Det verkar som att Python räcker till allt. Du kan skriva ett skript för servern, analysera data och träna ett neuralt nätverk. Dessutom har den många bibliotek för statistik och dataanalys - du kan använda vilken som helst av dem.
hur man låser upp iphone glömde lösenord
Det finns dock ett annat språk — R — för analys och att arbeta med statistik. Många studenter måste hantera detta programmeringsspråk när de studerar statistik. Vår galna livsrytm får oss ofta att anpassa oss till omständigheterna och studera, göra hemuppgifter eller till och med arbeta från våra telefoner. Om du någonsin har undrat, hur kan jag göra mina läxor på en smartphone fortsätt läsa.
InnehållsförteckningVad är R?
Detta är ett programmeringsspråk som används av statistiker och datainsamlare för statistiska beräkningar och grafik. Den första versionen av R-språket dök upp 1993, två år senare än Python. På den tiden var Python ännu inte lika populärt och hade inte så många bibliotek för dataanalys som det gör nu. Så forskare vid Institutionen för statistik vid Oakland University skapade ett språk för sina interna uppgifter. Och eftersom deras namn var Ross och Robert, döpte de språket efter den första bokstaven i deras namn, R.
R utvecklades ursprungligen som ett internt verktyg på fakulteten för att lösa deras statistiska problem. Men på den tiden var det bra för forskare att dela sitt arbete med alla, så de öppnade upp språkets källkod så att alla kunde förbättra den eller lägga till något användbart. Sedan dess har språket vuxit från ett fakultetsprojekt till ett globalt populärt statistiskt verktyg.
Kännetecken för R som programmeringsspråk
Eftersom detta språk uppfanns för vetenskapliga ändamål, försökte författarna inte göra det intuitivt. De antog att det skulle användas av personer som är bekanta med matematisk analys, statistiska metoder och sannolikhetsvariationer. Det är därför R kan verka som ett väldigt komplicerat språk, även om det är väldigt enkelt och logiskt på insidan.
Läs också Varför behöver eleverna hjälp med java-läxor?
Vad används R till?
Den huvudsakliga användningen av R är att analysera data och dra slutsatser från dem:
- visualisera data på något sätt
- samla in och analysera data från olika källor
- arbeta med statistik, hitta anomalier i data
- söka efter mönster och extremvärden i data
- testning och bekräftelse av hypoteser.
En separat riktning i R är maskininlärning och neurala nätverk. Eftersom R-språket ursprungligen designades för att bearbeta enorma mängder data, är det lätt att organisera en modell för djupinlärning eller skapa ett nytt neuralt nätverk.
Vad kan du göra med R
- Bearbeta, rensa och transformera data för forskning. Till exempel vill du se hur många studenter som i genomsnitt besökt biblioteket varje vinter- och höstmånad. Med R kan du utesluta vår och sommar och gruppera dem efter månad för ytterligare beräkningar.
- Du kan omvandla dina resultat till en webbapp. Det kommer att vara helt interaktivt och erbjuda filter, grafer och till och med en datasorterare. Du kan skicka den till din professor eller publicera den som en del av din uppsats. Så här spårar de förekomsten av Coronavirus över hela världen (koden är öppen och tillgänglig på GitHub).
- Kör statistiska tester. Anta att du vill veta om IQ-nivån för två kön skiljer sig åt. Ett t-test kan hjälpa dig med detta. Testet kommer att visa den statistiska skillnaden mellan mottagna data, om någon.
- Du kan göra en explorativ analys. Eftersom många statistiska metoder behöver fördelning i rådata måste du kontrollera det för normalitet. Vad är en normalfördelning? Det är när majoriteten av data grupperas runt medelvärdet. Resten av värdena är betydligt mindre. Du kan se denna fördelning i livet: det finns fler människor med medellängd än de som är långa eller korta. R erbjuder instrument för att kontrollera normalitet med grafer och tester.
- Blanda olika tabellformat. Du kan slutligen använda olika tabellformat och förena två av dem i ett dokument för att analysera data.
- Du kan presentera dina data i interaktiva diagram, justera alla parametrar (axelvärden, etc.).
- Genomför regressionsanalys och skapa regressionsmodeller. Denna analys hjälper till att skilja förhållandet mellan de beroende och oberoende variablerna. Låt oss säga att du vill ta reda på varför vissa skönhetssalonger på samma gata har mer försäljning än andra. Antalet försäljningar kommer att vara den beroende variabeln. De oberoende variablerna skulle inkludera den sociala statusen och åldern för stadsbor och prislistan för varje studio för samma procedurer. På så sätt kan du ta reda på vilka av dessa faktorer som påverkar butiksförsäljningen mer än andra.
Fördelar med R
- Obegränsad uppsättning funktioner för dataanalys tack vare anslutning av bibliotek.
- Möjligheten att arbeta med enorma tabeller och databaser som program inte kan hantera.
- Avancerad anpassning av gränssnittet: grafiskt användargränssnitt eller kommandoradsgränssnitt.
- Helt gratis ekosystem - komponenter distribueras gratis under GNU-licensen.
- Finns för de flesta operativsystem : Windows, macOS, FreeBSD, Solaris, olika versioner av Unix och Linux.
- Rika visualiseringsmöjligheter: du kan skapa applikationer, bygga grafer av olika typer, inklusive interaktiva, samt redigera deras element.
- Massor av information och en aktiv gemenskap: en blogg, diskussioner om R och RStudio, lektioner och konferenser.
- Omfattande och tydlig dokumentation: det finns beskrivningar av alla bibliotek och exempel på användning.
Nackdelarna med R
- En person utan erfarenhet av programmering och kunskap om statistikens grunder kan tycka att det är utmanande.
- Den smala räckvidden: den är idealisk för dataanalys, men den är inte lämplig för mjukvaruutveckling. Men det är dess styrka. Ett äkta UNIX-sätt och en gåva i himlen för forskare, journalister, datavetare, analytiker – alla som vill arbeta med data.
Hur hanterar man R-läxor på telefonen?
Vi har redan nämnt applikationer med bibliotek som du kan använda för att arbeta med R är tillgängliga på alla operativsystem. Men hur är det med smartphones? Det finns ett sätt att använda RStudion på din telefon, inte genom en speciell applikation utan genom dess server med öppen källkod. Du kan få det via vilken webbläsare som helst. Således behöver du bara köra RStudion-servern på din dator eller bärbara dator och komma åt den på din telefon. Detta är ett bra och enkelt sätt att arbeta med dina R-hemuppgifter när som helst och när som helst.
