obligatoriska att lämna in samt ett projekt.

De två första inlämningsuppgifterna görs individuellt, de två sista samt projektet görs i grupper om två.

För att bli godkänd på inlämningar krävs att ni gör följande:

1. Lös uppgifterna i inlämningen. Se till att markmyassignment inte ger några fel.
2. Redovisa uppgifterna muntligt för en labassistent/lärare under någon datorlaboration.
3. När ni fått okej från labassistent/lärare kan ni ladda upp er lösning på Lisam.
4. Exakt deadline för olika inlämningar finns på Lisam under Inlämningar.

För projektet räcker det med inlämning i Lisam när man är klar.

Slides: Föreläsning 1 (Uppdaterad för VT25)

R demo:

Demo från föreläsningen F1_demo.R

Kursbok:

• INTRODUCTION
• 1.2.2 - 1.4.2
• 2
• 4.1-4.2
• 6.1.1-6.1.3
• A.1 (appendix)
• B.1 (appendix)
• Generellt kolla: Important Code in This Chapter i slutet av de berörda kapitlen

Video:

• RP:
  • What makes R different?
  • Background and Overview
  • How to get Help
• GD:
  • R 1.2 - Calculations and Variables
  • R 1.3 - Create and Work With Vectors
  • R 1.4 - Character and Boolean Vectors
  • R 1.5 - Vector Arithmetic
  • R 1.7 - Section 1 Review and Help Files
• Logik och logiska värden:
  • Relationsoperatorer
  • Logiska operatorer

Datorlaboration: PDF (uppdaterad 2025)

Slides: Föreläsning 2 (uppdaterad 2025)

R demo:

Demo från föreläsningen F2_demo.R

Seminarium: (uppdaterad 2025)

kod från seminarium

Kursbok:

• 3.1-3.2, 3.3.3-3.3.4, 3.4 Matrices and arrays
• 4.3 Factors
• 5 Lists and data.frames
• 8.1-8.3.1 Reading and writing files
• Generellt kolla: Important Code in This Chapter i slutet av de berörda kapitlen

Video:

• RP:
  • Lecture 2a: Data Types
  • 2b: Subsetting
  • 2c: Vectorized Operations
  • The str function
  • Reading/Writing Data: Part 1
• GD:
  • R 1.6 - Building and Subsetting Matrices
  • Loading Data and Working With Data Frames
  • R 2.5 - Lists
  • R 3.1 - Managing the Workspace and Variable Casting

Datorlaboration:

PDF (Uppdaterad 2025)

Slides: Föreläsning 3 (Uppdaterad för 2025)

R demo:

Demo från föreläsningen F3_demo.R

Seminarium: (Uppdaterad för 2025)

kod från seminarium

Kursbok:

• 10 Conditions and Loops
• 12.1.1

Video:

• RP:
  • Control Structures in R
  • Debugging Tools in R
• GD:
  • R 2.3 - if() Statements, Logical Operators, and the which() Function
  • R 2.4 - for() Loops and Handling Missing Observations

Datorlaboration:

PDF (Uppdaterad för 2025)

Slides: Föreläsning 4 (Uppdaterad för VT25)

Seminarium: (uppdaterad för 2025)

Koden hittar ni här

Kursbok:

• 9 Calling funcitons
• 11 Writing functions
• 12 Exceptions, timings and visibility

Annan läsning:

• Best practices for scientific computing av Greg Wilson et. al. Denna artikel finns tillgänglig här.
• Tidyverse Style Guide

Video:

• RP:
  • Writing Functions
  • Scoping Rules for R
  • Debugging Tools in R
• GD:
  • R 3.2 - The apply() Family of Functions
  • R 4.1 - Basic Structure of a Function
  • R 4.2 - Returning a List and Providing Default Arguments
  • R 4.3 - Add a Warning or Stop the Function Execution
  • R 4.4 - Passing Additional Arguments Using an Ellipsis
  • R 4.5 - Make a Returned Result Invisible and Build Recursive Functions
  • R 4.6 - Custom Functions With apply()
• övrigt:
  • R Programming Tutorial Lesson 15: Packages
  • R tutorial: Writing functions in R

Datorlaboration: PDF (Uppdaterad för VT25)

Slides: Föreläsning 5 (uppdaterad VT25)

R demo:

Demo från föreläsningen F5_demo.R

Intro Rmarkdown: Rmd-fil och pdf-fil Notera: Om ni till bygga/knitta/rendera en pdf-fil så behöver LaTex vara installerat på er dator. Se datorlaboration 5 för instruktioner.

