Знакомство с R (молниеносное и поверхностное).

Загружаем, устанавливаем…

Собственно, сам R

RStudio - среда для разработки (IDE) на R

Онлайн IDE для R — на тот случай, если у вас не установлен R:

• https://rstudio.cloud

1. Создайте папку, где будут храниться ВСЕ материалы курса. Например: Мы будем ее называть рабочей директорией. В эту папку помещайте ВСЕ файлы с кодом (с расширением .R).
2. Внутри папки linmodr создайте папку data, где будут храниться все файлы с данными для анализа.

В итоге у вас должно получиться примерно это:

C:\linmodr\
C:\linmodr\data\

Настройка RStudio

Все настройки RStudio находятся в меню Tools -> Global Options

• Восстановление рабочего пространства из прошлого сеанса — это лучше отменить, т.к. обычно переменные-призраки очень мешают. На вкладке General убираем галочку Restore .RData into workspace at startup, и меняем Save workspace to .RData on exit - Never
• Перенос длинных строк в окне кода — это удобно. На вкладке Code ставим галочку рядом с опцией Soft-wrap R source files

Комментарии

Комментарии в текстах программ обозначаются символом #

# это комментарии, они не будут выполняться

Полезные клавиатурные сокращения в RStudio

• Ctrl + Shift + C - закомментировать/раскомментировать выделенный фрагмент кода
• Ctrl + Enter - отправляет активную строку из текстового редактора в консоль, а если выделить несколько строк, то будет выполнен этот фрагмент кода.
• Tab или Ctrl + Space - нажмите после того как начали набирать название функции или переменной, и появится список автоподстановки. Это помогает печатать код быстро и с меньшим количеством ошибок.

Как получить помощь

1. В RStudio можно поставить курсор на слово setwd и нажать F1
2. Перед названием функции можно напечатать знак вопроса и выполнить эту строку ?setwd
3. Можно воспользоваться функцией help()

help("setwd")

R как калькулятор, математические операции

2+2

## [1] 4

1024/2

## [1] 512

1:10

##  [1]  1  2  3  4  5  6  7  8  9 10

34*4

## [1] 136

2^4

## [1] 16

sqrt(27)

## [1] 5.196152

Переменные

Оператор присваивания это символ стрелочки <-. Он работает справа налево, это значит, что значение выражения в его правой части присваивается объекту в левой части.

Переменные - это такие контейнеры, в которые можно положить разные данные и даже функции.

Имена переменных могут содержать латинские буквы обоих регистров, символы точки . и подчеркивания _ , а так же цифры. Имена переменных должны начинаться с латинских букв. Создавайте понятные и “говорящие” имена переменных.

var_1 <- 1024 / 2
1238 * 3 -> var_2
var_2

## [1] 3714

Как выбрать название переменной?

• a - плохо, и даже b, с, или х. Но в некоторых случаях допустимо:)
• var1 - плохо, но уже лучше
• var_1 - плохо, но уже лучше
• shelllength - говорящее, но плохо читается
• shell_length, wing_colour или leg_num - хорошие говорящие и читабельные названия

Векторы - одномерные структуры данных

Данные в R можно хранить в виде разных объектов.

В результате выполнения следующих команд числа. Одно выражение - одно значение.

23

## [1] 23

sqrt(25)

## [1] 5

На самом деле, эти величины - просто векторы единичной длины

Векторы - один объект, внутри которого несколько значений.

Некоторые способы создания векторов:

• Оператор: используется для создания целочисленных векторов, где значения следуют одно за другим без пропусков

1:10 # от одного до 10

##  [1]  1  2  3  4  5  6  7  8  9 10

-5:3 # от -5 до 3

## [1] -5 -4 -3 -2 -1  0  1  2  3

• Функция seq() создает последовательности из чисел

seq(from = 1, to = 5, by = 0.5)

## [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

• Функция c() - от англ. concatenate. Следите, чтобы было английское си, а не русское эс:).

