ไฟล์ R คืออะไร??
ไฟล์ที่มีนามสกุล .r เป็นของภาษาการเขียนโปรแกรม R ภาษานี้ถูกระบุสำหรับการคำนวณทางสถิติและเป็นที่นิยมในหมู่ชุมชนนักสถิติ การวิเคราะห์ข้อมูลและการพัฒนาซอฟต์แวร์ทางสถิติเป็นสองประเภทหลักที่ดำเนินการโดยภาษานี้ในด้านการทำเหมืองข้อมูล ข้อดีอีกประการของการใช้ภาษาและซอฟต์แวร์นี้คือให้ความสะดวกของกราฟคงที่ซึ่งเป็นประโยชน์ในการผลิตกราฟคุณภาพ แพ็คเกจเพิ่มเติมบางอย่างใช้สำหรับกราฟิกไดนามิกและอินเทอร์แอคทีฟ
ซอฟต์แวร์ของภาษานี้มีสัญญาอนุญาตแบบสาธารณะทั่วไป ดังนั้นจึงมีให้ใช้งานได้ฟรี โค้ดของ R มักเขียนด้วยภาษาระดับสูง เช่น C และ R เองก็เช่นกัน ซอฟต์แวร์เกี่ยวข้องกับอินเทอร์เฟซบรรทัดคำสั่งพร้อมกับความพร้อมใช้งานของอินเทอร์เฟซบุคคลที่สาม เช่น อินเทอร์เฟซผู้ใช้แบบกราฟิกของ RStudio และ Jupyter (อินเทอร์เฟซโน้ตบุ๊ก) มีเทคนิคทางสถิติที่ใช้ในการดำเนินการห้องสมุดของอาร์ นอกจากนี้ยังรวมถึงการสร้างแบบจำลองเช่นเชิงเส้นและไม่เชิงเส้น
ประวัติย่อ
ภาษานี้เป็นการนำ Semantics ของ lexical scoping ไปใช้กับภาษา S ในปี 1976 ที่ Bell Labs John Chambers ได้พัฒนาภาษา S แม้จะไม่มีการเปลี่ยนแปลงในโค้ดส่วนใหญ่ของ S-PLUS เมื่อใช้ในภาษา R ในปี 1995 Martin Maechler และเพื่อนของเขาได้สร้างภาษา R พร้อมกับซอฟต์แวร์ฟรีภายใต้ใบอนุญาตสาธารณะทั่วไป
การประกาศอย่างเป็นทางการของ Comprehensive R Archive Network มีขึ้นเมื่อวันที่ 23 เมษายน พ.ศ. 2540 ในปี พ.ศ. 2543 เวอร์ชัน 1.0 ซึ่งเป็นเบต้าเสถียรตัวแรกได้รับการเผยแพร่อย่างเป็นทางการ การเปิดตัวครั้งแรกเกิดขึ้นในปี 1995 ในขณะที่ CRAN (เครือข่าย R archive ที่ครอบคลุม) ได้รับการเผยแพร่ในปีถัดมา
ทีมงานหลักก่อตั้งขึ้นในปี 1997 เพื่อการพัฒนาเพิ่มเติมของภาษาหลังจากเผยแพร่ครั้งแรก การอัปเดตและเวอร์ชันที่แก้ไขจำนวนมากได้รับการเผยแพร่ในปีต่อๆ มา และเกี่ยวข้องกับคุณลักษณะใหม่ๆ ตามระบบปฏิบัติการและเทคโนโลยีสมัยใหม่ การปรับเปลี่ยนล่าสุดเปิดตัวในเดือนพฤษภาคม 2021
ข้อมูลจำเพาะทางเทคนิค
R เป็นภาษาล่ามและต้องมีล่ามบรรทัดคำสั่งเพื่อเข้าถึงภาษานี้ การคำนวณ เช่น ผลรวม จะถูกพิมพ์ในคำสั่ง promo และผลลัพธ์จะแสดงขึ้นหลังจากการตีความ ข้อมูลและรหัสแสดงผ่าน S-expressions ข้อกำหนดอีกอย่างหนึ่งของภาษานี้คือสามารถใช้เป็นกล่องเครื่องมือที่ให้ความสะดวกในการคำนวณเมทริกซ์ทั่วไป
แอปพลิเคชั่นต่าง ๆ ใช้เพื่อเรียกใช้และแก้ไขรหัส R สภาพแวดล้อมการพัฒนาแบบรวม เช่น Rattle GUI, RKWard ก็มีให้ใช้งานเพื่อรันโค้ดของภาษาโปรแกรม R ซอฟต์แวร์อื่นจาก Microsoft ที่รู้จักในชื่อ Microsoft R open ยังพร้อมใช้งานที่เข้ากันได้กับการแจกจ่าย R สำหรับการคำนวณที่ซับซ้อน เช่น การคำนวณแบบมัลติเธรด R เป็นหนึ่งในห้าภาษาโปรแกรมที่ได้รับการคัดเลือกจากทั่วโลก ซึ่งประกอบด้วย Apache Spark API
ภาษา R รองรับการเขียนโปรแกรมตามขั้นตอนพร้อมกับฟังก์ชันต่างๆ อย่างไรก็ตาม สำหรับบางฟังก์ชันโดยเฉพาะ จะสนับสนุน OOP (การเขียนโปรแกรมเชิงวัตถุ) พร้อมกับฟังก์ชันทั่วไป ค่าจะใช้เพื่อส่งผ่านอาร์กิวเมนต์หากฟังก์ชันและการประเมินค่าเกิดขึ้นเมื่อใช้งาน ซึ่งหมายความว่าจะไม่ได้รับการประเมินเมื่อฟังก์ชันถูกเรียกใช้
