R เป็นเครื่องมือวิเคราะห์ข้อมูลที่ได้รับความนิยมมากที่สุดเนื่องจากเป็นโอเพ่นซอร์สมีความยืดหยุ่นมีหลายแพ็คเกจและมีชุมชนขนาดใหญ่ ออกแบบมาสำหรับโปรแกรมเมอร์ซอฟต์แวร์นักสถิติและนักขุดข้อมูลด้วยเหตุนี้จึงได้รับความนิยมจาก .ในบล็อก R Tutorial นี้ฉันจะให้ข้อมูลเชิงลึกที่สมบูรณ์เกี่ยวกับ R พร้อมตัวอย่าง
ด้านล่างนี้เป็นหัวข้อในบล็อก R Tutorial ซึ่งฉันจะพูดถึงตามลำดับต่อไปนี้:
- เหตุใดเราจึงต้องใช้ Analytics เหรอ?
- Business Analytics คืออะไร เหรอ?
- ทำไม R และใครใช้ R เหรอ?
- การติดตั้ง R
- ผู้ดำเนินการข้อมูล
- ประเภทข้อมูล
- การควบคุมการไหล
R Tutorial: ทำไมเราต้องใช้ Analytics?
ก่อนที่ฉันจะตอบคำถามฉันขอสรุปปัญหาบางอย่างและวิธีแก้ปัญหาใน R ในหลายโดเมน
การธนาคาร :
ข้อมูลลูกค้าจำนวนมากถูกสร้างขึ้นทุกวันใน Banks วการติดต่อกับลูกค้าหลายล้านรายเป็นประจำทำให้ยากที่จะติดตามการจำนองของพวกเขา
สารละลาย :
R สร้างแบบจำลองที่กำหนดเองซึ่งดูแลสินเชื่อที่ให้กับลูกค้าแต่ละรายซึ่งช่วยให้เราตัดสินใจจำนวนเงินที่ลูกค้าจะต้องจ่ายเมื่อเวลาผ่านไป
ประกันภัย :
การประกันภัยขึ้นอยู่กับการคาดการณ์ มันเป็นเรื่องยากที่จะตัดสินใจว่าจะยอมรับหรือปฏิเสธนโยบายใด
สารละลาย:
ด้วยการใช้รายงานเครดิตต่อเนื่องเป็นข้อมูลเข้าเราสามารถสร้างแบบจำลองใน R ที่ไม่เพียง แต่จะประเมินความเสี่ยง แต่ยังทำการคาดการณ์ล่วงหน้าได้อีกด้วย
ดูแลสุขภาพ:
ทุกๆปีมีผู้คนหลายล้านคนเข้ารับการรักษาในโรงพยาบาลและมีการใช้จ่ายหลายพันล้านคนต่อปีในขั้นตอนการรับเข้า
สารละลาย :
จากประวัติผู้ป่วยและประวัติทางการแพทย์สามารถสร้างแบบจำลองการคาดการณ์เพื่อระบุว่าใครบ้างที่มีความเสี่ยงต่อการเข้ารับการรักษาในโรงพยาบาลและควรปรับขนาดอุปกรณ์ทางการแพทย์ในระดับใด
ตอนนี้เราทราบแล้วว่าการวิเคราะห์ข้อมูลช่วยให้องค์กรสามารถควบคุมข้อมูลและใช้เพื่อระบุโอกาสใหม่ ๆ ได้อย่างไร หากเราพูดถึงความจำเป็นในการวิเคราะห์ในองค์กรคุณต้องเจอ 4 ด้านเหล่านี้:
วิธีการประกาศไดนามิกอาร์เรย์ใน java
ต่อไปให้เราก้าวต่อไปในบล็อกบทช่วยสอน R ซึ่งก่อนอื่นเราจะเข้าใจว่าการวิเคราะห์ธุรกิจคืออะไรกันแน่
R Tutorial: Business Analytics คืออะไร?