?c # посмотрите хелп к функции

Функция c принимает несколько (произвольное количество) аргументов, разделенных запятыми. Она собирает из них вектор.

c(2, 4, 6)

## [1] 2 4 6

c(-9.3, 0, 2.17, 21.3)

## [1] -9.30  0.00  2.17 21.30

Векторы можно хранить в переменных для последующего использования

vect_num <- -11:12 # численный вектор от -11 до 12 сохранен в переменной vect_num
vect_num_1 <- c(1.3, 1.7, 1.2, 0.9, 1.6, 1.4) # численный вектор, сохранен в переменной vect_num_1

Адресация внутри векторов

При помощи оператора [], можно обратится к некоторым элементам вектора. В квадратных скобках вам нужно указать один или несколько порядковых номеров элементов

vect_num[1] # первый элемент в векторе vect_num

## [1] -11

vect_num[10] # 10-й элемент

## [1] -2

vect_num[22]

## [1] 10

Если вам нужно несколько элементов, то их нужно передать квадратным скобкам в виде вектора. Например, нам нужны элементы с 3 по 5. Вот вектор, который содержит значения 3, 4 и 5.

3:5

## [1] 3 4 5

Если мы его напишем в квадратных скобках, то добудем элементы с такими порядковыми номерами

vect_num[3:5]

## [1] -9 -8 -7

Аналогично, если вам нужны элементы не подряд, то передайте вектор с номерами элементов, который вы создали при помощи функции c() c(2, 4, 6) # это вектор содержащий 2, 4 и 6, поэтому

vect_num[c(2, 4, 6)] # возвращает 2-й, 4-й и 6-й элементы

## [1] -10  -8  -6

vect_num[c(1, 10, 20)] # возвращает 1-й, 10-й и 20-й элементы

## [1] -11  -2   8

Вектор - одномерный объект. У его элементов только один порядковый номер (индекс). Поэтому при обращении к элементам вектора нужно указывать только одно число или один вектор с адресами.

Правильно:

vect_num[c(1, 2, 5)] # возвращает 1-й, 3-й и 5-й элементы

## [1] -11 -10  -7

Но R выдаст ошибку, если при обращении к вектору, вы не создавали вектор, а просто перечислили номера элементов через запятую.

vect_num[1, 3, 5] # ошибка
vect_num[15, 9, 1] # ошибка

vect_num[c(15, 9, 1)] # правильно

## [1]   3  -3 -11

При помощи функции c() можно объединять несколько векторов в один вектор

c(1, 1, 5:9)

## [1] 1 1 5 6 7 8 9

c(vect_num, vect_num)

##  [1] -11 -10  -9  -8  -7  -6  -5  -4  -3  -2  -1   0   1   2   3   4   5   6   7
## [20]   8   9  10  11  12 -11 -10  -9  -8  -7  -6  -5  -4  -3  -2  -1   0   1   2
## [39]   3   4   5   6   7   8   9  10  11  12

c(100, vect_num)

##  [1] 100 -11 -10  -9  -8  -7  -6  -5  -4  -3  -2  -1   0   1   2   3   4   5   6
## [20]   7   8   9  10  11  12

Добываем 1, 3, 5 и с 22 по 24 элементы

vect_num[c(1, 3, 5, 22:24)]

## [1] -11  -9  -7  10  11  12

Типы данных в R

Числовые данные

Уже видели в прошлом разделе.

Текстовые данные

Каждый текстовый элемент (говорят “строка” - string или character) должен быть окружен кавычками - двойными или одинарными.

"это текст"

## [1] "это текст"

'это тоже текст'

## [1] "это тоже текст"

Текстовые значения можно объединять в вектора.

