Primi passi con R. D. Fioredistella IEZZI

Transcript

1 Primi passi con R

2 Che cosa è Ø R è un ambiente di programmazione (un insieme di funzioni, librerie, oggetti) Ø R è specializzato in analisi dei dati e rappresentazioni grafiche Ø R opera su sistemi operativi UNIX, Windows e Macintosh Ø R è cugino di S: entrambi dialetti del più noto S-plus.

3 R è "free" Free nel senso di gratis Free nel senso di "libero". R è, infatti, un programma open source e la libertà è quella di: Ø usare R per qualsiasi scopo Ø studiare il software e adattarlo alle proprie necessità Ø sviluppare il software e rilasciare pubblicamente i propri Ø miglioramenti in modo che chiunque possa beneficiarne Ø copiare e distribuire il software

4 La pagina web di R La pagina web cui fa riferimento R è: Da questo indirizzo è possibile: Avere informazioni sul software, sugli aggiornamenti e cercare informazioni collegate Scaricare manuali e documentazione sull utilizzo di R Accedere al CRAN (Comprehensive R Archive Network) da cui è possibile: Scaricare una copia del programma versione precompilata codice sorgente Scaricare i pacchetti aggiuntivi

5 Installazione di R La versione corrente di R è R Per installare R per Windows si seguano i seguenti passi: Da accedere al CRAN; Scegliere da dove scaricare l eseguibile di R (ad esempio da selezionare il link Windows (o il sistema operativo in uso) nella pagina aperta cliccare sul link base; scaricare R win32.exe (circa 29 Mb) Eseguire il file scaricato seguendo le istruzioni fornite.

6 R è un progetto di collaborazione con molti contributi esterni. Scrivi contributors() per maggiori informazioni e citation() per sapere come citare R o i pacchetti di R nelle pubblicazioni. Scrivi demo() per una dimostrazione, help() per la guida in linea, o help.start() per l help navigabile con browser HTML. Scrivi q() per uscire da R.

7 Operazioni numeriche

8 Operazioni logiche

9 Il comando di assegnazione Per assegnare un valore ad un oggetto: <nome oggetto> <- <valore> oppure <nome oggetto> = <valore> Ad esempio > x <- 4 > y <- 3*2 > x > y [1] 4 [1] 6 abbiamo così creato l oggetto x che contiene il valore 4. Un ulteriore assegnazione modifica il valore > x <- 2 > x [1] 2

10 Gestione degli oggetti: ls() Il comando ls() (o l equivalente objects()) fornisce una lista di oggetti presenti nel workspace > x <- 2 > ls() [1] "x" "y" > z <- 5 > ls() [1] "x" "y" "z"

11 Gestione degli oggetti: rm() Il comando rm() cancella oggetti dal workspace > ls() [1] "x" "y" "z" > rm(x,y) > ls() [1] "z" Si possono rimuovere tutti gli oggetti nel workspace con il comando Workspace dal menù cancella Workspace.

12 Sistema di aiuto in linea help(nome esatto del comando) o?<nome esatto del comando> apre una pagina del manuale relativa al comando help.search("stringa") ricerca informazioni sull argomento nel sistema di help restituisce una lista di comandi collegati alla stringa cercata. > help(rm) > help(remove) >?remove > help(remov) No documentation for remov in specified packages and libraries: you could try help.search("remov") > help.search(remov) Errore in help.search(remov) : oggetto "remov" non trovato > help.search("remov")

13 Contenuto di una pagina del manuale Ø Description: descrizione generale Ø Usage: sintassi Ø Arguments: dettaglio sugli argomenti del comando Ø Details: dettagli tecnici Ø Value: risultato dell esecuzione Ø References: eventuali riferimenti bibliografici Ø See Also: comandi collegati Ø Examples: istruzioni eseguibili

14 La working directory (WD) la WD è la directory dove R salva la sessione di lavoro, ossia due file:.rdata che contiene gli oggetti di R, ad esempio i dati.rhistory che contiene la cronologia, ossia gli ultimi n comandi dati al programma (n dipende dalle opzioni) per scegliere la WD si utilizza Cambia directory nel menu File. la WD è anche il luogo dove R punta se si cerca di accedere in lettura o scrittura a un file senza specificare un percorso completo.