การวิเคราะห์ธุรกิจเป็นกระบวนการตรวจสอบข้อมูลจำนวนมากและบรรลุรูปแบบความสัมพันธ์และข้อมูลเชิงลึกอื่น ๆ ที่ซ่อนอยู่ โดยพื้นฐานแล้วจะช่วยให้คุณเข้าใจข้อมูลทั้งหมดที่คุณรวบรวมไม่ว่าจะเป็นข้อมูลองค์กรข้อมูลการวิจัยตลาดหรือผลิตภัณฑ์หรือข้อมูลประเภทอื่น ๆ มันกลายเป็นเรื่องง่ายสำหรับคุณในการตัดสินใจที่ดีขึ้นผลิตภัณฑ์ที่ดีขึ้นกลยุทธ์ทางการตลาดที่ดีขึ้น ฯลฯ ดูภาพด้านล่างเพื่อความเข้าใจที่ดีขึ้น:
หากคุณดูรูปด้านบนข้อมูลของคุณในภาพแรกจะกระจัดกระจาย ตอนนี้ถ้าคุณต้องการบางสิ่งที่เฉพาะเจาะจงเช่นบันทึกเฉพาะในฐานข้อมูลมันจะยุ่งยาก เพื่อให้ง่ายขึ้นคุณต้องมีการวิเคราะห์ ด้วยการวิเคราะห์ทำให้ง่ายต่อการขีดฆ่าความสัมพันธ์ระหว่างข้อมูล เมื่อคุณกำหนดสิ่งที่ต้องทำแล้วคุณจะตัดสินใจได้ง่ายมากเช่นเส้นทางใดที่คุณต้องการทำตามหรือในแง่ของการวิเคราะห์ธุรกิจเส้นทางใดที่จะนำไปสู่การปรับปรุงองค์กรของคุณให้ดีขึ้น
แต่คุณไม่สามารถคาดหวังให้คนในห่วงโซ่ข้างต้นเข้าใจข้อมูลดิบที่คุณให้พวกเขาหลังจากการวิเคราะห์เสมอไป ดังนั้นเพื่อเอาชนะช่องว่างนี้เรามีแนวคิด การแสดงข้อมูล .
การแสดงข้อมูล : การแสดงภาพข้อมูลเป็นการเข้าถึงข้อมูลจำนวนมากที่คุณสร้างขึ้นหลังจากการวิเคราะห์ด้วยภาพ จิตใจของมนุษย์ประมวลผลภาพและภาพกราฟิกได้ดีกว่าการเปรียบเทียบกับข้อมูลดิบ เป็นเรื่องง่ายเสมอที่เราจะเข้าใจแผนภูมิวงกลมหรือกราฟแท่งเมื่อเปรียบเทียบกับตัวเลขดิบ ตอนนี้คุณอาจสงสัยว่าคุณจะบรรลุการแสดงภาพข้อมูลนี้จากข้อมูลที่คุณวิเคราะห์ไปแล้วได้อย่างไร?
มีเครื่องมือมากมายในตลาดสำหรับการแสดงข้อมูล:
คุณทุกคนต้องสงสัยว่ามีเครื่องมือมากมายที่ช่วยให้คุณได้รับการแสดงภาพข้อมูลและการวิเคราะห์จำนวนหนึ่งทำไมถึงต้องใช้ R?
ดังนั้นหัวข้อถัดไปของฉันในบล็อกบทช่วยสอน R จึงเกี่ยวข้องกับ 'why R' และ 'who use R'
R Tutorial: ทำไม R และใครใช้ R?
ทำไมต้อง R?
R เป็นภาษาโปรแกรมและสถิติ
R ใช้สำหรับการวิเคราะห์ข้อมูลและการแสดงภาพ
R นั้นง่ายและง่ายต่อการเรียนรู้อ่านและเขียน
R เป็นตัวอย่างของ FLOSS (Free Libre และ Open Source Software) ที่สามารถแจกจ่ายสำเนาของซอฟต์แวร์นี้ได้อย่างอิสระอ่านซอร์สโค้ดแก้ไขและอื่น ๆ
ใครใช้ R?