Это текстовый вектор

rainbow <- c("red", "orange", "yellow", "green", "blue", "violet")
rainbow # весь вектор

## [1] "red"    "orange" "yellow" "green"  "blue"   "violet"

Добываем первый и последний элементы

В данном случае я точно знаю, что их 6, мне нужны 1 и 6.

rainbow[c(1, 6)]

## [1] "red"    "violet"

Добываем элементы с 3 по 6

Если у вас вдруг слишком короткий вектор в этом задании, то можно склеить новый из двух

double_rainbow <- c(rainbow, rainbow)
double_rainbow

##  [1] "red"    "orange" "yellow" "green"  "blue"   "violet" "red"    "orange"
##  [9] "yellow" "green"  "blue"   "violet"

rainbow[3:6] # элементы с 3 по 6

## [1] "yellow" "green"  "blue"   "violet"

Логические данные

TRUE # истина

## [1] TRUE

FALSE # ложь

## [1] FALSE

Для ленивых - можно сокращать первыми заглавными буквами. Но лучше так не делать, чтобы читать программы было легче.

c(T, T, T, T, F, F, T, T)

## [1]  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE

Логический вектор

c(TRUE, TRUE, TRUE, FALSE, FALSE, TRUE)

## [1]  TRUE  TRUE  TRUE FALSE FALSE  TRUE

Еще логический вектор

short_logical_vector <- c(FALSE, TRUE)

Создаем длинный логический вектор.

Чтобы создавать длинные вектора из повторяющихся элементов, можно использовать функцию rep()

?rep

rep(x = 1, times = 3) # 1 повторяется 3 раза

## [1] 1 1 1

rep(x = "red", times = 5) # "red" повторяется 5 раз

## [1] "red" "red" "red" "red" "red"

rep(x = TRUE, times = 2) # TRUE повторяется 2 раза

## [1] TRUE TRUE

В R названия аргументов функций можно не указывать, если вы используете аргументы в том же порядке, что прописан в help к этой функции.

rep(TRUE, 5) # TRUE повторяется 5 раз, аргументы без названий

## [1] TRUE TRUE TRUE TRUE TRUE

Создаем логический вектор, где TRUE повторяется 3 раза, FALSE 3 раза и TRUE 4 раза. Результат сохраняем в переменной vect_log

vect_log <- c(rep(TRUE, 3), rep(FALSE, 3), rep(TRUE, 4))
vect_log

##  [1]  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE

Применение логических векторов для фильтрации данных

Логические векторы создаются при проверке выполнения каких либо условий, заданных при помощи логических операторов (>, <, ==, !=, >=, <=, !, &, |). Такие векторы можно использовать для фильтрации данных

Вспомните, у нас был вот такой текстовый вектор

double_rainbow

##  [1] "red"    "orange" "yellow" "green"  "blue"   "violet" "red"    "orange"
##  [9] "yellow" "green"  "blue"   "violet"

Задача 1. Допустим, мы хотим из этого вектора извлечь только желтый цвет.

Мы можем создать логический вектор, в котором TRUE будет только для 3-го и 9-го элементов

f_yellow <- double_rainbow == "yellow"
f_yellow

##  [1] FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE

Этот логический вектор-фильтр мы можем использовать для извлечения данных из double_rainbow

double_rainbow[f_yellow]

## [1] "yellow" "yellow"

Задача 2. Допустим, мы хотим извлечь из double_rainbow желтый и синий Желтый фильтр у нас уже есть, поэтому мы создадим фильтр для синего.

f_blue <- double_rainbow == "blue"

Выражение “желтый или синий” можно записать при помощи логического “или” (|)

f_yellow | f_blue

##  [1] FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE

Задача решена, мы извлекли желтый и синий цвета.

double_rainbow[f_yellow | f_blue]

## [1] "yellow" "blue"   "yellow" "blue"

То же самое можно было бы записать короче.

