Môi trường R
R là một bộ tích hợp các công cụ phần mềm để thao tác dữ liệu, tính toán và vẽ biểu đồ R bao gồm:
một cơ sở lưu trữ và xử lý dữ liệu hiệu quả,
một bộ toán tử để tính toán trên các mảng, cụ thể là ma trận,
một bộ sưu tập lớn, mạch lạc, tích hợp các công cụ trung gian để phân tích dữ liệu,
phương tiện đồ họa để phân tích dữ liệu và hiển thị trực tiếp trên máy tính hoặc trên bản cứng, và
Ngôn ngữ lập trình 'S' là một công cụ đơn giản và hiệu quả, hỗ trợ các điều kiện, vòng lặp, hàm đệ quy do người dùng tạo ra, cùng với các phương tiện đầu vào và đầu ra Hầu hết các hàm trong hệ thống đều được phát triển bằng ngôn ngữ S, cho thấy tính linh hoạt và khả năng ứng dụng của nó.
Thuật ngữ "môi trường" ám chỉ đến một hệ thống nhất quán và có kế hoạch, thay vì chỉ đơn thuần là sự gia tăng của các công cụ cụ thể và cứng nhắc như những gì thường thấy trong các phần mềm phân tích dữ liệu khác.
R là một công cụ mạnh mẽ cho các phương pháp phân tích dữ liệu tương tác mới, với sự phát triển nhanh chóng nhờ vào nhiều gói mở rộng Tuy nhiên, phần lớn các chương trình được viết bằng R thường mang tính tạm thời, chỉ phục vụ cho một đoạn phân tích dữ liệu cụ thể.
Phần mềm và tài liệu liên quan
R can be regarded as a comprehensive extension of the S language, developed at Bell Laboratories by Rick Becker, John Chambers, and Allan Wilks, and it also serves as the foundation for the S-PLUS system.
Sự phát triển của ngôn ngữ S được thể hiện qua bốn cuốn sách của John Chambers và các đồng tác giả, trong khi tài liệu tham khảo chính cho ngôn ngữ R là cuốn "Ngôn ngữ S mới: Môi trường lập trình để phân tích dữ liệu và đồ họa" của Richard A.
In 1991, John M Chambers and Allan R Wilks introduced new features in the S language, which are detailed in their work "Statistical Models in S." This publication highlights significant advancements in statistical modeling capabilities within the S programming environment.
Trevor J Hastie đã biên tập một gói phương thức, trong đó các phương thức và lớp chính thức được xây dựng dựa trên những phương thức được mô tả trong cuốn sách "Lập trình với dữ liệu".
Data) của John M Chambers Xem Phụ lục F [Tài liệu tham khảo], trang 175, để tham khảo chính xác
Hiện nay, có nhiều sách hướng dẫn cách sử dụng R để phân tích dữ liệu và thống kê, trong đó tài liệu cho S/S-PLUS thường được áp dụng cho R, với lưu ý về những khác biệt giữa các triển khai trên S Để biết thêm thông tin, bạn có thể tham khảo phần “Tài liệu nào cho R?” trong mục câu hỏi thường gặp của hệ thống thống kê R.
R và thống kê
Môi trường R không chỉ được sử dụng cho thống kê mà còn tích hợp nhiều kỹ thuật thống kê cổ điển và hiện đại Trong R, có khoảng 25 gói tiêu chuẩn và gói được khuyến nghị, cùng với nhiều gói khác có sẵn trên trang web CRAN (https://CRAN.R-project.org) Thông tin chi tiết về các gói sẽ được cung cấp trong Chương 13 [Các gói trong R], trang 142.
Hầu hết các số liệu thống kê cổ điển và nhiều phương pháp hiện đại đều có thể được áp dụng trong R, tuy nhiên, người dùng có thể cần thực hiện một số bước chuẩn bị để tìm kiếm và sử dụng chúng hiệu quả.
Có sự khác biệt quan trọng giữa triết lý của R và các hệ thống thống kê khác như SAS và SPSS Trong R, phân tích thống kê được thực hiện qua một chuỗi các bước, với kết quả trung gian được lưu trữ trong các đối tượng Điều này có nghĩa là R cung cấp đầu ra tối thiểu, chỉ lưu trữ những kết quả cần thiết để sử dụng cho các hàm tiếp theo, trong khi SAS và SPSS cung cấp nhiều kết quả đa dạng từ các phân tích như hồi quy hay phân tích biệt số.