- สำนักคุ้มครองผู้บริโภคทางการเงินใช้ R ในการวิเคราะห์ข้อมูล
- นักสถิติที่ John Deere ใช้ R สำหรับการสร้างแบบจำลองอนุกรมเวลาและการวิเคราะห์เชิงพื้นที่ด้วยวิธีที่เชื่อถือได้และทำซ้ำได้
- Bank of America ใช้ R สำหรับการรายงาน
- R เป็นส่วนหนึ่งของกลุ่มเทคโนโลยีที่อยู่เบื้องหลังเครื่องมือแนะนำที่มีชื่อเสียงของ Foursquare
- ANZ ซึ่งเป็นธนาคารที่ใหญ่เป็นอันดับสี่ในออสเตรเลียโดยใช้ R ในการวิเคราะห์ความเสี่ยงด้านเครดิต
- Google ใช้ R เพื่อทำนายกิจกรรมทางเศรษฐกิจ
- Mozilla ซึ่งเป็นมูลนิธิที่รับผิดชอบเกี่ยวกับเว็บเบราว์เซอร์ Firefox ใช้ R เพื่อแสดงภาพกิจกรรมบนเว็บ
ด้านล่างนี้คือโดเมนบางส่วนที่ใช้ R:
ตอนนี้ให้เราก้าวต่อไปในบล็อกการสอน R และติดตั้ง R
R Tutorial: การติดตั้ง R
ให้ฉันแนะนำคุณตลอดขั้นตอนการติดตั้ง R บนระบบของคุณ เพียงทำตามขั้นตอนด้านล่าง:
ขั้นตอนที่ 1 : ไปที่ลิงค์ - https://cran.r-project.org/
ขั้นตอนที่ 2 : ดาวน์โหลดและติดตั้ง R 3.3.3 บนระบบของคุณ
โปรดดูภาพหน้าจอด้านล่างเพื่อทำความเข้าใจ
โดยทำตามขั้นตอนข้างต้นแสดงว่าคุณทำส่วนการติดตั้ง R เสร็จแล้ว ตอนนี้คุณสามารถเริ่มการเข้ารหัสใน R ได้โดยตรงโดยดาวน์โหลด RStudio IDE ในการดาวน์โหลดให้ทำตามขั้นตอนด้านล่าง:
ขั้นตอนที่ 1 : ไปที่ลิงค์ - https://www.rstudio.com/
ขั้นตอนที่ 2 : ดาวน์โหลดและติดตั้ง Rstudio บนระบบของคุณ
หลังจากติดตั้งทุกอย่างเรียบร้อยแล้วคุณก็ตั้งรหัสได้หมด!
R บทช่วยสอนสำหรับผู้เริ่มต้น | สอนการเขียนโปรแกรม R | Edureka
ต่อไปให้เราก้าวไปข้างหน้าในบล็อก R Tutorial และทำความเข้าใจว่าตัวดำเนินการข้อมูลใน R คืออะไร
บทช่วยสอน R: ตัวดำเนินการข้อมูลใน R
ส่วนใหญ่มีตัวดำเนินการ 5 ประเภทที่แตกต่างกันตามรายการด้านล่าง:
- ตัวดำเนินการเลขคณิต : ดำเนินการทางคณิตศาสตร์เช่นการบวกการลบการคูณการหารเป็นต้น
- ผู้ดำเนินการมอบหมาย :ตัวดำเนินการกำหนดใช้เพื่อกำหนดค่า ตัวอย่างเช่น:
- ผู้ดำเนินการมอบหมาย =
ไวยากรณ์: ชื่อตัวแปร = ค่า
> x = 5 >x
เอาต์พุต: [1] 5
ผู้ดำเนินการมอบหมาย<-
ไวยากรณ์: ชื่อตัวแปร<- value> x<- 15 > x
เอาต์พุต: [1] 15
- ผู้ดำเนินการมอบหมาย<<-
ไวยากรณ์: ชื่อตัวแปร<<- value
> x<<- 2 > x
เอาต์พุต: [1] 2
- ผู้ดำเนินการมอบหมาย ->
ไวยากรณ์: ค่า -> ชื่อตัวแปร> 25 -> x > x
เอาต์พุต: [1] 25
3. ตัวดำเนินการเชิงสัมพันธ์ : กำหนดความสัมพันธ์ระหว่างสองเอนทิตี ตัวอย่างเช่น: ,<=,!= etc.
> xx! = 2
เอาท์พุต:[1] จริง
4. ตัวดำเนินการเชิงตรรกะ : ตัวดำเนินการเหล่านี้เปรียบเทียบทั้งสองเอนทิตีและโดยทั่วไปจะใช้กับค่าบูลีน (ตรรกะ) เช่น &, | และ!.