В одну строку — совершенно нечитабельно:

double_rainbow[double_rainbow == "yellow" | double_rainbow == "blue"]

## [1] "yellow" "blue"   "yellow" "blue"

Фильтр отдельно — читается лучше:

f_colours <- double_rainbow == "yellow" | double_rainbow == "blue"
double_rainbow[f_colours]

## [1] "yellow" "blue"   "yellow" "blue"

У нас был числовой вектор

vect_num

##  [1] -11 -10  -9  -8  -7  -6  -5  -4  -3  -2  -1   0   1   2   3   4   5   6   7
## [20]   8   9  10  11  12

Задача 3. Давайте извлечем из числового вектора vect_num только значения больше 0

vect_num[vect_num > 0]

##  [1]  1  2  3  4  5  6  7  8  9 10 11 12

Задача 4. Давайте извлечем из вектора vect_num все числа, которые либо меньше или равны -8, либо больше или равны 8

f_5_8 <- (vect_num <= -8) | (vect_num >= 8)
vect_num[f_5_8]

## [1] -11 -10  -9  -8   8   9  10  11  12

Факторы

Факторы - это способ хранения дискретных (=категориальных данных). Например, если вы поймали 10 улиток и посмотрели их цвет. У большого количества улиток небольшое счетное количество возможных цветов.

snail_colours <- c("red", "green", "green", "green", "yellow", "yellow", "yellow", "yellow")
snail_colours # это текстовый вектор.

## [1] "red"    "green"  "green"  "green"  "yellow" "yellow" "yellow" "yellow"

Но цвет “желтый” обозначает одно и то же для каждой из улиток. Поэтому в целях экономии места можно записать цвета этих улиток в виде вектора, в котором численным значениям будут сопоставлены “этикетки” (называются “уровни” - levels) - названия цветов. Мы можем создать “фактор” цвет улиток.

factor(snail_colours)

## [1] red    green  green  green  yellow yellow yellow yellow
## Levels: green red yellow

уровни этого фактора

• 1 - green,
• 2 - red,
• 3 - yellow

По умолчанию, R назначает порядок уровней по алфавиту. Можно изменить порядок (см. help("factor")). Нам это пригодится позже

double_rainbow # текстовый вектор

##  [1] "red"    "orange" "yellow" "green"  "blue"   "violet" "red"    "orange"
##  [9] "yellow" "green"  "blue"   "violet"

Создаем фактор из текстового вектора и складываем его в переменную

f_double_rainbow <- factor(double_rainbow)

Как узнать, что за данные хранятся в переменной?

Чтобы узнать, что за данные хранятся в переменной, используйте функцию class()

class(f_double_rainbow)

## [1] "factor"

class(vect_log)

## [1] "logical"

class(vect_num)

## [1] "integer"

class(rainbow)

## [1] "character"

Встроенные константы в R

Встроенные константы в R: NA, NULL, NAN, Inf

• NA - англ “not available”. Когда объект был, но его свойство не измерили или не записали.
• NULL - пусто - просто ничего нет
• NaN - “not a number”
• Inf - “infinity” - бесконечность

Вот текстовый вектор с пропущенным значением

rainbow_1 <- c("red", "orange", NA, "green", "blue", "violet")

Кстати, если попросили добыть из вектора номер элемента, которого там точно нет, то R выдаст NA, потому, что такого элемента нет

rainbow_1[198]

## [1] NA

Поэкспериментируем с векторами. Проверим, как работают арифметические операции

vect_num + 2

##  [1] -9 -8 -7 -6 -5 -4 -3 -2 -1  0  1  2  3  4  5  6  7  8  9 10 11 12 13 14

vect_num * 2

##  [1] -22 -20 -18 -16 -14 -12 -10  -8  -6  -4  -2   0   2   4   6   8  10  12  14
## [20]  16  18  20  22  24

vect_num * (-2)

##  [1]  22  20  18  16  14  12  10   8   6   4   2   0  -2  -4  -6  -8 -10 -12 -14
## [20] -16 -18 -20 -22 -24

vect_num ^2

##  [1] 121 100  81  64  49  36  25  16   9   4   1   0   1   4   9  16  25  36  49
## [20]  64  81 100 121 144

Теперь посмотрим на встроенные константы в действии.

Создаем новый вектор для экспериментов

NAs_NANs <- c(1, 3, NA, 7, 0, 22:24)

Вот так он выглядит

NAs_NANs

## [1]  1  3 NA  7  0 22 23 24

Что произойдет с NA?

