Portál:R wiki (pro pokročilejší)

R wiki (pro pokročilejší)

R wiki (pro pokročilejší)

Portál R wiki je věnován programovacímu jazyku R a jeho aplikacím v biomedicíně. Důraz je na jedné straně kladen na jednoduché a postupné seznamování s jazykem, předpokládající jeho nulovou původní znalost, na druhé straně však i pokus o publikování pokročilých řešení netriviální problematiky za hranou dostupné anglofonní dokumentace.

Užitečné odkazy

České zdroje Přehled materiálů a zdrojů od doc. Kulicha, včetně jeho Stručného úvodu do R Základy práce s R a Hrátky s R, oboje od doc. Komárka Jak na jazyk R od doc. Bíny, doc. Komárka, doc. Komárkové Cvičení z biostatistiky v R, od doc. Drozda Jak pracovat s jazykem R, od mgr. Konečné a doc. Koláčka ZVÁRA, Karel. Základy statistiky v prostředí R. 1. vydání. Praha : Karolinum, 2013. Biomedicínská statistika; sv. 4. ISBN 978-80-246-2245-3.

Zahraniční zdroje Domovská stránka jazyka R CRAN, archiv většiny dostupných rozšiřujících balíčků R The R Manuals, anglicky ▪ An Introduction to R Quick-R, přehledný a praktický průvodce jazykem R R-bloggers, novinky a tutoriály ze světa R R for cats, manuál R určený kočkám domácím (Felis silvestris) R for Data Science Volně přístupná učebnice R pro práci s daty Advanced R, web Hadleyho Wickhama, otce moderního R The R Inferno, o nástrahách R a jak se jim vyhnout dotazy ohledně R na Stack Overflow #rstats hashtag na Twitteru

Online platformy, kurzy R-Fiddle, online konzole jazyka R RStudio, open-source vývojové prostředí jazyka R Try R!, otevřená online škola kódování v R, vhodná i pro začátečníky DataCamp, online dostupné kurzy jazyka R Coursera, volně dostupné kurzy týkající se (nejen) statistiky, analýzy dat, R ▪ Statistics with R ▪ Data Science ▪ Introduction to Neurohacking In R edX, volně dostupné kurzy týkající se (nejen) statistiky, analýzy dat, R ▪ Data Analysis for Life Sciences ▪ Genomics Data Analysis ▪ Introduction to R for Data Science ▪ Programming with R for Data Science ▪ Foundations of Data Analysis - Part 1: Statistics Using R ▪ Explore Statistics with R Intellipaat, kurz dostupný online související s ▪ Data Scientist course ▪ Machine Learning Course ▪ Artificial Intelligence Certification. Statistical Learning, online dostupný stanfordský kurz strojového učení v R swirl, balíček na procvičování R, spouští se přímo v R

Lidé kolem jazyka R Hadley Wickham, osobní web otce moderního R Yihui Xie, osobní web autora několika důležitých R balíčků, především balíčku knitr Rob J Hyndman, osobní web australského statistika známého prediktivními modely Události kolem jazyka R useR!, každoroční mezinárodní konference určená pro širokou komunitu jazyka R ▪ odkaz na ročník konference 2016 na Stanfordské univerzitě Directions in Statistical Computing (DSC), mezinárodní konference určená vývojářům statistického software Prague R Meetup, občasná pražská setkání české komunity kolem jazyka R

Úvod

• Proč bych se měl právě já učit R
• Co je R
• Srovnání R s dalšími podobnými jazyky

Začínáme

• Stažení a instalace jádra jazyka R

▪ Instalace ve Windows ▪ Instalace na Mac ▪ Instalace v Linux

• Odvozený a další doporučený software

▪ RStudio ▪ Textový editor ▪ TeX ▪ Pandoc

• První spuštění
• Práce s nápovědou a kde ji získat
• Přístup k práci v R

▪ Interaktivní používání R ▪ Používání R na základě volání skriptů

• Instalace nadstavbových balíčků

▪ Reinstalace balíčků při aktualizaci jádra R

Přehled základních datových typů a struktur

• Datové typy

▪ Numerická hodnota ▪ Celé číslo ▪ Komplexní hodnota ▪ Logická hodnota ▪ Řetězec ▪ NA ▪ NULL ▪ NaN