R và hệ window
Cách dễ dàng nhất để sử dụng R là trên máy trạm đồ họa chạy hệ điều hành Windows Tài liệu này hướng dẫn người dùng hệ thống này, tập trung vào việc sử dụng R trong môi trường X Windows, mặc dù hầu hết nội dung đều áp dụng cho mọi phiên bản R.
Hầu hết người dùng cần tương tác trực tiếp với hệ điều hành trên máy tính của họ Tài liệu này chủ yếu tập trung vào cách tương tác với hệ điều hành UNIX Nếu bạn sử dụng R trên Windows hoặc macOS, bạn sẽ cần thực hiện một số điều chỉnh nhỏ.
Việc thiết lập một máy trạm để tối ưu hóa các tính năng tùy chỉnh của R là rất đơn giản, vì vậy sẽ không đề cập thêm trong tài liệu này Người dùng R gặp khó khăn nên tìm kiếm sự hỗ trợ từ các chuyên gia.
Sử dụng và tương tác trong R
Khi sử dụng chương trình R, dấu nhắc đầu vào mặc định là ‘>’, tương tự như dòng lệnh trong UNIX, nhưng có thể không hiển thị gì Tuy nhiên, bạn có thể dễ dàng thay đổi dấu nhắc này theo ý muốn Ví dụ, chúng ta có thể thiết lập dấu nhắc dòng lệnh trong UNIX thành ‘$’.
Khi sử dụng R trong UNIX, quy trình được đề xuất cho lần dùng đầu tiên như sau:
Tạo một thư mục con riêng biệt, chẳng hạn như "công việc", để lưu trữ các dữ liệu cần thiết cho việc sử dụng R Thư mục này sẽ trở thành thư mục làm việc (working directory) mỗi khi bạn sử dụng R cho vấn đề cụ thể này.
2 Bắt đầu chương trình R bằng lệnh
3 Tại thời điểm này, câu lệnh R có thể được ban hành (xem phần sau)
4 Để thoát khỏi chương trình R, lệnh là
Khi kết thúc phiên R, bạn sẽ được hỏi có muốn lưu dữ liệu hay không Tùy thuộc vào hệ thống, bạn có thể thấy một hộp thoại hoặc nhận lời nhắc văn bản để trả lời có, không hoặc hủy Việc lưu dữ liệu sẽ giúp bạn truy cập lại trong các phiên R sau này.
Các phiên R về sau sẽ đơn giản hơn
1 Tạo thư mục làm việc (working directory) và bắt đầu chương trình như trước:
2 Sử dụng chương trình R, kết thúc bằng lệnh q() vào cuối phiên
Khi sử dụng R trên hệ điều hành Windows, bạn cần tạo một thư mục làm việc và thiết lập nó trong trường "Start In" của biểu tượng R Sau đó, chỉ cần nhấp đúp vào biểu tượng để khởi chạy R.
Phiên giới thiệu
Độc giả nên làm quen với R trên máy tính trước khi tiếp tục và được khuyến khích tham gia phiên giới thiệu được trình bày trong Phụ lục A [Một phiên mẫu], trang 151.
Trợ giúp từ các hàm và tính năng
R có một hệ thống trợ giúp tương tự như UNIX, cho phép người dùng tìm kiếm thông tin về các hàm cụ thể Để biết thêm chi tiết về hàm solve, bạn chỉ cần sử dụng lệnh trợ giúp tương ứng.
Đối với một tính năng được xác định bởi các ký tự đặc biệt, nội dung cần được đặt trong ngoặc đơn hoặc ngoặc kép để tạo thành chuỗi ký tự Điều này cũng áp dụng cho một số từ có ý nghĩa cú pháp như if, for, và function.
Dấu ngoặc kép được sử dụng để mở đầu hoặc kết thúc một chuỗi, chẳng hạn như trong ví dụ "It’s important" Chúng ta quy ước sử dụng dấu ngoặc kép trong văn bản.
Trên hầu hết các cài đặt R, trợ giúp có sẵn ở định dạng HTML bằng cách chạy lệnh
Lệnh help.start() sẽ khởi chạy trình duyệt Web, cho phép người dùng truy cập các trang trợ giúp thông qua các siêu liên kết Trên hệ điều hành UNIX, các yêu cầu trợ giúp tiếp theo sẽ được gửi đến hệ thống trợ giúp dựa trên HTML Các liên kết công cụ tìm kiếm và từ khóa trong trang được tải bởi help.start() rất hữu ích, vì chúng cung cấp danh sách các khái niệm cấp cao mà người dùng có thể tìm kiếm thông qua các hàm có sẵn, giúp hiểu rõ hơn về những gì R cung cấp.