NAs_NANs + 2 # останется NA

## [1]  3  5 NA  9  2 24 25 26

NAs_NANs * 0 # останется NA

## [1]  0  0 NA  0  0  0  0  0

NAs_NANs / 0  # останется NA

## [1] Inf Inf  NA Inf NaN Inf Inf Inf

Но в последнем случае вы увидите

• Inf при делении чисел на ноль
• NaN при делении нуля на ноль

NaN получится, если взять корень из отрицательного числа

sqrt(-1)

## Warning in sqrt(-1): NaNs produced

## [1] NaN

Функции в R

Вы уже видели массу функций, их легко узнать по скобкам после ключевого слова. Познакомимся еще с несколькими и научимся писать пользовательские функции. Пользовательские функции позволяют автоматизировать повторяющиеся действия и делают код легко читаемым.

Вот наш вектор

NAs_NANs

## [1]  1  3 NA  7  0 22 23 24

Длину вектора можно вычислить при помощи функции length()

length(NAs_NANs)

## [1] 8

Сумму элементов вектора при помощи функции sum()

sum(NAs_NANs)

## [1] NA

Упс! Почему-то получилось NA

Чтобы узнать, почему и как это исправить - посмотрите в help("sum"). Выяснится, что у функции sum() есть аргумент na.rm, который по умолчанию принимает значение FALSE, то есть NA не учитываются при подсчете суммы.

Если мы передадим функции sum аргумент na.rm = TRUE, то получится правильная сумма

sum(NAs_NANs, na.rm = TRUE)

## [1] 80

Та же история с функцией mean

mean(NAs_NANs, na.rm = TRUE)

## [1] 11.42857

Попробуем написать пользовательскую функцию mmean(), которая будет по умолчанию считать среднее значение элементов в векторе с учетом пропущенных значений (NA)

mmean <- function(x){
  mean(x, na.rm = TRUE)
  }

В этом коде: - mmean - переменная, название функции. В эту переменную мы складываем функцию, которую создает функция function() - function() - функция, которая делает функции. В скобках перечисляются аргументы (названия переменных, которые мы передаем в функцию, чтобы она что-то сделала с ними) - { } - в фигурных скобках тело функции - последовательность действий, которую нужно сделать с аргументами

У больших функций бывает еще инструкция return(), которая сообщает, что именно должна возвращать наша функция. Вот как выглядела бы наша функция с этой инструкцией

mmean <- function(x){
  res <- mean(x, na.rm = TRUE)
  return(res)
}

Проверим нашу функцию при помощи встроенной функции

mean(vect_num, na.rm = TRUE)

## [1] 0.5

mmean(vect_num)

## [1] 0.5

Работает

Датафреймы - двумерные структуры данных

Датафрейм - один из способов хранения табличных данных в R. Создадим датафрейм.

Для этого, для начала, создадим векторы с данными для переменных.

len <- 1:9 # числовой
col <- c(rep("green", 4), rep("red", 5)) # текстовый
wid <- seq(from = 2, by = 2, to = 18) # числовой

Теперь сложим эти векторы в датафрейм

my_worms <- data.frame(Length = len, Width = wid, Colour = col)

Можно проверить, действительно мы создали объект класса data.frame

class(my_worms) # смотрим, действительно датафрейм

## [1] "data.frame"

Содержимое датафрейма можно просмотреть несколькими способами

my_worms # печать датафрейма

##   Length Width Colour
## 1      1     2  green
## 2      2     4  green
## 3      3     6  green
## 4      4     8  green
## 5      5    10    red
## 6      6    12    red
## 7      7    14    red
## 8      8    16    red
## 9      9    18    red

View(my_worms) # просмотр в RStudio
head(my_worms)

##   Length Width Colour
## 1      1     2  green
## 2      2     4  green
## 3      3     6  green
## 4      4     8  green
## 5      5    10    red
## 6      6    12    red

tail(my_worms)