• Přetypování a koerce
• Datové struktury

▪ Vektor (R) ▪ Faktor ▪ Matice ▪ Pole ▪ Tabulky dat ▪ Seznam

• Mody a atributy objektů

▪ Vnitřní atributy: mod a délka ▪ Získání a změna atributů ▪ Třída objektu

Jednoduché operace, čísla, vektory

• Tvorba vektorů a základní příkazy

▪ Tvorba pravidelných sekvencí

• Logické vektory
• Vektory řetězců
• Chybějící hodnoty
• Subvektory, indexování, adresace
• Faktory

▪ Seřazené faktory

• Matematické operátory a operace

▪ Aritmetické operátory ▪ Logické operátory a porovnávání ▪ Množinové operátory ▪ Matematické funkce ▪ Zaokrouhlování, formátování čísel ▪ Konstanty

Matice a pole

• Tvorba matic a základní příkazy

▪ Tvorba kontingenční tabulky

• Manipulace s maticemi

▪ Sčítání a odčítání matic ▪ Násobení matic ▪ Inverzní a transponovaná matice ▪ Další maticová aritmetika

• Submatice, indexování, adresace
• Tvorba polí a základní příkazy
• Manipulace s polemi
• Subpole, indexování, adresace

Datové tabulky a seznamy

• Tvorba datových tabulek a základní příkazy
• Manipulace s datovými tabulkami
• Indexování, adresace v datových tabulkách
• Tvorba seznamů a základní příkazy
• Manipulace se seznamy
• Subseznam, indexování, adresace

Načítání dat do R z externích zdrojů a jejich ukládání

• Načítání dat z místních souborů

▪ Funkce read.table() ▪ Funkce scan() ▪ Funkce readLines() ▪ Funkce read.csv() ▪ Funkce read.xlsx() pro načítání dat z Excelu ▪ Načítání dat z Wordu

• Načítání online dat

▪ balíček RCurl

• Načítání dat z jiných balíčků R

▪ balíček datasets

• Preprocessing načtených dat
• Ukládání výstupů na místní disk

▪ Příkaz sink() - sink() ▪ Funkce writeLines() ▪ Funkce capture.output() ▪ Funkce write.csv() ▪ Funkce write.xlsx() pro ukládání dat do Excelu ▪ Ukládání grafických výstupů na místní disk

Funkce v R

• Některé užitečné vestavěné funkce

▪ Funkce sessionInfo() ▪ Funkce str() ▪ Funkce dim() ▪ Funkce rbind() ▪ Funkce cbind() ▪ Funkce length() ▪ Funkce Sys.info() ▪ Funkce Sys.Date() ▪ Funkce class() ▪ Funkce weekdays()

• Uživatelem definované funkce

▪ Jednoduché příklady vlastních funkcí ▪ Argumenty funkce ▪ Výstupy funkce ▪ Přiřazování v těle funkce ▪ Rekurze ▪ Pokročilejší příklady vlastních funkcí

R jako programovací jazyk

• Úrovně prostředí, scoping
• Globální a lokální proměnné
• Podmínky a podmíněné příkazy

▪ Podmínka když

• Cykly

▪ Cyklus for-do ▪ Cyklus while-do ▪ Cyklus repeat-until

• Varování a chyby
• Skupina příkazů apply()

▪ Funkce apply() ▪ Funkce lapply() ▪ Funkce sapply() ▪ Funkce vapply() ▪ Funkce tapply() ▪ Funkce replicate()

• Pravidla smart code

▪ Smart code dle Google ▪ Smart code dle Hadleyho Wickhama

Statistika v R

• Náhodná proměnná, pravděpodobnostní rozdělení

▪ Bernoulliho rozdělení (R) ▪ Binomické rozdělení (R) ▪ Geometrické rozdělení (R) ▪ Normální rozdělení (R) ▪ Poissonovo rozdělení (R)

• Deskriptivní statistika (R)

▪ Míry polohy (R) ▪ Míry variability (R) ▪ Konfidenční intervaly (R) ▪ Korelace (R) ▪ Kontingenční tabulky (R)

• Základní statistické usuzování
• Explorativní datová analýza

▪ Anscombeův kvartet

• Parametrické testy hypotéz (R)

▪ T-test (R) ▪ F-test (R) ▪ ANOVA (R) ▪ MANOVA (R) ▪ ANCOVA (R) ▪ MANCOVA (R)

• Neparametrické testy hypotéz (R)

▪ Mann-Whitneyův pořadový test (R) ▪ Wilcoxonův test (R) ▪ Kruskal-Wallisův test (R) ▪ Friedmanův test (R)

