Εξόρυξη δεδομένων (data mining): Συναρτήσεις στην γλώσσα R

συντάκτης Κωνσταντίνος · 6 Ιουλίου 2016

Συναρτήσεις στην γλώσσα R: λίστα με τις πιο χρήσιμες

Σχεδόν τα πάντα στην γλώσσα R γίνονται μέσω συναρτήσεων. Είναι σημαντικό να κατανοηθεί ότι στην γλώσσα R οι συναρτήσεις είναι και οι ίδιες αντικείμενα. Μπορούμε να εργαστούμε μαζί τους, με τον ίδιο ακριβώς τρόπο που εργαζόμαστε με οποιοδήποτε άλλο είδος αντικειμένου.

Εδώ αναφέρονται ελάχιστες αλλά αρκετά χρήσιμες:

ls	παρουσιάζει τα περιεχόμενα του R workspace
rm	διαγράφει αντικείμενα από το R workspace
save	αποθήκευση επιλεγμένων αντικειμένων
+, -, *, /, ^	αριθμητικοί τελεστές
%*%	matrix πολλαπλασιασμός
t	matrix μεταθέσεις
solve	matrix αντιστροφή (και επίλυση γραμμικών εξισώσεων)
c	συνδιασμός (σύνδεση) αντικειμένων, ευκολότερα με χρήση vectors
seq	δημιουργία vectors με κανονική συνέχεια
rep	αναπαραγωγή vectors
length	επιστρέφει το μέγεθος ενός vector
sum	επιστρέφει το συνολικό άθροισμα
mean	επιστρέφει το μέσον
median	επιστρέφει το ενδιάμεσο
sd	επιστρέφει την τυπική απόκληση (N-1 στον παρανομαστή)
min	επιστρέφει το ελάχιστο
max	επιστρέφει το μέγιστο
sort	ταξινόμηση σε έναν vector (τα στοιχεία του vector σε σειρά)
order	επιστρέφει δείκτες σε vectors προς διάταξη
rank	επιστρέφει την θέση των στοιχείων σε ένα vector
==, <, >, <= ,>=, !=	τελεστές σύγκρισης
\|, &, OR, AND	λογικοί τελεστές
is.na	έλεγχος για ελλειπούσες τιμές - NA
which	κάνει λογική σύγκριση και δείχνει ποια στοιχεία είναι αληθή, δηλαδή, δίνει τους TRUE δείκτες ενός αντικειμένου
any	λογική σύγκριση, επιστρέφει 1 ( TRUE) αν κάποια από τις συγκρίσεις είναι ΑΛΗΘΕΣ δηλαδή, σε ένα δεδομένο σύνολο λογικών vectors, είναι τουλάχιστον μία από τις τιμές ΤRUE;
exp	επιστρέφει το e σε μια δύναμη
log	επιστρέφει τον φυσικό λογάριθμο (με βάση το e)
sqrt	επιστρέφει την τετραγωνική ρίζα
table	συχνότητες και crosstabs
help	βοήθεια σε μια συγκεκριμένη συνάρτηση
cbind	συνδύασε σε στήλες
rbind	συνδύασε σε γραμμές
matrix	δημιουργία matrix
vector	δημιουργία vector
is.vector	έλεγχος TRUE ή FALSE αν το αντικείμενο είναι vector
as.vector	προσπάθεια να ανάγει ένα αντικείμενο σε vector
array	δημιουργία πίνακα στοιχείων
dim	διάσταση ενός πίνακα ή dataframe
nrow	σύνολο γραμμών σε έναν πίνακα ή dataframe
ncol	σύνολο στηλών σε έναν πίνακα ή dataframe
read.table	ανάγνωση δεδομένων από text file
read.csv	ανάγνωση δεδομένων από text file διαχωρισμένα με κόμα
write.table	εγγραφή ενός dataframe σε ένα text file
is.data.frame	έλεγχος αντικειμένου αν είναι dataframe
as.data.frame	προσπάθεια αναγωγής αντικειμένου σε dataframe
is.factor	έλεγχος αντικειμένου αν είναι factor
as.factor	προσπάθεια αναγωγής αντικειμένου σε factor
attach	αναφορά σε μεταβλητών ενός dataframe χωρίς χρήση του ονόματος του dataframe name (το αντίθετο του detach)
head	παρουσίαση των πρώτων 6 γραμμών
tail	παρουσίαση των τελευταίων 6 γραμμών
names	επιστροφή των ονομάτων των στοιχείων ενός αντικειμένου
colnames	επιστρέφει ή ορίζει ονόματα στηλών ενός αντικειμένου
rownames	επιστρέφει ή ορίζει ονόματα γραμμών ενός αντικειμένου
subset	επιλέγει τμήμα ενός vector, matrix, ή dataframe
merge	ενώνει δύο dataframes
lm	πολλαπλή γραμμική παλινδρόμηση
glm	γενικευμένη γραμμική παλινδρόμηση
anova	ανάλυση διακύμανσης
chisq.test	Pearson's Chi-squared τέστ για Count Data
summary	παρουσιάζει τα αποτελέσματα διαφόρων fitting functions
predict	πρόβλεψη αποτελεσμάτων ενός μοντέλου
hist	ιστόγραμμα
boxplot	box plot
plot	scatter plot
lines	συνδέει τα σημεία διαδοχικά με γραμμές (σε ένα plot)
segments	προσθέτει γραμμές σε ένα plot (μεταξύ των ζευγαριών των σημείων)
text	προσθήκη κειμένου σε ένα plot
legend	προσθήκη λεζάντας σε ένα plot
abline	προσθήκη γραμμής σε ένα plot, καθορίζοντας κλίση και σημείο τομής. Αν γίνει σε αντικείμενο lm θα έχει ως αποτέλεσμα την προσθήκη της προβλεπόμενης γραμμής στο plot
x11	άνοιγμα ενός επιπλέον γραφικού παραθύρου
pdf	άνοιγμα ενός pdf αρχείου για την εγγραφή των γραφικών στοιχείων
dev.off	κλείσιμο συσκευής γραφικών
par(mfrow)	τακτοποίηση πολλαπλών plots στην ίδια σελίδα
sample	παράγει ένα τυχαίο δείγμα από τις καθορισμένες τιμές
set.seed	θέτει το seed για τo επόμενo τυχαίο δείγμα - το ίδιο δείγμα θα παραχθεί με το seed
rnorm	παράγει ένα τυχαίο δείγμα από μία κανονική κατανομή
qnorm	ποσοστιαία (εκατοστημόρια) της κανονικής κατανομής
pnorm	CDF της κανονικής κατανομής
dnorm	PDF της κανονικής κατανομής
rbinom	παράγει ένα τυχαίο δείγμα από μια διωνυμική κατανομή

