Język R. Receptury. Analiza danych, statystyka i przetwarzanie grafiki. Wydanie II (e-book)

Język R jest potężnym narzędziem używanym w statystyce, przetwarzaniu grafiki i programowaniu statystycznym; stanowi konkurencję dla komercyjnych systemów do obliczeń tego rodzaju. Zawiera wszystkie narzędzia, których potrzebują statystycy. Równocześnie jest to specyficzny język, przez co jego użytkowanie może sprawiać problemy. Zarówno proste, jak i złożone zadania są łatwe do wykonania, jeśli tylko wiadomo, w jaki sposób je zrobić. Jeżeli jednak trzeba stopniowo dochodzić do właściwego rozwiązania, może to kosztować sporo cierpliwości i zniechęcać.

Oto zbiór 275 receptur instruktażowych, z których każda pomaga w rozwiązaniu konkretnego problemu. Wszystkie zostały starannie przetestowane i wielokrotnie dowodziły swojej przydatności. Każda z omawianych receptur została poprzedzona krótkim wprowadzeniem i omówieniem zastosowanych mechanizmów działania. Nie jest to klasyczny podręcznik programowania, jednak z pewnością przyśpieszy naukę praktycznego wykorzystania możliwości R. Jeśli masz już pewne doświadczenie z tym językiem, odświeżysz swoją wiedzę i uzyskasz szerszą perspektywę. Wśród receptur znajdziesz obejmujące szeroki zakres zadania - od podstawowych operacji na danych wejściowych i wyjściowych, poprzez statystykę ogólną, aż po grafikę i regresję liniową. Dowiesz się również, jak wykorzystać język R do wizualizacji danych za pomocą ciekawych wykresów graficznych.

W tej książce między innymi:

przygotowywanie danych wejściowych i upraszczanie danych wyjściowych
macierze, listy, wektory czynnikowe, ramki danych
testy statystyczne, przedziały ufności, prawdopodobieństwa
modele statystyczne z wykorzystaniem regresji liniowej i analizy wariancji
stosowanie zaawansowanych technik statystycznych

R: błyskawicznie osiągniesz znakomite wyniki!
Spis treści:

1. Pierwsze kroki i uzyskiwanie pomocy 17

1.1. Pobranie i instalacja R 18

1.2. Instalacja środowiska RStudio 20

1.3. Uruchamianie środowiska RStudio 21

1.4. Wprowadzanie poleceń 23

1.5. Wyjście ze środowiska RStudio 24

1.6. Przerywanie realizacji kodu R 26

1.7. Przeglądanie dołączonej dokumentacji 27

1.8. Uzyskiwanie pomocy na temat funkcji 28

1.9. Wyszukiwanie dodatkowej dokumentacji 30

1.10. Uzyskiwanie pomocy na temat pakietu 31

1.11. Wyszukiwanie pomocy w internecie 32

1.12. Wyszukiwanie przydatnych funkcji i pakietów 35

1.13. Przeszukiwanie list dyskusyjnych 36

1.14. Przesyłanie pytań do serwisu Stack Overflow lub innego 37

2. Garść podstaw 41

2.1. Wyświetlanie interesujących nas danych na ekranie 41

2.2. Wyznaczanie zmiennych 43

2.3. Tworzenie listy zmiennych 44

2.4. Usuwanie zmiennych 46

2.5. Tworzenie wektorów 47

2.6. Obliczanie podstawowych statystyk 49

2.7. Tworzenie sekwencji 51

2.8. Porównywanie wektorów 52

2.9. Wybieranie elementów wektora 54

2.10. Wykonywanie obliczeń wektorowych 57

2.11. Ustalanie pierwszeństwa operatorów 59

2.12. Osiąganie więcej przy mniejszej liczbie znaków 61

2.13. Tworzenie strumienia wywołań funkcji 62

2.14. Unikanie najpowszechniejszych pomyłek 65

3. Korzystanie z oprogramowania 71

3.1. Sprawdzanie i wyznaczanie katalogu roboczego 71

3.2. Tworzenie nowego projektu RStudio 72

3.3. Zapisywanie przestrzeni roboczej 74

3.4. Przeglądanie historii wpisanych poleceń 75

3.5. Zapisywanie wyniku wcześniejszego polecenia 76

3.6. Wyświetlanie załadowanych pakietów poprzez ścieżkę wyszukiwania 77

3.7. Przeglądanie listy zainstalowanych pakietów 79

3.8. Uzyskiwanie dostępu do funkcji zawartych w pakiecie 80

3.9. Uzyskiwanie dostępu do wbudowanych zestawów danych 81

3.10. Instalowanie pakietów z repozytorium CRAN 82

3.11. Instalowanie pakietu z serwisu GitHub 84

3.12. Wyznaczanie lub zmiana domyślnego serwera CRAN 85

3.13. Uruchamianie skryptu 86

3.14. Uruchamianie skryptu wsadowego 87

3.15. Wyszukiwanie katalogu domowego R 89

3.16. Personalizowanie rozruchu R 91

3.17. Korzystanie z R i RStudio w chmurze 94

4. Dane wejściowe i wyjściowe 97

4.1. Wprowadzanie danych za pomocą klawiatury 97

4.2. Wyświetlanie mniejszej (lub większej) liczby znaków 98

4.3. Przekierowywanie wyników do pliku 100

4.4. Wyświetlanie listy plików 101

4.5. Problem z otwieraniem pliku w systemie Windows 103

4.6. Odczytywanie rekordów o stałej szerokości 104

4.7. Odczytywanie plików danych tabelarycznych 107

4.8. Odczytywanie plików CSV 110

4.9. Zapisywanie danych w pliku CSV 112

4.10. Odczytywanie danych tabelarycznych lub CSV z internetu 113

4.11. Odczytywanie danych z arkuszy Excel 114

4.12. Zapisywanie ramki danych w pliku Excel 116

4.13. Odczytywanie danych z pliku SAS 118

4.14. Odczytywanie danych z tabel HTML 120

4.15. Odczytywanie plików o skomplikowanej strukturze 122

4.16. Odczyt baz danych MySQL 126

4.17. Uzyskiwanie dostępu do bazy danych za pomocą pakietu dbplyr 129

4.18. Zapisywanie i transportowanie obiektów 131

5. Struktury danych 135

5.1. Dodawanie danych do wektora 142

5.2. Wstawianie danych do wektora 144

5.3. Reguła zawijania 144

5.4. Tworzenie wektora czynnikowego (zmiennej kategorialnej) 146

5.5. Łączenie wielu wektorów w jeden wektor i wektor czynnikowy 147

5.6. Tworzenie listy 149

5.7. Wybieranie elementów listy za pomocą ich pozycji 150

5.8. Wybieranie elementów listy po nazwie 152

5.9. Tworzenie listy asocjacyjnej nazwa/wartość 153

5.10. Usuwanie elementu z listy 155

5.11. Spłaszczanie listy do postaci wektora 156

5.12. Usuwanie elementów o wartości NULL z listy 157

