Einführung in R-Datentypen

R ist eine Programmiersprache, die bei der Durchführung statistischer Analysen hilft und mittlerweile zum Standard für das statistische Rechnen geworden ist. Mit vordefinierten Funktionen für verschiedene Aufgaben. Die Kenntnis der linearen Algebra wird ein Mehrwert sein, da sie bei R- und Matrixberechnungen nützlich ist. 'R' verwendet Befehlszeilenschnittstellen und akzeptiert Befehle, um mit einer Eingabeaufforderung> daran zu arbeiten. Lassen Sie uns die R-Datentypen verstehen.

Erklären Sie R-Datentypen

Die R-Programmierung unterstützt verschiedene Datentypen wie Skalare, Matrizen, Listen, Vektor- und Datenrahmen. Alles in R wird als Objekt betrachtet, dh es speichert und verarbeitet Operationen an Objekten. Das Hauptmerkmal von R ist, dass ein anderer Prozess mit verschiedenen Objekttypen durchgeführt wird. Bei den meisten Befehlen in R werden Funktionen auf die Objekte angewendet. Variablen benötigen keine Deklaration, statt den Vektoren eine Zahlenfolge zuzuweisen.

Lassen Sie uns die Typen nacheinander lernen:

1. Vektor

Vector hat eine Reihe von Werten mit den gleichen Typen (Sammlung geordneter Elemente), die eindimensional dargestellt werden. Die Klasse des Vektors wird durch die Art der vorgenommenen Eingaben bestimmt. Wenn ein Vektor für mehr als ein Element erstellt wird, wird die Funktion c () verwendet, um alle Elemente in einem einzigen Vektor zusammenzufassen. Vektoren sind eine Folge numerischer, fortlaufender oder zufälliger Zahlen. Vektorsorten sind das Zeichen, die ganze Zahl, die Zahl, die Komplexität, die Logik (wahr, falsch). Dies sind implizite Konvertierungen. Einige der fünf Vektorfunktionen sind length (), class (x), is.logical (x), is.null, rep ().

Beispiel

Im Folgenden sehen wir grundlegende Vektorbeispiele:

  • Vektorarithmetik: Numerische Vektoren werden in arithmetischen Ausdrücken ausgeführt, um Berechnungen durchzuführen, um einen anderen Vektor zu erhalten. Es werden auch statistische Operationen durchgeführt, die Einträge wie max, min, var mean ergeben.

Code:

>y <-c (1, 2, 2.5, 3)
>y +2

Ausgabe:

Die obige Anweisung gibt die Ausgabe mit der Funktion c () aus, die die Variable t zu 2 addiert.

  • Die Länge des Vektors wird mit der Funktion len () berechnet.

Code:

> len (y)

Ausgabe:

  • Logische Vektoren: Vergleich zweier Zahlen mit logischen Werten wie True, False, NA. Logische Operatoren zur Erfüllung bestimmter Bedingungen umfassen <,, > =, ==, ! = Für Ungleichheit.

Beispiel 1

Code:

> v <- seq ( -2, 2)
> l 0
> l

Ausgabe:

Beispiel 2

Code:

>x=c (3, 6, 1, 2)
>x>2

Ausgabe:

Code:

rep () – to create replicate values.
rep(1, 3)
rep( 3:6, 2)
rep( 1:3, each =2)
rep(1:3, times=2, each =2)

  • Erstellen Sie einen Vektor

Code:

color <- c ('blue', 'pink', 'white')
print (color)

  • Anzeige der Klasse des Vektors

Code:

print ((class (color))

Ausgabe:

Im obigen Programm (1) bezeichnet dieses das erste Element des Vektors.

2. Faktor

Der Faktor fügt numerische Codes zusammen mit der Zeichenebene hinzu. In einfachen Worten definiert es kategoriale Daten mit geordneten und ungeordneten Mengen. Sie werden über den Funktionsfaktor () definiert. Durch das Speichern von Daten in einem Faktor können Daten bei der statistischen Modellierung effizient gespeichert werden.