##   Length Width Colour
## 4      4     8  green
## 5      5    10    red
## 6      6    12    red
## 7      7    14    red
## 8      8    16    red
## 9      9    18    red

# fix(my_worms) # ручное редактирование. осторожно! избегайте его использовать, никаких документов о нем не останется

Адресация внутри датафреймов

Вывод столбца-переменной при помощи оператора $ и имени переменной

my_worms$Length

## [1] 1 2 3 4 5 6 7 8 9

my_worms$Width

## [1]  2  4  6  8 10 12 14 16 18

У каждой ячейки в датафрейме есть координаты вида [строка, столбец]

my_worms[2, 3] # вторая строка в 3 столбце

## [1] "green"

my_worms[2, ] # вторая строка целиком

##   Length Width Colour
## 2      2     4  green

my_worms[1:9, 2] # строки с 1 по 9 во втором столбце

## [1]  2  4  6  8 10 12 14 16 18

my_worms[, 2] # второй столбец целиком

## [1]  2  4  6  8 10 12 14 16 18

Визуализация данных

Базовые графики

Скаттерплот (точечный график) — по оси х и y непрерывные числовые величины

plot(x = my_worms$Width, y = my_worms$Length)

Боксплот — по оси х дискретная величина, по оси y значение непрерывной величины. Черта - медиана, коробка - 25 и 75 перцентили, усы - либо размах варьирования, либо 1.5 интерквартильных расстояния (1.5 высоты коробки), если есть “выбросы”.

plot(x = as.factor(my_worms$Colour), y = my_worms$Length)

Для настройки внешнего вида см graphical parameters в help

На самом деле, мы не будем пользоваться этой системой графики, но об этом в следующих сериях

Графики из пакета ggplot2

В R есть более удобный (но, может быть, более многословный) пакет для рисования графиков — ggplot2. Чтобы использовать функции из пакета ggplot2, нужно его сначала установить.

Установка пакета в локальную библиотеку делается один раз. Поэтому строку с install.packages() не нужно включать в финальную версию кода.

install.packages('ggplot2')

В текущей сессии работы в R пакет нужно активировать перед использованием. Когда вы в следующий раз начнете работать с R, нужные пакеты придется снова активировать. Поэтому строки с загрузкой пакетов при помощи library() обязательно должны остаться в финальной версии кода.

library(ggplot2)

Нарисуем те же самые графики при помощи пакета ggplot2.

ggplot(data = my_worms) +
  geom_point(aes(x = Width, y = Length))

ggplot(data = my_worms) +
  geom_boxplot(aes(x = Colour, y = Length))

Добавляем для точек эстетику цвет (colour) из переменной Colour

ggplot(data = my_worms) +
  geom_point(aes(x = Width, y = Length, colour = Colour))

Графики можно сохранять в переменных, и использовать потом

gg <- ggplot(data = my_worms) +
  geom_point(aes(x = Width, y = Length, colour = Colour))

Чтобы вывести график, нужно напечатать название переменной.

gg

Можно менять темы оформления графика. Если тема нужна только один раз, то прибавляем ее к графику

gg + theme_dark()

gg + theme_light()

gg + theme_classic()

Можно установить нужную тему до конца сессии.

theme_set(theme_bw())
gg

Подписи осей и легенд задает функция labs()

gg + labs(x = "Ширина", y = "Длина", colour = "Цвет")

Графики можно делить на фасетки при помощи facet_wrap или facet_grid

gg + facet_wrap(~Colour, nrow = 1)

Чтобы изменить подписи цветов, нужно изменить уровни соотв. фактора.

my_worms$col_rus <- factor(my_worms$Colour, levels = c("green", "red"), labels = c("Зеленый", "Красный"))
ggplot(data = my_worms) +
  geom_point(aes(x = Width, y = Length, colour = col_rus)) +
  labs(x = "Ширина", y = "Длина", colour = "Цвет") +
  facet_wrap(~col_rus, nrow = 1)