R Tutorial - คู่มือสำหรับผู้เริ่มต้นเรียนรู้การเขียนโปรแกรม R

R เป็นเครื่องมือวิเคราะห์ข้อมูลที่ได้รับความนิยมมากที่สุดเนื่องจากเป็นโอเพ่นซอร์สมีความยืดหยุ่นมีหลายแพ็คเกจและมีชุมชนขนาดใหญ่ ออกแบบมาสำหรับโปรแกรมเมอร์ซอฟต์แวร์นักสถิติและนักขุดข้อมูลด้วยเหตุนี้จึงได้รับความนิยมจาก .ในบล็อก R Tutorial นี้ฉันจะให้ข้อมูลเชิงลึกที่สมบูรณ์เกี่ยวกับ R พร้อมตัวอย่าง

ด้านล่างนี้เป็นหัวข้อในบล็อก R Tutorial ซึ่งฉันจะพูดถึงตามลำดับต่อไปนี้:

1. เหตุใดเราจึงต้องใช้ Analytics เหรอ?
2. Business Analytics คืออะไร เหรอ?
3. ทำไม R และใครใช้ R เหรอ?
4. การติดตั้ง R
5. ผู้ดำเนินการข้อมูล
6. ประเภทข้อมูล
7. 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:

1. ตัวดำเนินการเลขคณิต : ดำเนินการทางคณิตศาสตร์เช่นการบวกการลบการคูณการหารเป็นต้น
2. 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 ) > เสื่อ

[, 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:

1. ก่อนอื่นมันจะเข้าสู่ลูปที่ตรวจสอบเงื่อนไข
2. หากเงื่อนไขเป็นจริงโค้ดเงื่อนไขหรือข้อความที่เขียนจะถูกดำเนินการ
3. 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:

1. ก่อนอื่นมันจะเข้าสู่ลูปที่ตรวจสอบเงื่อนไข
2. หากเงื่อนไขเป็นจริงคำสั่ง 'if' แรกจะถูกดำเนินการ
3. หากเงื่อนไขเป็นเท็จจะไปที่เงื่อนไข 'else if' และหากเป็นจริงโค้ด 'else if' จะถูกเรียกใช้งาน
4. 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 ++

1. ก่อนอื่นมันจะเข้าสู่กรณีสวิตช์ซึ่งมีนิพจน์
2. จากนั้นจะไปที่เงื่อนไข Case 1 ตรวจสอบค่าที่ส่งผ่านไปยังเงื่อนไข หากเป็นจริงบล็อกคำสั่งจะดำเนินการ หลังจากนั้นก็จะแตกออกจากกรณีสวิตช์นั้น
3. ในกรณีที่เป็นเท็จก็จะเปลี่ยนไปใช้กรณีถัดไป หากเงื่อนไขกรณีที่ 2 เป็นจริงจะดำเนินการคำสั่งและแยกออกจากกรณีนั้นมิฉะนั้นจะข้ามไปยังกรณีถัดไปอีกครั้ง
4. 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:

1. ก่อนอื่นมันจะป้อนและเรียกใช้ชุดรหัส
2. จากนั้นจะตรวจสอบเงื่อนไขหากเป็นจริงมันจะย้อนกลับและรันโค้ดชุดเดิมอีกครั้งจนกว่าจะมีความหมายว่าเป็นเท็จ
3. หากพบว่าเป็นเท็จมันจะออกจากลูปโดยตรง

• ในขณะที่ : คำสั่ง while ยังช่วยในการรันโค้ดชุดเดิมซ้ำแล้วซ้ำอีกจนกว่าจะตรงตามเงื่อนไขการหยุด อ้างอิงผังงานด้านล่างเพื่อทำความเข้าใจให้ดียิ่งขึ้น:

ในผังงานด้านบนรหัสจะตอบสนองตามขั้นตอนต่อไปนี้:

1. ก่อนอื่นจะตรวจสอบสภาพ
2. หากพบว่าเป็นจริงก็จะดำเนินการชุดรหัส
3. 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:

1. ก่อนอื่นมีการเริ่มต้นที่คุณระบุว่าคุณต้องการให้ลูปเล่นซ้ำกี่ครั้ง
2. ถัดไปจะตรวจสอบเงื่อนไข หากเงื่อนไขเป็นจริงจะดำเนินการชุดรหัสตามจำนวนครั้งที่ระบุ
3. 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:

1. ก่อนอื่นมันจะเข้าสู่ลูปที่ตรวจสอบเงื่อนไข
2. หากเงื่อนไขการวนซ้ำเป็นเท็จระบบจะออกจากลูปโดยตรง
3. หากเงื่อนไขเป็นจริงก็จะตรวจสอบเงื่อนไขการแตก
4. หากเงื่อนไขแตกเป็นจริงจะมีอยู่จากลูป
5. 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:

1. ก่อนอื่นมันจะเข้าสู่ลูปที่ตรวจสอบเงื่อนไข

2. หากเงื่อนไขการวนซ้ำเป็นเท็จระบบจะออกจากลูปโดยตรง

3. หากเงื่อนไขการวนซ้ำเป็นจริงจะเรียกใช้คำสั่ง block 1

4. หลังจากนั้นจะตรวจสอบคำสั่ง 'next' หากมีอยู่คำสั่งหลังจากนั้นจะไม่ถูกดำเนินการในการวนซ้ำแบบเดิม

5. 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