Анализ данных — это основное направление в языке программирования R,
собственно это та сфера, для которой и был разработан этот язык. В этой сфере он
является главным конкурентом языка Python, который также используют при работе
с данными. R имеет широкое применение в научной сфере, особенно в социальных
и экономических проектах и рассчитан работать с огромными объемами
информации.
Важно отметить, что R был разработан факультетом статистики Оклендского
Университета. То есть, он создан статистами для статистики, поэтому анализ данных
в R — это его основная деятельность. Именно для этого в нем уже встроены
инструменты для работы с данными:
- тесты;
- методы анализа;
- графические инструменты;
- и др.
Во многих рейтингах за 2020-2021 года R входит в десятку самых популярных языков
программирования и занимает 6-8 места.
Анализ данных в R, пример
Давайте рассмотрим некоторые варианты анализа данных в R на простом примере.
Допустим у нас есть некие исходные данные по вашему условному автосалону, они
будут иметь следующий вид:
NUM; CAR_NUM; COM_NAME; CAR_NAME; ID_NUM
1;”В359ЕН208″;”ООО «KIA-MOTORS»”;”KIA SEPHIA”;”2228857318689″
2;”В358ЕН208″;”ООО «KIA-MOTORS»”;”KIA SORENTO”;”2228857318688″
3;”В357ЕН208″;”ООО «KIA-MOTORS»”;”KIA SPORTAGE”;”2228857318687″
Пример исходных данных ясен, давайте посмотрим, что с ними можно сделать.
Преобразуем данные
Предполагаем что нам нужно проанализировать данные не всей таблицы, а лишь
нескольких ее столбцов. Допустим мы хотим выявить автомобили компаний, которые у нас присутствуют в автосалоне и какие модели от каждой компании у нас представлены. Для этого нам нужно в результате преобразования:
- выгрузить данные из поля COM_NAME в другое поле ORG_NAME;
- из поля CAR_NAME выгрузим данные в новое поле CAR_BRAND;
- все остальные поля «опустить».
Это нам поможет сделать следующий скрипт:
ptn <- “^(.+?) (.+)$”
dt <- data.table(rawdata)[,
list(CAR_NUN, COM_NAME, CAR_NAME, ID_NUM,
ORG_NAME = gsub(ptn, “\1” , toupper( COM_NAME )),
CAR_BRAND = gsub(ptn, “\1”, toupper( CAR_NAME )))
]
rm(rawdata) # Clear some memory
Проверяем, что у нас получилось? Чтобы проверить, получилось у нас или нет,
нужно ввести следующую команду:
sort( table(dt$ORG_NAME) )
По идеи, если мы все сделали правильно, то после этого скрипта, нам должны быть
выданы корректные данные по разновидности компаний, чьими автомобилями мы
торгуем в своем автосалоне.
Проанализируем данные
А вы знаете все марки автомобилей, которыми торгуете в своем автосалоне? В
принципе знать их нормально, если автосалон небольшой. Но а представим, что у
вас тысячи автомобилей, что тогда? Тогда мы можем провести анализ данных при
помощи R и посмотреть, какие марки авто у вас есть в автосалоне, которые,
например, начинаются на букву «К».
Делается это несложно:
sort( unique( dt[grep(“^К.*”, CАR_BRAND), CAR_BRAND]))
Результатом мы получим вывод всех автомобилей, которые начинаются на
букву «К».
Визуализируем данные
Давайте визуализируем наш автопарк в виде секторной диаграммы в форме круга,
отталкиваться будем от количества автомобилей по конкретным компаниям:
st <- dt[, list(N = length(CAR_NUM)), by = COM_NAME ]
st <- st[, COM_NAME := reorder(COM_NANE, K) ]
piedata <- rbind(
st[ K >= 9 ][ order(K, decreasing=T) ],
data.table( COM_NAME= “Различные авто”, K = sum( st[K < 9]$K) )
)
piedata
В результате мы получим список в порядке уменьшения по компаниям, в
зависимости от того какое количество их автомобилей продается в автосалоне.
Чтобы построить диаграмму нужно выполнить этот скрипт:
pie <- ggplot(piedata, aes( x = “”, y = K, fill = COM_NAME)) +
geom_bar(stat = “identity”) +
coord_polar(theta = “y”)
pie
В результате мы получим красивую цветную и информативную диаграмму. Помимо
круговой диаграммы можно вывести данные в ступенчатой диаграмме или тепловой
карте — анализ данных в R позволяет визуализировать данные по-разными.
Вообще количество разнообразных операций, которые выполняет язык
программирования R при анализе данных очень много.
Что еще может сделать R с данными?
R при работе с данными может:
- их обрабатывать, очищать и преобразовывать для различных задач;
- проводить разнообразные тесты;
- выполнить разведочный анализ;
- преобразовывать и работать с таблицами;
- рисовать диаграммы и графики;
- создавать интерактивные страницы;
- и др.
Все эти возможности языка R открываются при использовании его дополнительных
библиотек.
Возможно вам будет интересно почитать статью “Как стать продвинутым пользователем ПК без учителей”
Заключение
Анализ данных в R происходит проще и четче чем в любом другом подобном
инструменте. R работает с данными из разных сфер, поэтому его можно
использовать хоть где. Его огромный плюс , что он имеет простой синтаксис и не
сложен в изучении. Если сравнить с тем же Python, то R изучить легче. Но отличие в
том, что язык программирования R применяется только при работе с данными, в
отличие от того же Python, который является языком программирования широкого
применения.
