Einführung in die Funktion

Funktionen sind der Grundbaustein jeder Programmiersprache. Es hilft bei der modularen Programmierung, dh wir erstellen einen Codeblock (Funktion) und verwenden ihn, wann immer dies erforderlich ist. Durch die Erstellung von Funktionen wird vermieden, dass immer wieder derselbe Code geschrieben wird. In diesem Thema lernen wir R-Programmfunktionen kennen.

Eine Funktion sollte sein

  • geschrieben, um eine bestimmte Aufgabe auszuführen.
  • kann oder kann nicht Argumente enthalten
  • einen Körper enthalten
  • kann einen oder mehrere Werte zurückgeben oder nicht.

Funktionen in R

R hat viele eingebaute Funktionen, die für die spezifischen Aufgaben verwendet werden

Hier einige wichtige und häufig verwendete Funktionen in Data Science

Sind unten aufgeführt

1. mean ()

Es wird verwendet, um den Mittelwert für das Objekt zu finden.

Ex: a<-c(0:10, 40)
xm<-mean(a)
print(xm)

Ausgabe:

(1) 7, 916667

2. sd ()

Es wird die Standardabweichung eines Objekts zurückgegeben.

a<-c(0:10, 40)
xm<-sd(a)
print(xm)

Ausgabe:

(1) 10, 58694

3. Median ()

Es wird der Median zurückgegeben.

a<-c(0:10, 40)
xm<-meadian(a)
print(xm)

Ausgabe:

(1) 5.5

4. sum ()

Es gibt die Summe zurück.

a<-c(0:10, 40)
xm<-sum(a)
print(xm)

Ausgabe:

(1) 95

5 Minuten()

Es wird ein Mindestwert zurückgegeben.

a<-c(0:10, 40)
xm<-min(a)
print(xm)

Ausgabe:

(1) 0

6. max ()

Es wird der Maximalwert zurückgegeben.

a<-c(0:10, 40)
xm<-max(a)
print(xm)

Ausgabe:

(1) 40

7. is.na ()

Es gibt die leeren Zeilen zurück.

Die Ausgabe ist entweder TRUE oder FALSE.

True für leere Zeilen und False für nicht leere.

  • which (is.na ()) - Gibt den Index der leeren Zeilen zurück.
  • help () - wird verwendet, um die Dokumentation von Modulen, Funktionen, Klassen, Schlüsselwörtern usw. anzuzeigen.

Es gibt viele andere integrierte Funktionen, die beim Importieren der entsprechenden Bibliotheken verwendet werden können.

Abgesehen von diesen eingebauten Funktionen können wir unsere eigenen Funktionen nach Bedarf erstellen.

Eigene Funktionen erstellen

Hier ist das Format zum Schreiben unserer eigenen Funktion:

Funtion_name <- function(p)
(
Body
return ()
)

Hier erkläre ich jede Komponente dieser benutzerdefinierten Funktion.

1. Funktionsname

Wir können unserer Funktion einen beliebigen Namen geben, aber wir entscheiden den Funktionsnamen auf der Grundlage von

Funktionalität, dh die Art der durchgeführten Operation.

Wenn wir zum Beispiel eine Funktion erstellen, um die Summe von 2 Zahlen zu berechnen, dann

Es ist besser, dieser Funktion den Namen „Summe“ zu geben.

2. Hauptteil der Funktion

Wir schreiben die Schritte, um bestimmte Operationen auszuführen. Diese Schritte werden als Rumpf der Funktion bezeichnet. Der Code der Funktion ist in geschweiften Klammern () eingeschlossen.

Beispielsweise

Angenommen, wir müssen die Summe zweier Zahlen berechnen:

Dann lautet der Hauptteil der Funktion:

Sum (x, y)
(
a=x
b=y
c = a+b
return (c)
)

Die hervorgehobenen Linien werden als Hauptteil der Funktion bezeichnet.

Jetzt sind wir auf ein paar neue Begriffe wie return () gestoßen und haben nach dem Namen der Funktion zwei Werte x, y übergeben, die als Parameter bezeichnet werden. Ich werde diese Begriffe im Detail erklären:

Erstens Parameter: Dies sind die Variablen, für die wir die in der Funktion definierte Operation ausführen.

Zweitens return (): In der Funktion haben wir ein return (), das bewirkt, dass unsere Funktion beendet und den Wert an ihren Aufrufer zurückgibt.

Bedeutung für den Aufbau der Funktion

Es ist sehr schwer, das große Stück Code zu verstehen. Es ist notwendig, einen neuen Weg zu finden, um den großen monolithischen Code in einen kleineren lesbaren Code zu zerlegen, dh (Funktion).

Durch die Verwendung von Function wurde die Modularisierung verbessert. Die Funktion ist nur eine andere Möglichkeit, die Ausführungscodezeile in einem Block zu gruppieren und zu benennen. Der Name hilft uns, ihn so zu nennen, wie Sie mich anrufen können, wenn Sie meinen Namen kennen.

Wie wir gesehen haben, gibt es in R mehrere eingebaute Funktionen, die unsere

Einfacher arbeiten, wir müssen nur die Bibliotheken importieren und können die Funktionen nutzen

verfügbar in diesen Bibliotheken.

Fazit - R Programmfunktionen

Die hauptsächlichen Verwendungszwecke von R sind und bleiben Statistik, Visualisierung und maschinelles Lernen, was viele Berechnungen und Visualisierungen erfordert, was bedeutet, dass wir viele Funktionen benötigen werden. In fast allen Data Science-Projekten sind nur wenige statistische Berechnungen wie Mittelwert, Median, Standardabweichung usw. erforderlich. Aus diesem Grund verfügen wir über zahlreiche integrierte Bibliotheken, die aus vielen Funktionen bestehen, die häufig verwendet werden. Wenn neue Funktionen implementiert werden müssen, können wir unsere eigenen Funktionen erstellen.

Empfohlene Artikel

Dies ist eine Anleitung zu den R-Programmfunktionen. Hier diskutieren wir einige wichtige und häufig verwendete Funktionen in R Program und das Format zum Schreiben unserer eigenen Funktion. Sie können sich auch die folgenden Artikel ansehen, um mehr zu erfahren -

  1. R Programmiersprache
  2. R Programmieren gegen Python
  3. Karriere in der R-Programmierung
  4. R Online-Lernprogramm
  5. Beispiele für integrierte Python-Funktionen

Kategorie:

Große Daten