15 Gestione dei file: salvataggio e lettura Salvataggio degli oggetti in R, ossia del file.rdata: dal menù File scegliere Salva area di lavoro della cronologia, ossia del file.rhistory: dal menù File scegliere Salva cronologia Lettura degli oggetti in R, ossia del file.rdata: dal menù File scegliere Carica area di lavoro della cronologia, ossia del file.rhistory: dal menù File scegliere Carica cronologia oppure doppio clic sull icona.rdata relativa alla WD salvata. In questo modo si apre una sessione di R in cui risultano caricati sia gli oggetti, sia la cronologia.

16 Tipi di oggetti Un oggetto in R può essere di tipo Ø vector Ø matrix (array) Ø list Ø factor Ø data.frame Ø function

17 Vettori: assegnazione Un vettore si assegna col comando > x <- c(31,1,7,3) > x [1] l oggetto x è ora un vettore > is.vector(x) [1] TRUE

18 Funzioni su un vettore R dispone di varie funzioni il cui argomento è un vettore >x<-c(31,1,7,3) > min(x) > mean(x) [1] 10.5 [1] 1 > sum(x) [1] 42 > range(x) [1] 1 31 > length(x) [1] 4

19 Assegnazione del valore di una funzione Il risultato di una funzione può anche essere memorizzato in un altro oggetto > sommax <- sum(x) > sommax [1] 42 Di che tipo sia l oggetto che si crea dipende dal value che la funzione restituisce > rangex <- range(x) > rangex [1] 1 31

20 Operazioni aritmetiche sui vettori Una normale operazione binaria (+,-,*,/,ˆ) avente per argomenti due vettori viene eseguita elemento per elemento, sicché > x [1] > y [1] > x+y [1]

21 Operazioni logiche sui vettori La stessa regola che vale per le operazioni aritmetiche vale per le operazioni logiche: > x [1] > y [1] > x>y [1] TRUE FALSE TRUE FALSE

22 Vettori di diversa lunghezza Se un operazione viene eseguita tra vettori di lunghezza diversa il vettore più corto viene ripetuto tante volte quante è necessario per eguagliare la lunghezza del vettore più lungo > x [1] 1 8 > y [1] > x+y [1]

23 Vettori di diversa lunghezza Questo comportamento può essere molto utile, ad esempio consente di moltiplicare un vettore per uno scalare in maniera immediata > y [1] > x [1] 2 > y [1] > y/x [1]

24 Vettori di diversa lunghezza Un messaggio di avviso viene dato solo se la lunghezza del vettore lungo non è multipla di quella del vettore corto > x [1] > y [1] > x*y [1] Warning message: longer object length is not a multiple of shorter object length in: y + x

25 Estrazione di elementi da un vettore Per estrarre un sottovettore da un vettore facciamo seguire al nome del vettore la parte da estrarre (la posizione dell elemento da estrarre) racchiusa tra parentesi quadre, vi sono diversi modi per farlo, il primo e più intuitivo è > y [1] > y[1] [1] 3 > y[c(1,3)] [1] 3 1

26 Estrazione di elementi da un vettore In modo complementare al metodo precedente possiamo indicare, anziché gli elementi da estrarre, quelli da ignorare, indicandoli con indici negativi > y <- c(3, 5, 1, 9) > y[1] [1] 3 > y[-c(2,4)] [1] 3 1

27 Estrazione di elementi da un vettore Un altro metodo consiste nell indicare, sempre tra parentesi, quali elementi conservare e quali tralasciare mediante un vettore di lunghezza pari al vettore di partenza con il valore TRUE in corrispondenza agli elementi da considerare e FALSE in corrispondenza agli elementi da ignorare > y <- c(3, 5, 1, 9) > y[c(t,f,t,f)] [1] 3 1