> x2 & 3
เอาท์พุต:[1] จริง
5. ผู้ปฏิบัติการพิเศษ : ตัวดำเนินการเหล่านี้ใช้เพื่อวัตถุประสงค์เฉพาะไม่ใช่เพื่อการคำนวณเชิงตรรกะ ตัวอย่างเช่น:
- สร้างชุดของตัวเลขตามลำดับสำหรับเวกเตอร์
> xx
เอาต์พุต: [1] 2 3 4 5 6 7 8
- % ใน% โอเปอเรเตอร์นี้ใช้เพื่อระบุว่าองค์ประกอบนั้นเป็นของเวกเตอร์หรือไม่
ตัวอย่าง> xyy% ใน% x
เอาต์พุต: [1] TRUE
บทช่วยสอน R: ประเภทข้อมูล
ชนิดข้อมูลใช้ในการจัดเก็บข้อมูล ใน R เราไม่จำเป็นต้องประกาศตัวแปรเป็นข้อมูลบางประเภท ตัวแปรถูกกำหนดด้วย R-Objects และชนิดข้อมูลของ R-object จะกลายเป็นชนิดข้อมูลของตัวแปรส่วนใหญ่มีข้อมูลหกประเภทใน R:
ให้เราดูรายละเอียดเพิ่มเติมเกี่ยวกับแต่ละรายการ:
เวกเตอร์ : เวกเตอร์คือลำดับขององค์ประกอบข้อมูลประเภทพื้นฐานเดียวกัน ตัวอย่าง:
vtr = (1, 3, 5, 7 9)
หรือ
vtr<- (1, 3, 5 ,7 9)
การตั้งค่า java classpath ใน linux
มีเวกเตอร์อะตอม 5 ตัวเรียกอีกอย่างว่าเวกเตอร์ 5 คลาส
รายการ : รายการคือวัตถุ R ที่มีองค์ประกอบประเภทต่างๆเช่น & ลบตัวเลขสตริงเวกเตอร์และรายการอื่นอยู่ภายใน
> n = c (2, 3, 5) > s = c ('aa', 'bb', 'cc', 'dd', 'ee') > x = รายการ (n, s, TRUE) > x
เอาต์พุต -
[[1]] [1] 2 3 5 [[2]] [1] 'aa' 'bb' 'cc' 'dd' 'ee' [[3]] [1] TRUE
อาร์เรย์ : อาร์เรย์คือวัตถุข้อมูล R ซึ่งสามารถจัดเก็บข้อมูลได้มากกว่าสองมิติ ใช้เวกเตอร์เป็นอินพุตและใช้ค่าในพารามิเตอร์ dim เพื่อสร้างอาร์เรย์
เวกเตอร์ 1<- c(5,9,3) เวกเตอร์ 2<- c(10,11,12,13,14,15) ผลลัพธ์<- array(c(vector1,vector2),dim = c(3,3,2))
เอาต์พุต -
,, 1 [, 1] [, 2] [, 3] [1,] 5 10 13 [2,] 9 11 14 [3,] 3 12 15,, 2 [, 1] [, 2] [, 3 ] [1,] 5 10 13 [2,] 9 11 14 [3,] 3 12 15
อาร์เรย์ : เมทริกซ์คือวัตถุ R ที่องค์ประกอบต่างๆถูกจัดเรียงในรูปแบบสี่เหลี่ยมสองมิติ เมทริกซ์ถูกสร้างขึ้นโดยใช้ฟังก์ชัน matrix () ตัวอย่าง: เมทริกซ์ (ข้อมูล, nrow, ncol, byrow, dimnames) ที่ไหน
ข้อมูล คือเวกเตอร์อินพุตซึ่งกลายเป็นองค์ประกอบข้อมูลของเมทริกซ์
nrow คือจำนวนแถวที่จะสร้าง
ncol คือจำนวนคอลัมน์ที่จะสร้าง
บายโรว์ เป็นเงื่อนงำเชิงตรรกะ ถ้าเป็น TRUE องค์ประกอบเวกเตอร์อินพุตจะถูกจัดเรียงตามแถว
dimname คือชื่อที่กำหนดให้กับแถวและคอลัมน์
> เสื่อ<- matrix(c(1:16), nrow = 4, ncol = 4 ) > เสื่อเอาต์พุต :
[, 1] [, 2] [, 3] [, 4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16