Seminarium:

Markdown filen hittar ni här och det tillhörande scriptet finns här observera att ni kan behöva ändra source så den hittar filen, bör fungera om ni har scriptet och markdown filen i samma mapp.

Koden för Monte Carlo simuleringen finns här

Kursbok:

• Basic plotting 7.1-7.3
• Advanced plot customization 23.1-23.2, 23.4
• Common probability distributions 16

Annan läsning:

• R Markdown from Rstudio

Video:

• RP:
  • Literate Statistical Programming with knitr (Part 1/4)
  • Literate Statistical Programming with knitr (Part 2/4)
  • Literate Statistical Programming with knitr (Part 3/4)
  • Literate Statistical Programming with knitr (Part 3/4)
  • PlottingBase
  • PlottingBaseDemo
  • PlottingMath
• övrigt:
  • R Tutorial - Making Basic Graphics in R
  • R Tutorial - Customizing Your Plots In R
  • R Tutorial - How to plot multiple graphs in R

Annan läsning:

• R reference card v.2 av Matt Baggot. här
• Base-r här
• R-markdown cheat sheet här
• R-markdown reference guide här

Datorlaboration: PDF (Uppdaterad för VT24)

Slides: Föreläsning 6 (uppdaterad VT24)

R demo:

Demo från föreläsningen F6_demo.R

Seminarium:

• Objektorientering:
  • Skapa klasser
    • Geomteriska figurer, kvadrat, triangel
  • Skapa egen (ny) generisk funktion
    • Area
    • Omkrets
• Datum och tid:
  • Lite om tidszoner
  • Lite om att ändra locale till svenska
  • Skapa en funktion som testar om ett datum ligger inom en viss tid från idag.

Kod från seminariet

Lubridate:

• Från R cran: vignette
• Boken R for Data Science: 16 Dates and times
• Dates and Times Cheat Sheet här
• Dates and Times Made Easy with lubridate av Garrett Grolemund och Hadley Wickham. Artikeln finns att ladda ned här Notera att lubridate har fått vissa uppdateringar sen artikeln skrevs.

Datum i base R:

• RP: Dates and Times

Objektorientering

• Kursbok: Understanding Types, Classes, and Coercion 6.2
• OO Länk 1
• OO Länk 2: Läs om S3
• OO Fördjupning 1
• OO Fördjupning 2
• OO Fördjupning 3

Linjär algebra

• Kolla här
• Kursbok: 3.3

Datorlaboration: PDF (Uppdaterad för VT24)

Slides: Föreläsning 7

R demo:

Demo från föreläsningen F7_demo.R

Seminarium:

Kod från seminariet

ggplot2:

• Video, RP:
  • Plotting with ggplot2: Part 1
  • Plotting with ggplot2: Part 2
• Kursbok: 24 Grammar of graphics
• ggplot2 Overview
• ggplot2 Data Visualization Cheat Sheet
• ggplot2 reference

Statistik:

• 13.2, 18.1-18.4 (fokusera på R-koden, ni måste inte läsa all statistik teori om ni inte vill)
• Video:
  • Basic summary statistics in R
  • One-Sample t-test
  • Two-Sample t-test
  • Paired t-test
  • Wilcoxon Signed Rank test
  • Chi-Square Test, Fishers Exact Test, and Cross Tabulations
  • Correlation and Covariance

Linjär regression (frivilig fördjupning)

• Video om linjär regression (lm) del 1
• Video om linjär regression (lm) del 2
• Se avsnitt i labben om linjär regression.
• Kursboken Kap 20-22

Datorlaboration: PDF (Uppdaterad för VT24)

Slides: Föreläsning 8 (uppdaterad VT24)

R demo:

Demo från föreläsningen F8_demo.R

Sammanfattning av slides för texthantering och regexp: Här

Seminarium:

Exempel på användande av mönstermatchning och databearbetning med piping.