5.13. Warunkowe usuwanie elementów listy 158

5.14. Inicjowanie macierzy 159

5.15. Wykonywanie operacji macierzowych 161

5.16. Nadawanie nazw opisowych rzędom i kolumnom macierzy 162

5.17. Wybór jednego rzędu/kolumny macierzy 163

5.18. Inicjowanie ramki danych z danymi kolumny 164

5.19. Inicjowanie ramki danych z danymi rzędu 165

5.20. Dołączanie rzędów do ramki danych 168

5.21. Wybór kolumn ramki danych za pomocą pozycji 170

5.22. Wybór kolumn ramki danych za pomocą nazwy 174

5.23. Zmienianie nazw kolumn w ramce danych 175

5.24. Usuwanie wartości NA z ramki danych 176

5.25. Wykluczanie kolumn za pomocą nazwy 177

5.26. Łączenie dwóch ramek danych 178

5.27. Scalanie kolumn dwóch ramek danych 179

5.28. Przekształcanie jednej wartości atomowej w inną 181

5.29. Przekształcanie jednego ustrukturyzowanego typu danych w inny 183

6. Przekształcenia danych 187

6.1. Stosowanie funkcji wobec każdego elementu listy 187

6.2. Stosowanie funkcji wobec każdego rzędu ramki danych 190

6.3. Stosowanie funkcji wobec każdego rzędu macierzy 191

6.4. Stosowanie funkcji wobec każdej kolumny 192

6.5. Stosowanie funkcji wobec wektorów równoległych lub list 194

6.6. Stosowanie funkcji wobec grup danych 196

6.7. Tworzenie nowej kolumny na podstawie jakiegoś warunku 197

7. Łańcuchy znaków i daty 199

7.1. Uzyskiwanie długości łańcucha znaków 201

7.2. Łączenie łańcuchów znaków 202

7.3. Wydobywanie fragmentów łańcuchów znaków 203

7.4. Rozdzielanie łańcucha znaków zgodnie z rozgranicznikiem 204

7.5. Zastępowanie fragmentów łańcuchów znaków 205

7.6. Tworzenie wszystkich kombinacji par łańcuchów znaków 206

7.7. Uzyskiwanie bieżącej daty 208

7.8. Przekształcanie łańcucha znaków w obiekt Date 208

7.9. Przekształcanie obiektu Date w łańcuch znaków 209

7.10. Przekształcanie roku, miesiąca i dnia w obiekt Date 210

7.11. Uzyskiwanie daty juliańskiej 211

7.12. Wydobywanie elementów składowych daty 212

7.13. Tworzenie sekwencji dat 213

8. Prawdopodobieństwo 215

8.1. Wyznaczanie liczby kombinacji 217

8.2. Generowanie kombinacji 218

8.3. Generowanie liczb losowych 219

8.4. Generowanie odtwarzalnych liczb losowych 220

8.5. Generowanie próby losowej 222

8.6. Generowanie sekwencji losowych 223

8.7. Losowe permutacje wektora 224

8.8. Obliczanie prawdopodobieństwa rozkładów dyskretnych 225

8.9. Obliczanie prawdopodobieństwa rozkładów ciągłych 226

8.10. Przekształcanie prawdopodobieństw w kwantyle 228

8.11. Tworzenie wykresu funkcji gęstości 229

9. Statystyka ogólna 235

9.1. Podsumowywanie danych 237

9.2. Obliczanie częstości względnych 239

9.3. Zestawianie wektorów czynnikowych w tabeli i tworzenie tablic wielodzielczych 240

9.4. Sprawdzanie niezależności zmiennych kategorialnych 241

9.5. Obliczanie kwantylów (i kwartylów) zestawu danych 242

9.6. Uzyskiwanie odwrotności kwantylu 243

9.7. Normalizowanie danych 244

9.8. Testowanie średniej próby (test t) 244

9.9. Kształtowanie przedziału ufności dla średniej 246

9.10. Kształtowanie przedziału ufności dla mediany 247

9.11. Testowanie proporcji próby 248

9.12. Kształtowanie przedziału ufności dla proporcji 249

9.13. Testowanie pod względem rozkładu normalnego 250

9.14. Testowanie przebiegów 251

9.15. Porównywanie średnich dwóch prób 252

9.16. Nieparametryczne porównywanie położenia dwóch prób 254

9.17. Testowanie korelacji pod względem istotności 256

9.18. Testowanie grup pod względem równych proporcji 257

9.19. Porównywanie parami średnich poszczególnych grup 259

9.20. Testowanie dwóch prób w kontekście tego samego rozkładu 260

10. Grafika 263