ปัจจัย : ปัจจัยคือออบเจ็กต์ข้อมูลที่ใช้ในการจัดหมวดหมู่ข้อมูลและจัดเก็บเป็นระดับ สามารถจัดเก็บทั้งสตริงและจำนวนเต็ม มีประโยชน์ในการวิเคราะห์ข้อมูลสำหรับการสร้างแบบจำลองทางสถิติ
> ข้อมูล<- c('East','West','East','North','North','East','West','West“,'East“) > factor_data<- factor(data) > factor_data
เอาต์พุต :
[1] ตะวันออกตะวันตกตะวันออกเฉียงเหนือตะวันออกเฉียงเหนือตะวันตกตะวันตกตะวันออก ระดับ: ตะวันออกเฉียงเหนือตะวันตก
เฟรมข้อมูล : กรอบข้อมูลคือตารางหรือโครงสร้างคล้ายอาร์เรย์สองมิติซึ่งแต่ละคอลัมน์มีค่าของตัวแปรหนึ่งตัวและแต่ละแถวมีชุดค่าหนึ่งชุดจากแต่ละคอลัมน์
> std_id = c (1: 5) > std_name = c ('Rick', 'Dan', 'Michelle', 'Ryan', 'Gary') > เครื่องหมาย = c (623.3,515.2,611.0,729.0,843.25) > std.data<- data.frame(std_id, std_name, marks) > std.data
เอาต์พุต :
std_id เครื่องหมาย std_name 1 1 ริก 623.30 2 2 และ 515.20 3 3 มิเชล 611.00 4 4 ไรอัน 729.00 5 5 แกรี่ 843.25
ด้วยเหตุนี้เรามาถึงจุดสิ้นสุดของข้อมูลประเภทต่างๆใน R ต่อไปให้เราก้าวไปข้างหน้าในบล็อก R Tutorial และทำความเข้าใจกับแนวคิดหลักอีกประการหนึ่งนั่นคือคำสั่งควบคุมการไหล
R Tutorial: Flow Control Statements
คำสั่ง Flow control มีบทบาทสำคัญมากเนื่องจากช่วยให้คุณสามารถควบคุมขั้นตอนการดำเนินการของสคริปต์ภายในฟังก์ชันได้ คำสั่งควบคุมการไหลที่ใช้บ่อยที่สุดแสดงอยู่ในภาพด้านล่าง:
ตอนนี้ให้เราพูดถึงแต่ละตัวอย่างพร้อมกับตัวอย่าง
R Tutorial: Selector Statements
- ถ้าคำสั่งควบคุม : คำสั่งควบคุมนี้ประเมินเงื่อนไขเดียว มันค่อนข้างง่ายเพราะมีคีย์เวิร์ดคำเดียว“ if” ตามด้วยเงื่อนไขจากนั้นชุดของคำสั่งบางชุดที่ต้องดำเนินการในกรณีที่เป็นจริง อ้างอิงผังงานด้านล่างเพื่อทำความเข้าใจให้ดียิ่งขึ้น:
ในผังงานนี้รหัสจะตอบสนองในลักษณะต่อไปนี้:
- ก่อนอื่นมันจะเข้าสู่ลูปที่ตรวจสอบเงื่อนไข
- หากเงื่อนไขเป็นจริงโค้ดเงื่อนไขหรือข้อความที่เขียนจะถูกดำเนินการ
- หากเงื่อนไขเป็นเท็จคำสั่งจะถูกละเว้น
ด้านล่างนี้คือตัวอย่างของ ถ้า คำสั่งควบคุมใน R ลองรันตัวอย่างนี้ใน R Studio
x = 2 ซ้ำ {x = x ^ 2 พิมพ์ (x) ถ้า (x> 100) {break}
เอาท์พุต:
[1] 4 [1] 16 [1] 256
- หากคำชี้แจงการควบคุมอื่น :ข้อสอบประเภทของคำสั่งควบคุมประเมินกลุ่มเงื่อนไขและเลือกคำสั่ง อ้างอิงผังงานด้านล่างเพื่อทำความเข้าใจให้ดียิ่งขึ้น:
ในผังงานนี้รหัสจะตอบสนองในลักษณะต่อไปนี้:
- ก่อนอื่นมันจะเข้าสู่ลูปที่ตรวจสอบเงื่อนไข