ตัวอย่างรูปแบบไฟล์ R
ไวยากรณ์
> x <- 1:6 # Create a numeric vector in the current environment
> y <- x^2 # Create vector based on the values in x.
> print(y) # Print the vector’s contents.
[1] 1 4 9 16 25 36
> z <- x + y # Create a new vector that is the sum of x and y
> z # return the contents of z to the current environment.
[1] 2 6 12 20 30 42
> z_matrix <- matrix(z, nrow=3) # Create a new matrix that turns the vector z into a 3x2 matrix object
> z_matrix
[,1] [,2]
[1,] 2 20
[2,] 6 30
[3,] 12 42
> 2*t(z_matrix)-2 # Transpose the matrix, multiply every element by 2, subtract 2 from each element in the matrix, and return the results to the terminal.
[,1] [,2] [,3]
[1,] 2 10 22
[2,] 38 58 82
> new_df <- data.frame(t(z_matrix), row.names=c('A','B')) # Create a new data.frame object that contains the data from a transposed z_matrix, with row names 'A' and 'B'
> names(new_df) <- c('X','Y','Z') # set the column names of new_df as X, Y, and Z.
> print(new_df) #print the current results.
X Y Z
A 2 6 12
B 20 30 42
> new_df$Z #output the Z column
[1] 12 42
> new_df$Z==new_df['Z'] && new_df[3]==new_df$Z # the data.frame column Z can be accessed using $Z, ['Z'], or [3] syntax, and the values are the same.
[1] TRUE
> attributes(new_df) #print attributes information about the new_df object
$names
[1] "X" "Y" "Z"
$row.names
[1] "A" "B"
$class
[1] "data.frame"
> attributes(new_df)$row.names <- c('one','two') ## access and then change the row.names attribute; can also be done using rownames()
> new_df
X Y Z
one 2 6 12
two 20 30 42
การทำงาน
# Declare function “f” with parameters “x”, “y“
# that returns a linear combination of x and y.
f <- function(x, y) {
z <- 3 * x + 4 * y
return(z) ## the return() function is optional here
}
> f(1, 2)
[1] 11
> f(c(1,2,3), c(5,3,4))
[1] 23 18 25
> f(1:3, 4)
[1] 19 22 25
การสร้างแบบจำลองข้อมูล
> x <- 1:6 # Create x and y values
> y <- x^2
> model <- lm(y ~ x) # Linear regression model y = A + B * x.
> summary(model) # Display an in-depth summary of the model.
Call:
lm(formula = y ~ x)
Residuals:
1 2 3 4 5 6
3.3333 -0.6667 -2.6667 -2.6667 -0.6667 3.3333
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -9.3333 2.8441 -3.282 0.030453 *
x 7.0000 0.7303 9.585 0.000662 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 3.055 on 4 degrees of freedom
Multiple R-squared: 0.9583, Adjusted R-squared: 0.9478
F-statistic: 91.88 on 1 and 4 DF, p-value: 0.000662
> par(mfrow = c(2, 2)) # Create a 2 by 2 layout for figures.
> plot(model) # Output diagnostic plots of the model.