10.1. Tworzenie wykresu punktowego 267

10.2. Wstawianie tytułu i etykiet 267

10.3. Dodawanie (lub usuwanie) siatki 269

10.4. Stosowanie motywu wobec wykresu ggplot 272

10.5. Tworzenie wielogrupowego wykresu punktowego 277

10.6. Dodawanie (lub usuwanie) legendy 278

10.7. Rysowanie linii regresji na wykresie punktowym 282

10.8. Tworzenie wykresów par zmiennych 285

10.9. Tworzenie wykresów punktowych dla poszczególnych grup danych 287

10.10. Tworzenie wykresu kolumnowego 289

10.11. Umieszczanie przedziałów ufności na wykresie kolumnowym 292

10.12. Wprowadzanie kolorów na wykresie kolumnowym 295

10.13. Rysowanie linii łączącej pary punktów x i y 297

10.14. Zmiana rodzaju, szerokości i koloru linii 297

10.15. Tworzenie wykresu zawierającego wiele zestawów danych 301

10.16. Dodawanie linii pionowych lub poziomych 302

10.17. Tworzenie wykresu pudełkowego 304

10.18. Tworzenie po jednym wykresie pudełkowym na każdy poziom wektora czynnikowego 306

10.19. Tworzenie histogramu 308

10.20. Dodawanie oszacowania gęstości do histogramu 310

10.21. Tworzenie standardowego wykresu kwantyl-kwantyl 311

10.22. Tworzenie innych wykresów kwantyl-kwantyl 314

10.23. Rysowanie zmiennej w różnych kolorach 316

10.24. Tworzenie wykresu funkcji 319

10.25. Wyświetlanie wielu wykresów na jednej stronie 321

10.26. Zapisywanie wykresu do pliku 324

11. Regresja liniowa i analiza ANOVA 327

11.1. Przeprowadzanie prostej analizy liniowej 329

11.2. Przeprowadzanie wielorakiej regresji liniowej 331

11.3. Uzyskiwanie statystyk regresji 332

11.4. Omówienie podsumowania regresji 335

11.5. Przeprowadzanie regresji liniowej bez użycia punktu przecięcia z osią współrzędnych 338

11.6. Przeprowadzanie regresji wyłącznie przy użyciu zmiennych ściśle skorelowanych ze zmienną objaśnianą 339

11.7. Przeprowadzanie regresji liniowej z członami interakcyjnymi 342

11.8. Wybór najlepszych zmiennych regresji 344

11.9. Przeprowadzanie regresji na podzbiorze danych 349

11.10. Korzystanie ze wzorów w równaniu regresji 350

11.11. Przeprowadzanie regresji względem wielomianu 351

11.12. Regresja względem przekształconych danych 353

11.13. Wyszukiwanie najlepszego przekształcenia potęgowego (procedura Boxa-Coxa) 355

11.14. Kształtowanie przedziałów ufności dla współczynników regresji 359

11.15. Tworzenie wykresu elementów resztowych regresji 360

11.16. Diagnozowanie regresji liniowej 361

11.17. Wykrywanie najbardziej znaczących obserwacji 364

11.18. Testowanie wartości resztowych pod względem autokorelacji (test Durbina-Watsona) 366

11.19. Przewidywanie nowych wartości 367

11.20. Kształtowanie przedziałów predykcji 368

11.21. Przeprowadzanie jednoczynnikowej analizy ANOVA 369

11.22. Tworzenie wykresu interakcji 371

11.23. Wyszukiwanie różnic pomiędzy średnimi grup 372

11.24. Przeprowadzanie odpornej analizy ANOVA (test Kruskala-Wallisa) 375

11.25. Porównywanie modeli za pomocą analizy ANOVA 376

12. Przydatne sztuczki 379

12.1. Zaglądanie do danych 379

12.2. Wyświetlanie rezultatu przypisania 380

12.3. Sumowanie rzędów lub kolumn 382

12.4. Wyświetlanie danych w kolumnach 383

12.5. Grupowanie danych w przedziały 384

12.6. Określanie położenia danej wartości 385

12.7. Wybieranie co n-tego elementu wektora 385

12.8. Określanie minimów i maksimów 386

12.9. Tworzenie wszystkich kombinacji kilku zmiennych 388

12.10. Spłaszczanie ramki danych 389

12.11. Sortowanie ramki danych 390

12.12. Usuwanie atrybutów ze zmiennej 391

12.13. Odkrywanie struktury obiektu 392

12.14. Obliczanie czasu potrzebnego na realizację kodu 395

12.15. Wstrzymywanie ostrzeżeń i komunikatów o błędach 396