- หากเงื่อนไขเป็นจริงคำสั่ง 'if' แรกจะถูกดำเนินการ
- หากเงื่อนไขเป็นเท็จจะไปที่เงื่อนไข 'else if' และหากเป็นจริงโค้ด 'else if' จะถูกเรียกใช้งาน
- สุดท้ายหากโค้ด 'else if' เป็นเท็จด้วยรหัสนั้นจะไปที่โค้ด 'else' และจะถูกเรียกใช้งาน ซึ่งหมายความว่าหากไม่มีเงื่อนไขเหล่านี้เป็นจริงคำสั่ง 'else' จะถูกดำเนินการ
ด้านล่างนี้คือตัวอย่างของ ถ้าเป็นอย่างอื่น คำสั่งควบคุมใน R ลองรันตัวอย่างนี้ใน R Studio
x5) {พิมพ์ ('x มีค่ามากกว่า 5')} elseif (x == 5) {พิมพ์ ('x เท่ากับ 5')} else {พิมพ์ ('x ไม่เกิน 5')}
เอาท์พุต:
[1] 'x เท่ากับ 5'
- สลับคำสั่ง : โดยทั่วไปคำสั่งควบคุมเหล่านี้ใช้เพื่อเปรียบเทียบนิพจน์หนึ่งกับค่าที่ทราบ อ้างอิงผังงานด้านล่างเพื่อทำความเข้าใจให้ดียิ่งขึ้น:
ในผังงานกรณีสวิตช์นี้รหัสจะตอบสนองตามขั้นตอนต่อไปนี้:
ผสานซอร์สโค้ดเรียง c ++
- ก่อนอื่นมันจะเข้าสู่กรณีสวิตช์ซึ่งมีนิพจน์
- จากนั้นจะไปที่เงื่อนไข Case 1 ตรวจสอบค่าที่ส่งผ่านไปยังเงื่อนไข หากเป็นจริงบล็อกคำสั่งจะดำเนินการ หลังจากนั้นก็จะแตกออกจากกรณีสวิตช์นั้น
- ในกรณีที่เป็นเท็จก็จะเปลี่ยนไปใช้กรณีถัดไป หากเงื่อนไขกรณีที่ 2 เป็นจริงจะดำเนินการคำสั่งและแยกออกจากกรณีนั้นมิฉะนั้นจะข้ามไปยังกรณีถัดไปอีกครั้ง
- สมมติว่าคุณไม่ได้ระบุกรณีใด ๆ หรือมีข้อมูลผิดพลาดจากผู้ใช้จากนั้นจะไปยังกรณีเริ่มต้นที่จะพิมพ์คำสั่งเริ่มต้นของคุณ
ด้านล่างนี้เป็นตัวอย่างของคำสั่ง switch ใน R ลองรันตัวอย่างนี้ใน R Studio
vtr<- c(150,200,250,300,350,400) option <-'mean' switch(option, 'mean' = print(mean(vtr)), 'mode' = print(mode((vtr))), 'median' = print(median((vtr))) )
เอาท์พุต:
[1] 275
บทช่วยสอน R: คำสั่งวนซ้ำ
ลูปช่วยให้คุณทำซ้ำชุดการกระทำบางอย่างเพื่อที่คุณจะได้ไม่ต้องดำเนินการซ้ำ ๆ ลองนึกภาพว่าคุณต้องดำเนินการ 10 ครั้งหากคุณเริ่มเขียนโค้ดในแต่ละครั้งความยาวของโปรแกรมจะเพิ่มขึ้นและคุณจะเข้าใจได้ยากในภายหลัง แต่ในขณะเดียวกันถ้าฉันเขียนคำสั่งเดียวกันภายในลูปมันจะช่วยประหยัดเวลาและทำให้อ่านโค้ดได้ง่ายขึ้น นอกจากนี้ยังได้รับการปรับให้เหมาะสมยิ่งขึ้นเมื่อเทียบกับประสิทธิภาพของโค้ด
ในภาพด้านบน ‘ ทำซ้ำ ’ และ ‘ ในขณะที่ 'คำสั่งช่วยให้คุณดำเนินการชุดของกฎจนกว่าเงื่อนไขจะเป็นจริง แต่' สำหรับ' เป็นคำสั่งวนซ้ำที่ใช้เมื่อคุณรู้ว่าคุณต้องการทำซ้ำบล็อกคำสั่งกี่ครั้ง ตอนนี้ถ้าคุณรู้ว่าคุณต้องการทำซ้ำ 10 ครั้งคุณจะใช้คำสั่ง 'for' แต่ถ้าคุณไม่แน่ใจว่าคุณต้องการให้โค้ดซ้ำกี่ครั้งคุณจะใช้ 'repeat' หรือ วนซ้ำ 'while'