Lệnh help.search (hoặc ??) cho phép tìm kiếm trợ giúp theo nhiều cách khác nhau Ví dụ,
Thử gõ lệnh ?help.search để biết thêm chi tiết và thêm nhiều ví dụ
Các ví dụ về một chủ đề trợ giúp thường dùng lệnh
Các phiên bản Windows của R có thêm các hệ thống trợ giúp tùy chọn khác: sử dụng
> ?help để biết thêm chi tiết.
Các lệnh trong R, các trường hợp đặc biệt, v.v
R là một ngôn ngữ biểu thức với cú pháp đơn giản và phân biệt chữ hoa chữ thường, trong đó A và a là các ký hiệu khác nhau Tập hợp ký hiệu được phép trong tên biến phụ thuộc vào hệ điều hành và quốc gia sử dụng R Thông thường, các ký hiệu chữ cái, số, dấu ‘.’ và ‘_’ được cho phép, với quy định tên biến phải bắt đầu bằng một chữ cái hoặc dấu ‘.’, và nếu bắt đầu bằng ‘.’ thì ký tự thứ hai không được là số Chiều dài tên biến không bị giới hạn.
Các lệnh cơ bản trong lập trình bao gồm biểu thức và lệnh gán Khi một biểu thức được thực hiện như một lệnh, nó sẽ được đánh giá và in ra kết quả, trừ khi được ẩn danh Ngược lại, lệnh gán đánh giá một biểu thức và gán giá trị cho một biến, nhưng không tự động in ra kết quả.
Các lệnh trong R được phân tách bằng dấu chấm phẩy (‘;’) hoặc một dòng mới Các lệnh cơ bản có thể được nhóm lại thành biểu thức ghép bằng dấu ngoặc nhọn (‘{‘ và ‘}’) Ghi chú có thể được thêm vào bằng cách bắt đầu với dấu thăng (‘#’), mọi nội dung phía sau sẽ được coi là ghi chú Nếu một lệnh không hoàn thành ở cuối dòng, R sẽ hiển thị một dấu nhắc khác.
1 với mã code trong bản R portable (bao gồm cả các gói trong R), chỉ A-Za-z0-9 được sử dụng
Hai không nằm trong chuỗi và không nằm trong danh sách câu lệnh của định nghĩa hàm Từ dòng thứ hai trở đi, tiếp tục đọc đầu vào cho đến khi câu lệnh hoàn thành về mặt cú pháp Lời nhắc này có thể được người dùng thay đổi Thông thường, chúng ta sẽ bỏ qua câu nhắc nhở liên tục và thể hiện sự tiếp tục bằng cách thụt lề đơn giản.
Các dòng lệnh được nhập tại bảng điều khiển (console) bị giới hạn 3 đến khoảng 4095 byte (không phải ký tự).
Nhắc lại và sửa các lệnh phía trước
Trong nhiều hệ điều hành UNIX và Windows, R cung cấp cơ chế gọi lại và thực hiện lại các lệnh trước đó Bạn có thể sử dụng các phím mũi tên dọc trên bàn phím để duyệt qua lịch sử lệnh Khi tìm thấy lệnh mong muốn, con trỏ có thể di chuyển bằng phím mũi tên ngang, và bạn có thể xóa ký tự bằng phím DEL hoặc thêm ký tự mới bằng các phím khác Để biết thêm chi tiết, hãy tham khảo Phụ lục C [Trình soạn thảo dòng lệnh], trang 171.
Khả năng thu hồi và chỉnh sửa trong UNIX rất linh hoạt Để tìm hiểu cách thực hiện điều này, bạn có thể tham khảo mục nhập thủ công cho thư viện readline.
Trình soạn thảo văn bản Emacs hỗ trợ làm việc với R thông qua ESS (Emacs Speaks Statistics), cung cấp các cơ chế tương tác hữu ích Để biết thêm chi tiết, bạn có thể tham khảo phần “R và Emacs” trong Câu hỏi thường gặp về hệ thống thống kê R.
Một số bảng điều khiển không cho phép bạn nhập thêm dữ liệu, và trong trường hợp này, một số bảng sẽ âm thầm loại bỏ phần thừa, trong khi một số khác sẽ sử dụng nó làm điểm bắt đầu cho dòng tiếp theo.
Thực hiện các lệnh từ tập tin hoặc truy xuất kết quả ra tập
Nếu các lệnh 4 được lưu trữ trong một tập tin bên ngoài, bạn có thể thực thi chúng bất cứ lúc nào trong phiên R bằng cách gõ lệnh `commands.R` trong thư mục làm việc.