12.16. Pobieranie argumentów funkcji z listy 397

12.17. Definiowanie własnych operatorów binarnych 399

12.18. Blokowanie komunikatu rozruchowego 401

12.19. Przeglądanie i wyznaczanie zmiennych środowiskowych 401

12.20. Używanie sekcji kodu 402

12.21. Równoległe przetwarzanie kodu R na komputerze lokalnym 403

12.22. Równoległe przetwarzanie kodu R w sposób zdalny 406

13. Zaawansowane obliczenia numeryczne i statystyczne 411

13.1. Minimalizowanie lub maksymalizowanie funkcji jednoparametrowej 411

13.2. Minimalizowanie lub maksymalizowanie funkcji wieloparametrowej 412

13.3. Obliczanie wartości własnych i wektorów własnych 414

13.4. Przeprowadzanie analizy głównych składowych 415

13.5. Przeprowadzanie prostej regresji ortogonalnej 416

13.6. Wyszukiwanie skupień w danych 418

13.7. Przewidywanie zmiennej binarnej (regresja logistyczna) 421

13.8. Metody samowsporne 423

13.9. Analiza czynnikowa 425

14. Analiza szeregów czasowych 431

14.1. Reprezentowanie danych szeregów czasowych 433

14.2. Tworzenie wykresów danych szeregów czasowych 436

14.3. Wydobywanie najstarszych lub najnowszych obserwacji 437

14.4. Tworzenie podzbiorów z szeregów czasowych 439

14.5. Scalanie kilku szeregów czasowych 441

14.6. Uzupełnianie brakujących obserwacji w szeregach czasowych 443

14.7. Opóźnianie lub przyspieszanie szeregu czasowego 446

14.8. Obliczanie kolejnych różnic 447

14.9. Wykonywanie obliczeń na szeregu czasowym 449

14.10. Obliczanie średniej kroczącej 450

14.11. Stosowanie funkcji przy uwzględnieniu okresu kalendarzowego 451

14.12. Stosowanie funkcji rozwijającej 453

14.13. Tworzenie wykresu funkcji autokorelacji 455

14.14. Testowanie szeregów czasowych pod kątem autokorelacji 456

14.15. Tworzenie wykresu funkcji autokorelacji cząstkowej 457

14.16. Wyszukiwanie korelacji opóźnionych pomiędzy dwoma szeregami czasowymi 459

14.17. Usuwanie trendów z szeregów czasowych 461

14.18. Dopasowywanie modelu ARIMA 463

14.19. Usuwanie nieistotnych współczynników z modelu ARIMA 466

14.20. Diagnozowanie modelu ARIMA 468

14.21. Uzyskiwanie prognoz z modelu ARIMA 470

14.22. Tworzenie wykresu prognoz 471

14.23. Sprawdzanie występowania zjawiska równania do średniej w szeregu czasowym 472

14.24. Wygładzanie szeregu czasowego 475

15. Elementy prostego programowania 479

15.1. Wybór pomiędzy dwiema alternatywnymi opcjami: if/else 480

15.2. Przetwarzanie w pętli 482

15.3. Definiowanie funkcji 483

15.4. Tworzenie zmiennej lokalnej 485

15.5. Wybór pomiędzy wieloma alternatywnymi ścieżkami: funkcja switch 485

15.6. Definiowanie wartości domyślnych parametrów 487

15.7. Sygnalizowanie błędów 488

15.8. Ochrona przed błędami 489

15.9. Tworzenie funkcji anonimowej 490

15.10. Tworzenie zbioru funkcji wielokrotnego użytku 491

15.11. Automatyczne formatowanie kodu 492

16. Środowisko R Markdown i publikowanie 495

16.1. Tworzenie nowego dokumentu 496

16.2. Dodawanie tytułu, danych autora i daty 498

16.3. Formatowanie dokumentu tekstowego 499

16.4. Wstawianie nagłówków dokumentu 500

16.5. Wstawianie listy 500

16.6. Prezentowanie wyników kodu R 502

16.7. Kontrolowanie wyświetlania kodu i wyników 503

16.8. Wstawianie wykresu 505

16.9. Wstawianie tabeli 507

16.10. Wstawianie wygenerowanej tabeli 509

16.11. Wstawianie równań matematycznych 512

16.12. Generowanie wyniku w formacie HTML 513

16.13. Generowanie wyniku w formacie PDF 514

16.14. Generowanie wyników w formacie Microsoft Word 516

16.15. Generowanie pliku prezentacji 522

16.16. Tworzenie parametryzowanego raportu 524

16.17. Organizowanie pracy z dokumentami R Markdown 527