มาดูตัวอย่างแต่ละเรื่องกัน
- ทำซ้ำ : ลูปซ้ำจะช่วยในการรันโค้ดชุดเดิมซ้ำแล้วซ้ำอีกจนกว่าจะตรงตามเงื่อนไขการหยุด อ้างอิงผังงานด้านล่างเพื่อทำความเข้าใจให้ดียิ่งขึ้น:
ในผังงานด้านบนรหัสจะตอบสนองตามขั้นตอนต่อไปนี้:
- ก่อนอื่นมันจะป้อนและเรียกใช้ชุดรหัส
- จากนั้นจะตรวจสอบเงื่อนไขหากเป็นจริงมันจะย้อนกลับและรันโค้ดชุดเดิมอีกครั้งจนกว่าจะมีความหมายว่าเป็นเท็จ
- หากพบว่าเป็นเท็จมันจะออกจากลูปโดยตรง
- ในขณะที่ : คำสั่ง while ยังช่วยในการรันโค้ดชุดเดิมซ้ำแล้วซ้ำอีกจนกว่าจะตรงตามเงื่อนไขการหยุด อ้างอิงผังงานด้านล่างเพื่อทำความเข้าใจให้ดียิ่งขึ้น:
ในผังงานด้านบนรหัสจะตอบสนองตามขั้นตอนต่อไปนี้:
- ก่อนอื่นจะตรวจสอบสภาพ
- หากพบว่าเป็นจริงก็จะดำเนินการชุดรหัส
- จากนั้นจะตรวจสอบเงื่อนไขอีกครั้งว่าเป็นจริงหรือไม่ก็จะรันโค้ดเดิมอีกครั้ง ทันทีที่พบว่าเงื่อนไขเป็นเท็จจะออกจากลูปทันที
ด้านล่างนี้เป็นตัวอย่างของคำสั่ง while ใน R ลองรันตัวอย่างนี้ใน R Studio
x = 2 ในขณะที่ (x<1000) { x=x^2 print(x) }
เอาท์พุต:
4 16256 65 536
ดังนั้นคุณต้องสงสัยว่าสองคำสั่งนี้แตกต่างกันอย่างไร? ให้ฉันเคลียร์ข้อสงสัยของคุณ!
ความแตกต่างที่สำคัญระหว่างคำสั่ง repeat และ while คือคำสั่งดังกล่าวจะเปลี่ยนไปตามเงื่อนไขของคุณ ในขณะที่ loop โดยทั่วไปจะกำหนดว่าคุณจะเข้าสู่ลูปเพื่อดำเนินการคำสั่งและ ทำซ้ำ ลูปกำหนดเมื่อคุณออกจากลูปหลังจากการดำเนินการของคำสั่ง ดังนั้นคำสั่งทั้งสองนี้จึงเรียกว่า entry control loop และ exit control loop นั่นคือความแตกต่างของคำสั่ง while และ repeat
- สำหรับห่วง: สำหรับลูปจะใช้เมื่อคุณต้องการเรียกใช้บล็อกโค้ดหลาย ๆ ครั้ง อ้างอิงผังงานด้านล่างเพื่อทำความเข้าใจให้ดียิ่งขึ้น:
ในผังงานด้านบนรหัสจะตอบสนองตามขั้นตอนต่อไปนี้:
- ก่อนอื่นมีการเริ่มต้นที่คุณระบุว่าคุณต้องการให้ลูปเล่นซ้ำกี่ครั้ง
- ถัดไปจะตรวจสอบเงื่อนไข หากเงื่อนไขเป็นจริงจะดำเนินการชุดรหัสตามจำนวนครั้งที่ระบุ
- ทันทีที่พบว่าเงื่อนไขเป็นเท็จจะออกจากลูปทันที
ด้านล่างนี้เป็นตัวอย่างของคำสั่งใน R ลองรันตัวอย่างนี้ใน R Studio
vtr<- c(7,19,25,65, 45) for( i in vtr) { print(i) }
เอาท์พุต:
7 19 25 65 45
จากนั้นให้เราไปที่ชุดคำสั่งสุดท้ายในบล็อก R Tutorial นั่นคือคำสั่งกระโดด
R Tutorial: Jump Statements