Kod från seminariet

Texthantering:

• Video, RP: Regular Expressions
• stringr: modern, consistent string processing Här
• Introduction to stringr, Här
• Handling and Processing Strings in R (av Gaston Sanchez), Här Kap 1 (hela), 2 (hela), 3.1, 3.3, 4.2.1-4.2.3, 5-5.2.2, 5.2.6, 5.3.1-5.3.2, 6-6.1.3, 6.2.2, 6.4-6.4.10, 7.1, 7.2 (se även labben kaptiel 1)
• Ex på användning av stringr, kolla här
• R for Data Science: 14 Strings

Modern databearbetning

• Introduction to dplyr Här
• Tidy data av Hadley Wickham (TDHW) här
• R for Data Science:
  • 10 Tibbles
  • 5 Data transformation
  • 12 Tidy data
  • 13 Relational data

Datorlaboration: PDF (Uppdaterad för VT24)

Slides: Föreläsning 9

Delar av denna tenta kommer att gås igenom under föreläsningen.

Lösning

Här finns andra gamla tentor.

Seminarium:

Veckas seminarium kommer att vara en frågestund där jag finns tillgänglig för att svara på alla era frågor!

Komplettering av laborationer

Alla inlämningar, inklusive projektet, ska vara godkända för att laborationsdelen på kursen ska bli godkänd. Om ni inte får godkänt på en inlämning så kommer den markeras med komplettering i Lisam.

Följande kompletteringstillfällen finns:

• komp1: Inlämning 1-4, projekt, deadline:
• komp2: Inlämning 1-4, projekt, deadline:
• komp3: Inlämning 1-4, projekt, deadline:

Deadline gäller för inlämning i Lisam, kontakta Johan Alenlöv för muntlig redovisning, kan ske antingen på plats eller via Zoom/Teams.

Om ni inte har lämnat alls på en inlämning och den är stängd:

• Maila då Johan Alenlöv minst 2 dagar innan deadline så får ni er inlämning öppnad för komplettering. Ange vilka laborationer det gäller och vilken grupp som ni tillhör för laborationer på del 2 i kursen.

Vid inlämningen på Lisam: lämna in en fil per laboration. Döp filen enligt formen labb1_josad732_komp1.R om det är laboration 1 och komplettering 1. Om det är del två och ni arbetar i par döp då filen enligt formen labb5_grupp01_komp1.R Notera att kompletteringar ska skickas in under ordinarie inlämningar på Lisam för respektive inlämning

OBS: om inte alla inlämningar är godkända efter den sista kompletteringen så måste labbdelen av kursen göras om nästa gång kursen ges! Detta innebär att alla inlämningar, inklusive projektet måste göras om.

Projekt

Projektet kommer genomföras i två delar. Den behandlar databearbetning, grafik med ggplot2 och statistik analys.

Här finns beskrivet i detalj hur projektet ska genomföras.

Här finns en mall för projektet.

Datortenta

Kursen huvudexamination är en datortenta på 5 h.

• 2025-06-11
• 2025-08-14
• Troligen slutet av oktober 2025

Glöm inte att anmäla er i tid! Endast anmälda studenter får plats på tentan.

Tidigare tentor finns att tillgå här. (kommer senare)

Här finns information om datortenta i SU-salar: länk

Efter kursen

Resurser för den som vill lära sig mer efter kursen:

• R for Data Science av Garrett Grolemund och Hadley Wickham, finns här
• Advanced R av Hadley Wickham, finns här.
  
• R packages av Hadley Wickham, finns här.
• Några fria e-böcker om R finns här
  
• Här finns en massa länkar med mer lärresurser.

Personal på kursen

• Lärare: Josef Wilzén(examinator) och Johan Alenlöv
• Labbassistenter: Algot Larsson Eskilsson, Hampus Beijer, Duy Thai Pham, Joseph Mumper
• Kursadministratör: Erika Larsson (732G33), Hanan Mohsen (732G83)