Grundlagen von Datentypen und Strukturen in R Programmierung für Predictive Analytics - Dummies

Bei der R-Programmierung für Predictive Analytics werden Daten Typen manchmal mit Daten Strukturen verwechselt. Jede Variable im Programmspeicher hat einen Datentyp. Sicher, Sie können mit mehreren Variablen in Ihrem Programm davonkommen und dennoch überschaubar sein. Aber das funktioniert wahrscheinlich nicht so gut, wenn Sie Hunderte (oder Tausende) von Variablen haben; Sie müssen jeder Variablen einen Namen geben, damit Sie darauf zugreifen können.

Es ist effizienter, alle diese Variablen in einer logischen Sammlung zu speichern.

Datentypen

Wie andere vollwertige Programmiersprachen bietet R viele Datentypen und Datenstrukturen. Es ist nicht erforderlich, den Typ anzugeben, den Sie einer Variablen zuweisen. der Dolmetscher wird das für Sie tun. Sie können den Typ jedoch angeben oder konvertieren, wenn dies erforderlich ist. dies wird Casting genannt. Es gibt drei Datentypen:

• Numerisch: Dies sind Ihre typischen Dezimalzahlen. Diese heißen Floats (kurz für Fließkommazahlen ) oder Doubles in anderen Sprachen.

• Zeichen: Dies sind Ihre Zeichenfolgen, die aus Kombinationen von Buchstaben, Zeichen und Zahlen bestehen. Sie haben keine numerische Bedeutung. Diese heißen Strings in anderen Sprachen.

• Logisch: WAHR oder FALSCH. Werten Sie diese Werte immer in R auf. Diese Werte werden in anderen Sprachen als Boolesche Werte bezeichnet.

Der Vergleich einer Folge von Zahlen mit einer numerischen Zahl führt dazu, dass der Interpretierer die Zahlenfolge in eine numerische Zahl umwandelt und dann einen numerischen Vergleich durchführt.

Beispiele für Datentypen sind: >> ijkm <- i == j # logisch> n <- i == k # logisch

Nachdem Sie diese Codezeilen ausgeführt haben, können Sie deren Werte und Typen mit der Funktion str (). Diese Operation sieht folgendermaßen aus: >> str (i) num 10> str (j) num 10> str (k) chr "10"> str (m) logi WAHR> str (n) logi WAHR

Die Ausdruck in der n-Zuweisung ist ein Beispiel dafür, wie der Interpreter den Datentyp von k vorübergehend in einen numerischen Wert umwandelt, um die Auswertung zwischen numerischem i und zeichen k durchzuführen.

Datenstrukturen

R benötigen einen Speicherort für Gruppen von Datentypen, um effizient damit arbeiten zu können. Diese werden

Datenstrukturen

genannt. Ein echtes Beispiel für dieses Konzept ist ein Parkhaus: Es ist eine Struktur, in der Autos effizient gelagert werden. Es ist entworfen, um so viele Automobile wie möglich zu parken, und erlaubt Autos, um die Struktur effizient zu betreten und zu verlassen.Es sollten auch keine anderen Objekte außer Autos in einer Parkstruktur geparkt werden. Datenstrukturen umfassen:

Vektoren:

Vektoren speichern eine Menge von Werten eines einzelnen Datentyps. Betrachten Sie es als wöchentliche Pillbox. Jedes Fach in der Pillbox kann nur einen bestimmten Objekttyp speichern. Nachdem Sie einige Pillen in eines der Fächer gelegt haben, müssen alle anderen Fächer entweder mit Nullpillen oder mehr Pillen gefüllt werden.

• Sie können keine Münzen in dieselbe Box legen. Sie müssen dafür eine andere "Pillenbox" (Vektor) verwenden. Wenn Sie eine Zahl in einem Vektor speichern, sollten alle zukünftigen Werte ebenfalls Zahlen sein. Andernfalls konvertiert der Interpreter alle Ihre Zahlen in Zeichen. Matrizen:

  Eine

• Matrix sieht wie eine Excel-Tabelle aus: Im Wesentlichen handelt es sich um eine Tabelle, die aus Zeilen und Spalten besteht. Die Daten füllen die leeren Zellen nach Zeilen- oder Spaltenreihenfolge auf, in der Sie angeben, wann Sie die Matrix erstellen. Alle Spalten müssen denselben Datentyp haben. Datenrahmen:

  Ein Datenrahmen ähnelt einer Matrix, mit der Ausnahme, dass die Spalten eines Datenrahmens unterschiedliche Datentypen enthalten können. Die bei der Vorhersagemodellierung verwendeten Datensätze werden in Datenrahmen geladen und dort zur Verwendung im Modell gespeichert.

• Faktoren: Ein

• Faktor ist wie ein Vektor mit einer begrenzten Anzahl unterschiedlicher Werte. Die Anzahl der verschiedenen Werte wird als -Pegel bezeichnet. Sie können Faktoren verwenden, um eine Spalte mit einer begrenzten und bekannten Anzahl von Werten als kategoriale Werte zu behandeln. Standardmäßig werden Zeichendaten als Faktoren in Datenrahmen geladen. Sie greifen auf Vektoren, Matrizen und Datenrahmen zu, indem Sie die Array-Notation

verwenden. Zum Beispiel würden Sie v [5] eingeben, um auf das fünfte Element des Vektors v zuzugreifen. Für eine zweidimensionale Matrix und einen Datenrahmen geben Sie die Zeilennummer und die Spaltennummer, getrennt durch ein Komma, in die eckigen Klammern ein. Beispielsweise geben Sie m [2, 3] ein, um auf die zweite Zeile zuzugreifen, wobei der dritte Spaltenwert für die Matrix m gilt. Datenstrukturen sind ein fortgeschrittenes Fach in der Informatik. Im Moment halten wir uns an das Praktische. Denken Sie nur daran, dass Datenstrukturen erstellt wurden, um bestimmte Datentypen zu speichern, und sie haben Funktionen zum Einfügen, Löschen und Abrufen von Daten.