> source("commands.R") Đối với Windows, Source cũng có sẵn trên thanh File Hàm sink,
> sink("record.lis") sẽ chuyển hướng tất cả kết quả đầu ra tiếp theo từ bảng điều khiển (console) ra tập tin bên ngoài, record.lis Lệnh
> sink() khôi phục nó vào bảng điều khiển một lần nữa.
Dữ liệu vĩnh viễn và loại bỏ các đối tượng
Trong R, các thực thể được tạo ra và thao tác gọi là đối tượng, bao gồm biến, mảng số, chuỗi ký tự, hàm và các cấu trúc phức tạp hơn được xây dựng từ những thành phần này.
Trong phiên R, các đối tượng được tạo và lưu trữ theo tên (chúng ta sẽ thảo luận về quy trình này trong phần tiếp theo) Lệnh R
Hàm ls() trong R cho phép hiển thị tên của hầu hết các đối tượng đang được lưu trữ trong không gian làm việc Không gian làm việc là bộ sưu tập các đối tượng hiện có trong R.
4 có độ dài không giới hạn Để loại bỏ các đối tượng, hàm rm có sẵn:
> rm(x, y, z, ink, junk, temp, foo, bar)
Tất cả các đối tượng trong phiên R có thể được lưu trữ vĩnh viễn trong một tệp để sử dụng trong các phiên R sau Cuối mỗi phiên, bạn có thể lưu tất cả các đối tượng hiện có Nếu bạn chọn lưu, các đối tượng sẽ được ghi vào tệp RData trong thư mục hiện tại, và các lệnh đã sử dụng trong phiên sẽ được lưu vào tệp Rhistory.
Khi R được khởi động từ cùng một thư mục, nó sẽ tự động tải lại không gian làm việc từ tệp tin đã lưu Đồng thời, lịch sử các lệnh liên quan cũng sẽ được phục hồi.
Để tối ưu hóa quá trình phân tích với R, bạn nên tạo các thư mục làm việc riêng biệt Việc này giúp quản lý các đối tượng như x và y, vốn có thể khó hiểu khi nhiều phân tích diễn ra trong cùng một thư mục Sử dụng thư mục riêng không chỉ giúp tránh nhầm lẫn mà còn nâng cao hiệu quả trong việc theo dõi và tổ chức dữ liệu.
Năm dấu chấm ‘.’ ở đầu tên tệp khiến tệp đó trở nên vô hình trong danh sách tệp thông thường trên hệ thống UNIX, cũng như trong danh sách tệp mặc định trên macOS và Windows.
THAO TÁC ĐƠN GIẢN; SỐ VÀ
2 Thao tác đơn giản; số và vectơ
Vectơ và phép gán
R hoạt động trên các cấu trúc dữ liệu được đặt tên, với cấu trúc đơn giản nhất là vectơ số Vectơ số là một thực thể bao gồm một tập hợp các số theo thứ tự Để tạo một vectơ có tên x với năm số 10.4, 5.6, 3.1, 6.4 và 21.7, ta sử dụng cú pháp R Lưu ý rằng trong môi trường R, số được viết theo quy tắc tiếng Anh, tức là phần thập phân được ngăn cách bằng dấu chấm (.) thay vì dấu phẩy như trong tiếng Việt, nhằm thuận lợi cho người dùng khi thao tác.
Câu lệnh gán x z tạo ra một đối tượng z và đặt vào đó các giá trị của vectơ x + 1 mà giá trị tương ứng trong x không bị thiếu và dương
Vectơ đại lượng dương yêu cầu các giá trị trong vectơ chỉ mục phải thuộc tập {1, 2, , length(x)} Các phần tử tương ứng trong vectơ được chọn và ghép theo thứ tự, tạo ra kết quả Vectơ chỉ mục có thể có độ dài tùy ý, và kết quả sẽ có độ dài tương đương với vectơ chỉ mục Ví dụ, x[6] đại diện cho thành phần thứ sáu của x.
> x[1:10] chọn ra 10 phần tử đầu tiên của x (giả sử length (x) không nhỏ hơn 10) Cũng thế
(một điều không thể thực hiện được) sẽ tạo ra một vectơ ký tự có độ dài 16 bao gồm "x", "y", "y", "x" được lặp lại bốn lần
3 Vectơ đại lượng âm Một vectơ chỉ mục như vậy chỉ định các giá trị được loại trừ chứ không bao gồm Như vậy
> y names(fruit) x[is.na(x)] y[y b