Beispiel 1

Code:

>f = factor (c(1, 6, 2, 4, 7, 1, 6, 7, 8)
> print (f)

Ausgabe:

Beispiel 2

Code:

> k = factor (c( 2, 0, 2, 0, 0, 0 ), levels =c(0, 2), labels =c( “ prince “, ”princess”))
>k

Ausgabe:

3. Matrix

In R ist die Programmiermatrix ein zweidimensionales Element mit numerischen und Zeichenvektoren, einfach ein atomarer Vektor mit der Anzahl der Zeilen und Spalten. Sie können eine Matrix auf drei Arten erstellen, indem Sie die Funktion matrix () verwenden, den Vektor in die Matrix umwandeln und Vektoren binden. Einige nützliche Funktionen sind:

  • rbind () und cbind (): kombiniert oder bindet Spalten und Zeilen.
  • dim (): Maße einstellen.

Syntax:

variable <- matrix(vector, n rows, n columns, split by row or column)

Wenn es wahr ist, wird es nach Zeilen geteilt, und wenn falsch, wird es nach Spalten geteilt.

Beispiel 1

  • Betrachten Sie eine Matrix.

Code:

>x = matrix(c (1, 2, 3, 4, 5, 6, 7, 8) 2, 4, true)
> print (x)

Ausgabe:

Beispiel 2

  • Betrachtet man binden.

Code:

a <- 1:4
b<- 10 :13
cbind( a, b)
a b

Ausgabe:

4. Liste

Liste speichert Objekte und die Elemente können ein Zeichen, Matrizen, Arrays, numerisch sein. es kann auch aus einer anderen Liste als Element bestehen.

Syntax:

variable <- list (list items)

Beispiel einer R-Liste:

Code:

>lak = list (23, “hi”, cos, list (5L, ” l”))
>print (lak)

Ausgabe:

Beispiel unter Berücksichtigung von Kopien von drei Vektoren:

Code:

>a =c(3, 5, 6)
> b =c(“aa”, ”cc”, ”ee”)
> x=c (true, false, true)
> y=list(a, b, x)

Daher enthält y die Kopien von a, b, x.

5. Datenrahmen

Datenrahmen sind zweidimensional mit einer Gruppe von Vektoren von gleicher Länge. Es ist eine spezielle Art von Liste mit rechteckigem Format. Der Schlüsselfaktor ist das Speichern von Datentabellen. Sie werden anhand von Funktionsdaten erstellt. der Rahmen ().

Syntax:

variable <- data.frame ( list 1, list 2… list N)

Beispiel 1

Lassen Sie uns ein Beispiel des Datenrahmens in R sehen.

Code:

>X= data.frame( values =c(20, 50, 10), name =c(' Gri', 'Tom', 'jeff'))
> print(X) values Name

Ausgabe:

Sogar wir können eingebaute Datenrahmen verwenden. In welchem ​​obersten Element wird eine Überschrift definiert, gefolgt von Datenzeilen und -spalten. Um die Vorschau zu sehen, können wir die Kopffunktion vorher verwenden.

Beispiel 2

Code:

>computer
Date intel speed data
hp 1990 8081 MHZ 8
acer 2001 80286 Mhz 16

So definieren Sie die Klasse des Intel:

>computer (('intel'))

Ausgabe:

Fazit

In diesem Artikel haben wir verschiedene R-Datentypen durchlaufen, die bei der Programmierung verwendet werden. Für jede Anwendung benötigen wir Variablen, um die Werte zu speichern, und alle diese Variablen sind erforderlich, um Datentypen zuzuweisen. Diese Datentypen werden in der Datenanalyse verwendet. Das Verständnis der Datentypen hilft beim Debuggen für Berechnungszwecke.

Empfohlene Artikel

Dies ist eine Anleitung zu R-Datentypen. Hier diskutieren wir verschiedene Typen in R-Daten mit verschiedenen Beispielen, um Datentypen zuzuweisen. Sie können auch unsere anderen verwandten Artikel durchgehen, um mehr zu erfahren -

  1. R Datenrahmen
  2. Arten von Datenanalysetechniken
  3. Beste Data Science-Programme
  4. Arten der Datenvisualisierung
  5. Python-Datentypen
  6. C ++ - Datentypen
  7. PL / SQL-Datentypen
  8. Datenrahmen in R

Kategorie:

Große Daten