• Chí-kvadrát testy (R)

▪ Test nezávislosti (R) ▪ Test dobré shody (R) ▪ Reziduální analýza (R) ▪ Fisherův přesný test (R)

• Metody mnohonásobného porovnání (R)

▪ Tukeyův HSD test (R) ▪ Nemenyi test (R)

• Resampling testy (R)

▪ Jacknife (R) ▪ Bootstrap (R)

• Analýza síly testu (R)
• Lineární modely

▪ Jednoduchá lineární regrese (R) ▪ Mnohonásobná lineární regrese (R) ▪ Zobecněné lineární modely (R) ▪ Logistická regrese (R) ▪ Analýza přežití (R) ▪ Regresní diagnostika (R)

• Pokročilejší statistické metody

▪ Shluková analýza (R) ▪ Faktorová analýza (R) ▪ Diskriminační analýza (R) ▪ Časové řady (R)

• Některé metody strojového učení

▪ Support Vector Machines (R) ▪ Křížová validace (R) ▪ Analýza principálních komponent (R) ▪ Rozhodovací stromy (R) ▪ Náhodné lesy (R) ▪ Neuronové sítě (R)

Grafika v R

• High-level grafické příkazy

▪ Funkce plot() ▪ Zobrazování mnohorozměrných dat ▪ Argumenty high-level grafických příkazů

• Typy diagramů

▪ Histogram (R) ▪ Bodový diagram (R) ▪ Sloupcový diagram (R) ▪ Krabicový diagram (R) ▪ Diagram s lomenou čárou (R) ▪ Koláčový diagram (R) ▪ Mozaikový diagram (R) ▪ Korelogram (R) ▪ Dendrogram (R) ▪ Stem-and-leaf diagram (R) ▪ Waterfall diagram (R) ▪ Swimmer diagram (R)

• Low-level grafické příkazy

▪ Body ▪ Čáry ▪ Polygony ▪ Osy diagramů ▪ Legenda diagramu ▪ Popisky diagramu ▪ Dolňkový text v diagramech ▪ Argumenty low-level grafických příkazů

• Obecná grafická nastavení

▪ Funkce par() ▪ Barvy ▪ Fonty ▪ Velikosti ▪ Okraje ▪ Kombinace více diagramů v jednom obrázku

• Ukládání grafických výstupů na místní disk

▪ Funkce png() ▪ Funkce jpeg() ▪ Funkce bmp() ▪ Funkce tiff() ▪ Funkce pdf()

• Dynamická grafika v R

Práce s textem v R

• Základní práce s textovými řetězci

▪ Funkce paste() ▪ Funkce strsplit() ▪ Funkce nchar() ▪ Funkce substr() ▪ Funkce tolower() ▪ Funkce toupper()

• Regulární výrazy v R
• Sémantika regulárních výrazů

▪ Kotvící značky ▪ Třídy textu ▪ POSIX třídy ▪ Predikátové značky ▪ Kvantifikátory ▪ Escapeové sekvence ▪ Metaznačky ▪ Speciální značky ▪ Skupiny a škály znaků ▪ Patternové modifikátory ▪ Značky řetězcových náhrad

• Některé důležité regex funkce

▪ Funkce grep() ▪ Funkce grepl() ▪ Funkce sub() ▪ Funkce gsub() ▪ Funkce regexpr() ▪ Funkce gregexpr() ▪ Funkce regexec()

• Jednoduché příklady použití regulárních výrazů
• Pokročilejší příklady použití regulárních výrazů

Některé užitečné balíčky

• Přehled užitečných balíčků

▪ caret ▪ datasets ▪ devtools ▪ dplyr ▪ e1071 ▪ foreign ▪ ggplot2 ▪ httr ▪ igraph ▪ jsonlite ▪ knitr ▪ lattice ▪ lme4 ▪ MASS ▪ microbenchmark ▪ OpenStreetMap ▪ openxlsx ▪ parallel ▪ Rcpp ▪ RCurl ▪ rmarkdown ▪ RMySQL ▪ shiny ▪ stringr ▪ survival ▪ swirl ▪ tm ▪ tree ▪ xlsx ▪ zoo

Ukázkové příklady - vyzkoušejte si sami

Jednodušší příklady v R První příklad Druhý příklad

Sessions se složitější problematikou v R První příkladová session Druhá příkladová session