28 Estrazione di elementi da un vettore Il metodo appena indicato è utile in particolare quando si vuole determinare quali elementi estrarre in base ad una condizione > y <- c(3, 5, 1, 9) > y[y<4] [1] 3 1 condizione che può coinvolgere un secondo vettore > x <- c(1, 0, 1, 0) > y[x==1] [1] 3 1

29 Estrazione di elementi da un vettore Vogliamo costruire un vettore che contiene il primo e il terzo elemento di > y <- c(3, 5, 1, 9) disponiamo di tre metodi x <- y[c(1,3)] x <- y[c(t,f,t,f)] x <- y[-c(2,4)] Il risultato, lo stesso, è > x [1] 3 1

30 Alcuni particolari vettori x <- seq(from=1,to=5,by=1) x <- 1:5 x <- seq(from=1,to=5,length=5) x <- rep(1,n=5)

31 Indicatori di categoria o fattori Supponiamo di effettuare un esperimento su 6 soggetti, 2 dei quali ricevono il trattamento a, 3 quello b e 1 quello c. Questa informazione può essere salvata nel seguente modo: > trattamento<-factor (c('a', 'b', 'b', 'c', 'a', 'b')) > trattamento [1] a b b c a b Levels: a b c Supponiamo che gli esiti dell esperimento sui 6 individui siano i seguenti: risposta<-c(10,3, 7, 6, 4, 5) Allora possiamo trovare gli esiti di un particolare trattamento con il comando > risposta[trattamento=="a"] [1] 10 4 > risposta[trattamento=="b"] [1] >

32 Matrici La funzione matrix() viene utilizzata per costruire una matrice e richiede come argomenti gli elementi che devono costituire la matrice ed il numero delle colonne possibilmente coerente con il primo argomento > x<-matrix(c(2,3,5,7,11,13), ncol=2) > x [,1] [,2] [1,] 2 7 [2,] 3 11 [3,] 5 13 Per estrarre un elemento da una matrice bisogna specificarne le 2 coordinate: > x[2,1] [1] 3 Se non si introduce una delle coordinate si estrae una riga/colonna intera > x[,1] [1] > x[3,] [1] 5 13

33 La funzione apply La funzione apply permette di applicare un operazione alle righe (prima componente) o alle colonne (seconda componente). > apply(x, 1, sum) # somma gli elementi di ogni riga di x [1] > apply(x, 2,prod) # moltiplica gli elementi di ogni colonna di x [1]

34 Dataframe Il dataframe costituisce forse l oggetto più importante di tutto l ambiente R, almeno in una sua ottica di gestione e analisi dei dati. Il dataframe è una particolare lista e rappresenta la matrice dei dati in cui ad ogni riga corrisponde una osservazione e ad ogni colonna una variabile. Tra le diverse opzioni disponibili, è possibile costruire un data.frame direttamente con la funzione data.frame() x<-data.frame(a=1:4, sesso=c("m","f","f","m"))#crea un dataframe con una variabile quantitativa e una qualitativa > X a sesso 1 1 M 2 2 F 3 3 F 4 4 M

35 Dataframe Se voglio conoscere le dimensioni del dataframe > dim(x) [1] 4 2 Se voglio aggiungere la variabile età x$eta<-c(2.5,3,5,6.2) #aggiungi una variabile > X a sesso eta 1 1 M F F M 6.2

36 Selezionare una parte del dataframe Per selezionare una parte del dataframe possiamo effettuare le seguenti operazioni: X[,1:3] #per selezionare tutte le unità statistiche (US) del dataset e le prime tre variabili X[1:5,]#per selezionare le prime 5 US e tutte le colonne Oppure possiamo utilizzare le operazioni logiche X[giorni_vacanza<3 & età>21,]

37 OPERAZIONI DI ORDINAMENTO Due comandi tipici sono: - order(nome variabile) # ordina dando il riferimento alla posizione dell US - sort(nome variabile) # ordina le modalità della variabile oggetto di studio

38 q q Importazione di dati La funzione data.frame(), non esaurisce le diverse possibilità di R che esistono per risolvere il problema della gestione dei dati. Una possibilità è quella di caricare i dati che sono salvati in un formato ASCII ottenuto da un qualsiasi altro programma. La funzione read.table() costituisce uno strumento per l importazione di file ascii: X<-read.table(file= c:\documents and Settings\stella \Desktop\", header=t, sep="\t l argomento header=t specifica che la prima linea del file contiene i nomi delle variabili; l argomento sep="\t" definisce che i diversi campi sono separati da un tab. Avremmo potuto specificare sep="," nel caso di una virgola, ad esempio.