งบพัก : คำสั่ง Break ช่วยในการยุติโปรแกรมและดำเนินการควบคุมต่อไปยังคำสั่งถัดไปตามลูป คำสั่งเหล่านี้ยังใช้ในกรณีสวิตช์ อ้างอิงผังงานด้านล่างเพื่อทำความเข้าใจให้ดียิ่งขึ้น:
ในผังงานด้านบนรหัสจะตอบสนองตามขั้นตอนต่อไปนี้:
- ก่อนอื่นมันจะเข้าสู่ลูปที่ตรวจสอบเงื่อนไข
- หากเงื่อนไขการวนซ้ำเป็นเท็จระบบจะออกจากลูปโดยตรง
- หากเงื่อนไขเป็นจริงก็จะตรวจสอบเงื่อนไขการแตก
- หากเงื่อนไขแตกเป็นจริงจะมีอยู่จากลูป
- หากเงื่อนไขการแบ่งเป็นเท็จมันจะดำเนินการคำสั่งที่เหลืออยู่ในลูปแล้วทำซ้ำขั้นตอนเดียวกัน
ด้านล่างนี้เป็นตัวอย่างของคำสั่งกระโดดใน R ลองรันตัวอย่างนี้ใน R Studio
x<- 1:5 for (val in x) { if (val == 3){ break } print(val) }
เอาท์พุต:
[1] 1 [1] 2
คำชี้แจงต่อไป : คำสั่งถัดไปจะใช้เมื่อคุณต้องการข้ามการวนซ้ำปัจจุบันของลูปโดยไม่ต้องยุติ คำสั่งถัดไปค่อนข้างคล้ายกับ 'ดำเนินการต่อ' ในภาษาโปรแกรมอื่น ๆ อ้างอิงผังงานด้านล่างเพื่อทำความเข้าใจให้ดียิ่งขึ้น:
ในผังงานด้านบนรหัสจะตอบสนองตามขั้นตอนต่อไปนี้:
ก่อนอื่นมันจะเข้าสู่ลูปที่ตรวจสอบเงื่อนไข
หากเงื่อนไขการวนซ้ำเป็นเท็จระบบจะออกจากลูปโดยตรง
หากเงื่อนไขการวนซ้ำเป็นจริงจะเรียกใช้คำสั่ง block 1
หลังจากนั้นจะตรวจสอบคำสั่ง 'next' หากมีอยู่คำสั่งหลังจากนั้นจะไม่ถูกดำเนินการในการวนซ้ำแบบเดิม
หากไม่มีคำสั่ง 'next' คำสั่งทั้งหมดหลังจากนั้นจะถูกดำเนินการ
ด้านล่างนี้เป็นตัวอย่างของคำสั่งถัดไปใน R ลองรันตัวอย่างนี้ใน R Studio
สำหรับ (ฉันใน 1:15) {if ((i %% 2) == 0) {next} print (i)}
เอาท์พุต:
1 3 5 7 9 11 13 15
นี่คือจุดสิ้นสุดของบล็อกบทแนะนำ R ฉันหวังว่าพวกคุณจะมีความชัดเจนเกี่ยวกับแนวคิดแต่ละข้อที่ฉันได้กล่าวไปข้างต้น คอยติดตามบล็อกถัดไปของฉันจะเกี่ยวกับการฝึกอบรม R ซึ่งฉันจะอธิบายแนวคิดเพิ่มเติมเกี่ยวกับ R โดยละเอียดกับเช่นเพียงพอ
ตอนนี้คุณเข้าใจพื้นฐานของ R แล้วลองดูไฟล์ โดย Edureka บริษัท การเรียนรู้ออนไลน์ที่เชื่อถือได้ซึ่งมีเครือข่ายผู้เรียนที่พึงพอใจมากกว่า 250,000 คนกระจายอยู่ทั่วโลก การฝึกอบรมการวิเคราะห์ข้อมูลด้วย R ของ Edureka จะช่วยให้คุณได้รับความเชี่ยวชาญในการเขียนโปรแกรม R, การจัดการข้อมูล, การวิเคราะห์ข้อมูลเชิงสำรวจ, การแสดงข้อมูล, การขุดข้อมูล, การถดถอย, การวิเคราะห์ความรู้สึกและการใช้ R Studio สำหรับกรณีศึกษาในชีวิตจริงเกี่ยวกับการค้าปลีกโซเชียลมีเดีย
มีคำถามสำหรับเรา? โปรดระบุไว้ในส่วนความคิดเห็นของบล็อก 'R Tutorial' และเราจะติดต่อกลับโดยเร็วที่สุด