Schema comandi programmazione R

ESEMPI:

• matrice[1,2] = seleziona l’elemento in prima riga e seconda colonna;

• matrice[1:3,2:4] = seleziona i dati delle righe 1,2,3 e le colonne 2,3,4;

• matrice[,1] = seleziona tutti gli elementi della prima colonna;

• matrice[1,] = seleziona tutti gli elementi della prima riga.

Lezione 4: lavorare con i data frame:

variabili di diverso tipo (colonne) e osservazioni (righe).

Un data frame è un data set che ha Ogni

variabile deve avere valori dello stesso tipo.

Un data frame si compone di due parti:

parte dati;

• parte descrittiva.

• Come visualizzare una porzione del data frame: head() prime osservazioni

1) la funzione visualizza le

tail() str()

ultime osservazioni.

di un data frame mentre la funzione visualizza le Infine la funzione mostra

parte descrittiva

la del data frame.

Creare un data frame: data.frame().

2) utilizzare la funzione

variabili del data frame vengono passate come vettori.

NB: le

ESEMPIO: creare un data frame che contenga nome, tipo e diametro dei pianeti del sistema solare:

# Creazione dei vettori

nome <- c("Mercury", "Venus", "Earth", "Mars", "Jupiter", "Saturn",

"Uranus", "Neptune")

tipo <- c("T", "T", "T", "T", "G", "G", "G", "G")

diametro <- c(0.382, 0.949, 1, 0.532, 11.209, 9.449, 4.007, 3.883)

# Creazione del data frame

pianeti <- data.frame(nome, tipo, diametro)

Visualizzare le dimensione di un data frame: dim() ; nrow() ; ncol().

3) utilizzare le funzioni:

Aggiungere elementi al data frame: cbind().

4) usare la funzione

ESEMPIO: aggiungere il vettore “ring” al data frame “pianeti”:

# Creazione del vettore “ring”

ring <- c(FALSE, FALSE, FALSE, FALSE,TRUE,TRUE,TRUE,TRUE)

# Unione del vettore al data frame

pianeti_def <- cbind(pianeti, ring)

Visualizzare una COLONNA: del data frame$nome della colonna”.

5) usare la notazione “nome

ES: pianeti_def$diameter modificare i valori

NB: posso usare la stessa notazione per di una colonna (pianeti_def$diameter <-

calcolare statistiche

pianeti_def$diameter + 0.0001) e (mean(pianeti_def$diameter)).

Selezionare elementi di un data frame: parentesi quadre [ ]

6) usare le con le stesse regole che

valgono per le matrici.

utilizzare il nome delle variabili

NB: possiamo anche per selezionare le colonne.

ES:

# Selezioniamo le prime tre righe della colonna “type”:

• pianeti_def[1:3,2] oppure

• pianeti_def[1:3,"type"]

Selezionare le righe di un data frame in base ad una condizione: subset().

7) utilizzare la funzione

ES: pianeti_subset <- subset(pianeti_def, diameter < 1)

Modificare gli elementi di un data frame: edit().

8) usare la funzione funzione

ES: pianeti_mod <-edit(pianeti_subset).

Lezione 5: importare dati su R:

Importare file su R:

1) convertiti automaticamente in data frame.

E’ possibile importare su R file di dati che vengono

Questi file possono essere di due tipi:

file con separatori (csv);

• file a colonne fisse (txt).

• read.table

NB: la funzione funziona per TUTTI E DUE i tipi di file se si specificano le caratteristiche

opportune.

Mantenere colonne:

2) se a seguito di una importazione, vogliamo mantenere SOLO ALCUNE

colonne nel data frame:

• si crea un vettore con gli indici delle colonne da mantenere;

• si selezionano le colonne di interesse tramite il vettore.

Importare file da Excel: convertire il file excel da file.xls in formato CSV;

3) prima bisogna poi usare

la stessa procedura di lettura dei file CSV.

Lezione 6: strumenti di manipolazione dei data base:

Manipolare le colonne con le funzioni:

1) le funzioni dividono in tre principali categorie:

numeriche;

• alfanumeriche;

• statistiche.

• Mantenere una variabile:

2) es: mantenere le variabili 1, 2, 3:

• creo un vettore che contenga le variabili da mantenere: keep <- c(1, 2, 3);

• creo un nuovo database che sia composto dal vecchio database con il vettore che contiene le sole

newdata <- mydata[keep].

variabili da mantenere:

Eliminare variabili:

3) es: escludere la terza e la quinta variabile:

drop <- c(-3,-5)

• creo il vettore

• creo il nuovo database newdata <- mydata[drop]. SEGNO MENO.

NB: per eliminare una variabile anziché mantenerla quando creo il vettore utilizzo il

Selezionare variabili:

4) posso selezionare in due modi:

newdata <- mydata[1:5,]:

1. SENZA condizione: seleziono le variabili delle prime 5 righe e tutte le

colonne; newdata <- subset(mydata, condizione).

2. CON CONDIZIONE:

NB: prima devo aver specificare come è composto il data base “mydata”.

Lezione 7: unione e concatenazione:

L’unione è una combinazione orizzontale la concatenazione è una

di data base mentre

combinazione verticale.

UNIONE: funzione merge, specificando la/le chiavi di unione.

1) utilizzare la

ESEMPIO:

# Uniamo due data frame con chiave ID

total <- merge(data frameA, data frameB, by="ID")

# Uniamo due data frame con chiavi ID e Country

total <- merge(data frameA, data frameB, by=c("ID","Country"))

CONCATENAZIONE: funzione rbind. stesse variabili.

2) utilizzare la I due data frame devono avere le

ESEMPIO:

total <- rbind(data frameA, data frameB) sintetizzare gli aspetti essenziali di un fenomeno

Il primo passo per analizzare un fenomeno consiste nel

mediante indicatori statistici di sintesi.

Di questi i più rilevanti sono due:

indici di posizione;

• indici di variabilità.

• INDICI DI POSIZIONE:

3) i principali indici di

posizione sono conosciuti con la denominazione di

medie:

medie analitiche;

• medie lasche.

• INDICI DI VARIABILITÀ:

4) I principali indici di

variabilità sono:

range:

• fornisce i valori del

minimo e del massimo, ossia

gli estremi del campo di

variazione.

varianza;

• deviazione standard.

• LA FUNZIONE SUMMARY: summary() principali indicatori di posizione,

5) funzione fornisce i

relativamente a tutte le variabili numeriche presenti in un data frame.

ES: summary(mydata)

LE DISTRIBUZIONI DI FREQUENZA: table();

6) si utilizza la funzione possono essere di tre tipo:

• a una via;

• a due vie;

• a tre vie.