39 Dati importati NOME età giorni_vacanza sesso titolo di studio Francesco 35 2 M D Mario 30 3 M D Giovanna 21 4 F L Franca 33 2 F L Sonia 24 1 F S Ilaria 20 4 F S Daniela 34 5 F M Simone 33 3 M D Sandro 37 5 M D

40 Importazione dati Una volta importato il dataset, alcune operazioni tipiche sono: - Usare il comando attach(nome file importato) per rendere accessibile una variabile dal nome - Usare il comando names(nome file importato) per avere la lista di variabili presenti nel dataset >attach(x) >names(x) [1] "NOME" "età" "giorni_vacanza" "sesso" [5] "titolo.di.studio"

41 Prime funzioni statistiche Ø la distribuzione delle frequenze assolute >table(x) x Ø la distribuzione delle frequenze assolute >table(x)/length(x) x

42 Prime funzioni statistiche Ø i quantili di una distribuzione Il quantile di ordine p di un insieme di valori è quel valore x p che ripartisce la distribuzione ordinata dei valori in due parti tali che la proporzione di osservazioni minori di x p è pari a p > quantile(x,0.25) 25% 24 > quantile(x,c(0.25,0.50,0.75)) 25% 50% 75% Ø La funzione summary fornisce in un unico comando vari indicatori di sintesi > summary(x) Min. 1st Qu. Median Mean 3rd Qu. Max

43 Prime funzioni statistiche Frequenze assolute > table(sesso) sesso F M 5 4 Frequenze relative > table(sesso)/length(sesso) sesso F M Frequenze percentuali > (table(sesso)/length(sesso))*100 sesso F M

44 Frequenze cumulate Frequenze cumulate assolute > cumsum(table(titolo.di.studio)) D L M S Frequenze cumulate relative > cumsum(table(titolo.di.studio))/length(titolo.di.studio) D L M S Frequenze cumulate percentuali > cumsum(table(titolo.di.studio)/length(titolo.di.studio))*100 D L M S

45 Studio di variabili quantitative La descrizione di una variabile quantitativa continua attraverso lo studio delle tabelle di frequenza può risultare non agevole, in quanto molte modalità potrebbero presentarsi una sola volta all interno della distribuzione. Per ovviare a questo inconveniente si può ricorrere all aggregazione delle modalità in classi. ESEMPIO > table(età) età > table(cut(età, breaks=c(18, 25, 35, 40))) (18,25] (25,35] (35,40] NB Di default le classi sono aperte a sinistra e chiuse a destra. Per ottenere intervalli chiusi a sinistra e aperti a destra basterà digitare > table(cut(età, breaks=c(18, 25, 35, 40, right=false))) (0,18] (18,25] (25,35] (35,40]

46 RAPPRESENTAZIONI GRAFICHE Variabili qualitative sconnesse > pie(table(sesso)) Grafico a torta > plot(sesso) Grafico a barre

47 Variabili qualitative ordinali > plot(titolo.di.studio)

48 Variabili quantitative discrete > plot(table(giorni_vacanza))

49 Variabili quantitative continue > hist(età)

50 Variabili quantitative continue Per inserire autonomamente i limiti delle classi che verranno rappresentate dovrò utilizzare il seguente comando: > hist(età, c(18, 25, 30,40))

51 Importazione di software commerciali La libreria Rcmdr che permette di importare i file in Excel, Stata, Spss, Minitab, Access, ecc Library (Rcmdr)