آموزش برنامه نویسی R

کار با داده‌ها یکی از مهم‌ترین بخش‌های برنامه‌نویسی در R است، زیرا این زبان به‌طور خاص برای تحلیل داده‌ها طراحی شده است. در این بخش، نحوه وارد کردن داده‌ها، مدیریت داده‌ها، تمیز کردن داده‌ها و تبدیل داده‌ها را به طور کامل توضیح می‌دهیم.

1. وارد کردن داده‌ها

برای تحلیل داده‌ها، ابتدا باید آن‌ها را به محیط R وارد کنید. R از فرمت‌های مختلفی مانند CSV، Excel، JSON و پایگاه‌های داده پشتیبانی می‌کند.

وارد کردن داده‌ها از فایل CSV

برای خواندن داده‌ها از یک فایل CSV، از تابع read.csv() استفاده کنید:

data <- read.csv("path/to/your/file.csv")

• path/to/your/file.csv: مسیر فایل CSV روی سیستم شما.

مثال:

data <- read.csv("data.csv")
head(data)  # نمایش ۶ سطر اول داده‌ها

وارد کردن داده‌ها از Excel

برای خواندن داده‌ها از فایل‌های Excel، از بسته readxl استفاده کنید:

install.packages("readxl")  # نصب بسته اگر قبلاً نصب نشده است
library(readxl)

data <- read_excel("path/to/your/file.xlsx")

وارد کردن داده‌ها از پایگاه داده

برای اتصال به پایگاه‌های داده مانند MySQL یا PostgreSQL، از بسته‌هایی مانند DBI و RMySQL استفاده کنید.

2. مدیریت داده‌ها

پس از وارد کردن داده‌ها، ممکن است نیاز به مدیریت و تغییر ساختار آن‌ها داشته باشید.

نمایش داده‌ها

• head(data): نمایش ۶ سطر اول داده‌ها.

• tail(data): نمایش ۶ سطر آخر داده‌ها.

• str(data): نمایش ساختار داده‌ها (ستون‌ها و نوع داده‌ها).

دسترسی به ستون‌ها

برای دسترسی به ستون‌های یک داده‌چهارچوب (Data Frame)، از علامت $ استفاده کنید:

data$column_name

مثال:

data <- data.frame(name = c("Ali", "Reza"), age = c(25, 30))
ages <- data$age  # دسترسی به ستون age

فیلتر کردن داده‌ها

برای فیلتر کردن داده‌ها بر اساس شرایط خاص، از بسته dplyr استفاده کنید:

install.packages("dplyr")
library(dplyr)

filtered_data <- data %>% filter(age > 25)

3. تمیز کردن داده‌ها

داده‌های واقعی اغلب دارای مقادیر گم‌شده (Missing Values) یا ناسازگاری هستند. تمیز کردن داده‌ها یک گام مهم در تحلیل داده‌ها است.

بررسی مقادیر گم‌شده

برای بررسی مقادیر گم‌شده، از تابع is.na() استفاده کنید:

is.na(data$column_name)

حذف مقادیر گم‌شده

برای حذف سطرهایی که دارای مقادیر گم‌شده هستند، از تابع na.omit() استفاده کنید:

clean_data <- na.omit(data)

جایگزینی مقادیر گم‌شده

برای جایگزینی مقادیر گم‌شده با یک مقدار خاص (مثلاً میانگین)، از تابع ifelse() استفاده کنید:

data$column_name <- ifelse(is.na(data$column_name), mean(data$column_name, na.rm = TRUE), data$column_name)

4. تبدیل داده‌ها

گاهی اوقات نیاز دارید داده‌ها را به شکل دیگری تبدیل کنید تا تحلیل آن‌ها ساده‌تر شود.

تبدیل داده‌ها با dplyr

بسته dplyr توابع قدرتمندی برای تبدیل داده‌ها ارائه می‌دهد:

• select(): انتخاب ستون‌های خاص.

• mutate(): ایجاد ستون‌های جدید.

• group_by(): گروه‌بندی داده‌ها بر اساس یک ستون.

• summarize(): خلاصه‌سازی داده‌ها.

مثال:

library(dplyr)

# انتخاب ستون‌های name و age
selected_data <- data %>% select(name, age)

# ایجاد یک ستون جدید به نام age_in_months
mutated_data <- data %>% mutate(age_in_months = age * 12)

# گروه‌بندی داده‌ها بر اساس name و محاسبه میانگین age
summary_data <- data %>% group_by(name) %>% summarize(mean_age = mean(age))

تبدیل داده‌ها با tidyr

بسته tidyr برای تغییر شکل داده‌ها مفید است:

• gather(): تبدیل داده‌ها از فرمت گسترده به طولانی.

• spread(): تبدیل داده‌ها از فرمت طولانی به گسترده.

مثال:

install.packages("tidyr")
library(tidyr)

# تبدیل داده‌ها از گسترده به طولانی
long_data <- data %>% gather(key = "variable", value = "value", -name)

5. ذخیره داده‌ها

پس از انجام تغییرات روی داده‌ها، ممکن است بخواهید آن‌ها را ذخیره کنید.

ذخیره داده‌ها در فایل CSV

برای ذخیره داده‌ها در یک فایل CSV، از تابع write.csv() استفاده کنید:

write.csv(data, "path/to/your/file.csv", row.names = FALSE)

ذخیره داده‌ها در Excel

برای ذخیره داده‌ها در فایل Excel، از بسته writexl استفاده کنید:

install.packages("writexl")
library(writexl)

write_xlsx(data, "path/to/your/file.xlsx")

6. تجسم داده‌ها

برای تجسم داده‌ها، از بسته ggplot2 استفاده کنید. این بسته یکی از قدرتمندترین ابزارها برای رسم نمودار در R است.

مثال:

install.packages("ggplot2")
library(ggplot2)

ggplot(data, aes(x = age, y = salary)) + geom_point()