Δημιουργία συναρτήσεων

Ένα από τα μεγάλα πλεονεκτήματα της R είναι η δυνατότητα του χρήστη να προσθέσει / να δημιουργήσει νέες συναρτήσεις. Στην πραγματικότητα, πολλές από τις συναρτήσεις στην R είναι.. συναρτήσεις των συναρτήσεων (συναρτήσεις φτιαγμένες από άλλες συναρτήσεις).

Η σύνταξη είναι ως εξής:

myfunction <- function(arg1, arg2, ... ){
  statements
  return(object)
}

Τα αντικείμενα σε μια συνάρτηση έχουν τοπική ισχύ στη συνάρτηση αυτή. Το αντικείμενο επιστροφής μπορεί να είναι οποιουδήποτε τύπου δεδομένων.

Μία από τις πτυχές του R workframe που κάνει αυτό το “πακέτο” διαφορετικό από τα άλλα στατιστικά πακέτα είναι ότι βασίζεται στην γλώσσα προγραμματισμού S. Με άλλα λόγια, έχουμε μια ολόκληρη γλώσσα υπολογιστή στη διάθεσή μας όταν προγραμματίζουμε στην R που μας επιτρέπει εύκολα και κομψά να γράψουμε όποια συνάρτηση θέλουμε.

Εδώ είναι ένα παράδειγμα:

# function ΠΑΡΑΔΕΙΓΜΑ - μέτρα κεντρικής τάσης
# και spread για έναν αριθμητικό vector x. Ο χρήστης έχει
# επιλογή των μέτρων και κατά πόσο τα αποτελέσματα εκτυπώνονται

mysummary <- function(x,npar=TRUE,print=TRUE) {
  if (!npar) {
    center <- mean(x); spread <- sd(x)
  } else {
    center <- median(x); spread <- mad(x)
  }
  if (print & !npar) {
    cat("Mean=", center, "\n", "SD=", spread, "\n")
  } else if (print & npar) {
    cat("Median=", center, "\n", "MAD=", spread, "\n")
  }
  result <- list(center=center,spread=spread)
  return(result)
}

# χρήση της συνάρτησης
set.seed(1234)
x <- rpois(500, 4)
y <- mysummary(x)
Median= 4
MAD= 1.4826
# y$center είναι το μέσο (4)
# y$spread είναι το μέσο της απόλυτης απόκλισης (1.4826)

y <- mysummary(x, npar=FALSE, print=FALSE)
# καμία έξοδος
# y$center είναι το μέσο (4.052)
# y$spread είναι το μέσο της τυπικής απόκλισης (2.01927)