praktikum9.knit

Rakendustarkvara: R
9. praktikum¹

1 Programmeerimine R-is

R on programmeerimiskeele S² implementatsioon; selles on olemas enamus teistest programmeerimiskeeltest tuttavaid konstruktsioone nagu tsüklid, if-else tingimuslaused ning võimalus kirjutada lisafunktsioone.

1.1 Tsüklid

Tsükkel on programmikonstruktsioon, mis kordab teatud tegevust mitu korda järjest. See on kasulik näiteks siis, kui tahame vektori ükshaaval järjest üle vaadata ja vastavalt elemendi väärtusele midagi teha. R-is on võimalik kasutada kahte tüüpi tsükleid:

for-tsükkel teeb ettemääratud arvu samme. Tsükli defineerimisel antakse ette mingi vektor, mille elemente ükshaaval hakatakse läbi käima. Enamasti koosneb see vektor järjestikustest täisarvudest, näiteks täisarvudest 1:10, kuid võib olla ka tekstiväärtustega.

for (i in 1:10) {  # NB! siinne 'in' on ilma protsendimärkideta!
  print(i)
}

for (loom in c("kass", "kaamel", "kilpkonn", NA, "kaan")) {
  print(loom)
}

while-tsüklit korratakse seni, kuni teatud tingimus saab täidetud. Nn peatumistingimus tuleb kindlasti tsükli defineerimisel ette anda, sealjuures tuleb tsükli kirjutamisel olla ettevaatlik, et tsükkel lõpmatult kaua korduma ei jääks. while-tsükkel on kasulik siis, kui realiseerida mingit algoritmi, mille peatumine sõltub algoritmi koondumisest. Lõpmatu kordumise ohu vältimiseks on mõistlik tsükli päisesse lõpetamistingimuste hulka lisada tsüklisammude loendur.

a <- 1
while(a < 10) {
  print(a)
  a <- a + 1  # kui seda rida poleks, jääks tsükkel lõpmatult korduma
}

1.1.1 Ülesanded

Loe sisse Massachusetts’i andmestik: mass <- read.table("https://github.com/Rkursus/2021/raw/master/data/mass.txt", sep = "\t", header = TRUE) Kasutades tsüklit leia tabel, kus oleks üle 15 aastaste korral arvutatud ametialade (OCCP) kaupa keskmine ja summaarne nädala töötundide (WKHP) arv. Vaata ainult neid, kel on ametiala teada ja kes pole OCCP järgi töötud.
Tee sama tabel dplyr ja data.table pakettide käske kasutades; võrdle kulunud aega kasutades käsku system.time({.}).

1.2 Tingimuslause `if`

Nagu praktiliselt kõigis programmeerimiskeeltes, on ka R-is tingimuslause if, millega saab kontrollida erinevate loogiliste tingimuste kehtimist ja vastavalt sellele, kas tulemus on TRUE või FALSE, rakendada erinevaid tegevusi. if-ploki sisu täidetakse juhul, kui tingimuse väärtus on TRUE; võib defineerida ka else-ploki, mis täidetakse siis, kui if-tingimuse väärtus on FALSE.

if (väärtus %% 2 == 0) {
  print(väärtus)
} else {              # kui else-lauset kasutada, peab see olema if-lause suluga samal real
  print(väärtus * 10)
}

Meenutuseks mõned olulisemad võrdlustehted:

== – kahe elemendi võrdsus
!= – kahe elemendi erinevus
<, <= – kas üks element on väiksem (või võrdne) kui teine
>, >= – kas üks element on suurem (või võrdne) kui teine
%in% – kas element kuulub mingi vektori elementide hulka
is.na(.) – kas väärtus on NA
is.factor(.), is.numeric(.), is.character(.), is.logical(.) – kas objekt on antud tüüpi

Sageli tasub if lause tingimuste hulka lisada ka väärtuse või tüübi kontrollimine.

if (!is.na(väärtus) & is.numeric(väärtus) & väärtus %% 2 == 0) {  }

Kui if-ploki sisu on üherealine, võib loogelised sulud ka ära jätta. Samuti võib mitu käsku kirjutada ühele reale, eraldades need semikooloniga. Üldiselt aga pole see koodi loetavuse seisukohast soovitatav.

Kasulikud on ka ifelse(.) ja switch(.) käsud. Käsu ifelse(.) esimene argument on tõeväärtusvektor, teine argument tulemus, mis vastab tõesele väärtusele, ja kolmas, mis vastab väärale väärtusele. Käsu switch(.) esimene argument on tavaliselt täisarv (ainult üks täisarv!) ning ülejäänud argumendid erinevatele täisarvudele vastavad toimingud (kasvavas järjekorras).

table(ifelse(is.na(mass$WAGP), "palgatu", "palgaga")  )

1.2.1 Ülesanne

Loe sisse arstivisiitide andmestik: visiidid <- read.table("https://github.com/Rkursus/2021/raw/master/data/visiidid.txt", sep = "\t", header = TRUE) for-tsüklit kasutades käi läbi kõik inimesed ning trüki ekraanile nende inimeste isikukoodid, kellel esimese ja viimase vererõhu mõõtmise vahe on > 5.

1.3 Funktsioonide defineerimine

Uusi käske ehk funktsioone saab R-is tekitada funktsiooni function(.){.} abil. Funktsiooni päises on võimalik defineerida ja vaikeväärtustada argumendid, mida see funktsioon töö jaoks vajab. Argumendina võib defineerida/kasutada mistahes objekti, k.a mingit muud funktsiooni. Loogeliste sulgude vahel paiknevas funktsiooni kehas tuleb kirjeldada, mida teha nende argumentidega, mis funktsiooni päises on defineeritud. Hea tava on see, et funktsioon toimetab ainult nende objektidega, mis päises on defineeritud, ega muuda funktsiooniväliseid objekte.

minukäsk <- function(argument1, argument2 = "tere", argument3 = mean, ...) {
  # funktsiooni sisu
  tagastatav_objekt <- argument3(argument1, ...)
  return(tagastatav_objekt)
}

Enamjaolt on soov, et funktsioon tagastaks midagi käsu return(.) abil. Kui funktsioon midagi tagastama ei pea, ei pea return(.) käsku kirjutama (siiski tagastatakse sel juhul viimase käsu tulemus).

Funktsiooni argumentidel võivad olla vaikeväärtused (nagu argument2 = "tere"), ent sageli on vähemalt ühe argumendi väärtus vaja ette anda (antud näites on vaja kindlasti määrata argument1 väärtus). Argumentideks võivad olla ka funktsioonid (praeguses näites argument3 = mean). Eriline argument on ..., millega saab võimaldada teiste argumentidena kasutatavate funktsioonide lisaargumentide väärtuste lisamist.

minukäsk(argument1 = 1:6, argument3 = mean, na.rm = T) # argument na.rm saadetakse käsule mean
minukäsk(1:6, , min)

1.3.1 Ülesanded

Kirjutada funktsioon, mis teisendab etteantud vektori väärtused Z-skoorideks (igast väärtusest lahutatakse vektori keskmine ja jagatakse standardhälbega).
Defineeri uus funktsioon, mida saaks kasutada paketi dplyr käsus summarise(.) selleks, et leida arstivisiitide andmestikus iga inimese puhul, kui sageli (mitu korda aastas) külastab ta keskmiselt arsti. Andmestikus on genereeritud andmeid vahemikus 2004 kuni 2014, aga arvuta nõutud keskmine igal inimesel selles ajavahemikus milles on tal selles andmestikus andmed. Selleks on vaja defineerida funktsioon, mis etteantud data.frame-tüüpi objekti puhul leiab esimese ja viimase visiidi kuupäeva, leiab mitu aastat jääb nende kuupäevade vahele, loendab visiitide arvu ja leiab nende kahe arvu jagatise.

2 Juhuarvud. Simuleerimine

Statistikas tuleb ette olukordi, kus kõige lihtsam viis mingi väite kontrollimiseks on vastavat situatsiooni simuleerida. R-is on palju juhuarvude genereerimise käske kujul rJAOTUS(.), teoreetiliste jaotuste kvantiilide leidmiseks on käsud kujul qJAOTUS(.); tihedus- ja jaotusfunktsiooni väärtuste teadasaamiseks on vastavad käsud dJAOTUS(.) ja pJAOTUS(.). Et simulatsioonid oleks korratavad (st iga kord koodi läbi jooksutades tuleks sama tulemus), võiks ette anda pseudojuhuarvude generaatori algväärtuse käsuga set.seed(algväärtus). Näited ühtlase jaotusega:

set.seed(1357) # kui seda rida poleks, tuleks järgmiste ridadega iga kord erinev tulemus
(x <- runif(n = 3, min = 0, max = 10))  # kolm arvu ühtlasest jaotusest U(0,10)

## [1] 6.427499 5.899772 9.613298

punif(q = x, min = 0, max = 10)  # jaotusfunktsioon vastaval kohal

## [1] 0.6427499 0.5899772 0.9613298

qunif(p = c(0.3, 0.75), min = 0, max = 10)  # 30. ja 75. protsentiil jaotusel U(0, 10)

## [1] 3.0 7.5

Mõnede teiste jaotuse juhuarvude genereerimise funktsioonid (kvantiilide, tihedus- ja jaotusfunktsioonide jaoks tuleb esimene täht asendada vastavalt ‘q’, ‘d’ või ‘p’ tähega):

rbinom(.) – binoomjaotus; seda tuleb kasutada ka Bernoulli jaotusest arvude genereerimiseks
rpois(.) – Poissoni jaotus
rnorm(.) – normaaljaotus
rt(.) – t-jaotus
rchisq(.) – \(\chi^2\) jaotus
rexp(.) – eksponentjaotus

Väga kasulik on käsk sample(.), mis aitab lihtsasti teha juhuvalikut etteantud vektori elementide hulgast. Näiteks siis, kui on vaja mingisuguse algoritmi tööd teatud suurel andmestikul kontrollida, on mõistlik võtta sellest andmestikust juhuvalim ja kontrollida selle peal.

2.0.1 Ülesanded

Kirjuta funktsioon, mis genereerib kasutaja poolt määratud mõõtmetega arvutabeli (maatriksi) Poissoni jaotusest arvudega, kusjuures Poissoni jaotuse parameeter on samuti kasutaja poolt määratud.
Kirjuta funktsioon, mis ette antud 2x2 maatriksi põhjal teeb \(\chi^2\)-testi ja tagastab vastava p-väärtuse.

Praktikumijuhendid põhinevad aine MTMS.01.092 Rakendustarkvara: R (2 EAP) materjalidel, mille autorid on Mait Raag ning Raivo Kolde↩︎
http://en.wikipedia.org/wiki/S_(programming_language)↩︎

Rakendustarkvara: R 9. praktikum1