|R| Experts – Telegram
|R| Experts
1.05K subscribers
376 photos
35 videos
58 files
205 links
@R_Experts
🔴آمار علم جان بخشیدن به داده‌هاست.
🔷ارتباط با ما
@iamrezaei
لینک یوتیوب و اینستاگرام و ویرگول:
https://zil.ink/expertstv
Download Telegram
#rbind
ترکیب سطری کنار یکدیگر
> x = rbind(c(10, "[]", "[[1,2]]"), c(20, "[]", "[[1,3]]"))
> x
[,1] [,2] [,3]
[1,] "10" "[]" "[[1,2]]"
[2,] "20" "[]" "[[1,3]]"


@R_Experts
#practice_3👆👆👆
#chol
تجزیه چولسکی

#Example

> x <- matrix(c(8,1,1,4),2,2)
> x

[,1] [,2]
[1,] 8 1
[2,] 1 4


> y <- chol(x)
> y

[,1] [,2]
[1,] 2.828427 0.3535534
[2,] 0.000000 1.9685020

> x <- matrix(rep(1:4),2,2)
> x

[,1] [,2]
[1,] 1 3
[2,] 2 4


> y <- chol(x)

Error in chol.default(x) :
the leading minor of order 2 is not positive definite



@R_Experts
#rbind & #cbind
در صورتی که بخواهیم با وصل کردن چند بردار یا چند ماتریس به هم ماتریس یا بردار جدید بسازیم از توابع

#rbind()
و
#cbind()
استفاده میکنیم. تابع
#rbind()
بردار ها یا ماتریس ها را به صورت سطری کنار هم قرار می دهد و تابع
#cbind()
این کار را به صورت ستونی انجام می دهد.

@R_Experts
|R| Experts
#rbind & #cbind در صورتی که بخواهیم با وصل کردن چند بردار یا چند ماتریس به هم ماتریس یا بردار جدید بسازیم از توابع #rbind() و #cbind() استفاده میکنیم. تابع #rbind() بردار ها یا ماتریس ها را به صورت سطری کنار هم قرار می دهد و تابع #cbind() این کار را به…
#تذکر
اگر طول بردار ها با هم متفاوت باشد نرم افزار هشدار میدهد
ولی باز عملیات را اجرا میکند در حالی که بردار کوچکتر

را باز تکرار میکند و در کنار بردار بزرگتر قرار می هد


@R_Experts
#لیست_ها

یک لیست مجموعه منظم از اشیا است که اشیا را مولفه های آن لیست می نامیم

مولفه های یک لیست لزومی ندارد هم نوع و یا هم اندازه باشندبه عبارتی برای یک لیست مس توانیم

مولفه هایی از قبیل ماتریس بردارهایی از اعداد یا کارکترها و . . . را داشته باشیم

@R_Experts

برای ساختن یک لیست از تابع

list()

استفاده میکنیم ئر این تابع نام هر مولفه را وارد کرده و بعد از علامت مساوی

شی مورد نظر را وارد می کنیم

@R_Experts
#دیتا_فریم_ها

دیتا فریم ها از لحاظ ساختار شباهت زیادی به ماتریس ها دارند .یک دیتا فریم را می توان ماتریسی

در نظر گرفت که ستون های ان بردار هایی با ساختار های مختلف هستند

یک دیتا فریم در واقع لیستی از بردارهای هم اندازه و لا ساختار های متفاوت است
@R_Experts
برای ساختن یک دیتا فریم از تابع

data.frame()

استفاده میشود .دراین تابع می بایست نام مورد نظر برای هر ستون را به همراه بردار

شامل داده های ان ستون وارد کنیم

@R_Experts
ابتدا پکیج MASS
را نصب و فراخوانی کنید

> library(MASS)      # load the MASS package

> painters 

              Composition Drawing Colour Expression School 

Da Udine               10       8     16          3      A 

Da Vinci               15      16      4         14      A 

Del Piombo              8      13     16          7      A 

Del Sarto              12      16      9          8      A 

Fr. Penni               0      15      8          0      A 

Guilio Romano          15      16      4         14      A 


این داده ها مربوط به نقاشان کلاسیک قرن 18 میباشند که در رسته های ترکیب بندی ،رنگ بندی،... دسته بندی شده اند

> painters$School 

 [1] A A A A A A A A A A B B B B B B C C C C C C D D D D 

[27] D D D D D D E E E E E E E F F F F G G G G G G G H H 

[53] H H 

Levels: A B C D E F G H 


با این دستور میتوانیم مشاهده کنیم که سطح جایی که اموزش دیدن چگونه است
که در 8 سطح میباشد

@R_Experts
> school = painters$School      # the painter schools 
> school.freq = table(school) # apply the table function
> school.freq
school
A B C D E F G H
10 6 6 10 7 4 7 4
> cbind(school.freq)
school.freq
A 10
B 6
C 6
D 10
E 7
F 4
G 7
H 4


همان طور که مشاهده میکنید جدول فراوانی بین تعداد نقاشان و سطح جایی که اموزش دیدن رو اوردیم و به یک جدول تبدیل کردیم
و این جدول رو سپس ستونی نمودیم
مثلا
A 10
نشان دهنده ی این است که در سطح اموزش A
10 نفر اموزش دیدند


@R_Experts
> school.relfreq = school.freq / nrow(painters) 

> school.relfreq 

school 

       A        B        C        D        E        F 

0.185185 0.111111 0.111111 0.185185 0.129630 0.074074 

       G        H 

0.129630 0.074074

> barplot(school.freq)  

> colors = c("red", "yellow", "green", "violet", 

+   "orange", "blue", "pink", "cyan") 

> barplot(school.freq,         # apply the barplot function 

+   col=colors)                # set the color palette 


ابتدا فراوانی نسبی این داده ها را محاسبه و سپس نمودار هیستوگرام انها را رسم کرد هایم که نمودار ها را در پایین مشاهده میکنید 👇👇👇

@R_Experts
> pie(school.freq)      
> colors = c("red", "yellow", "green", "violet",
+ "orange", "blue", "pink", "cyan")
> pie(school.freq, # apply the pie function
+ col=colors) # set the color palette


نمودار دایره ای مربوطه👇👇👇👇

@R_Experts
#Solution_Practice_3

> cc<-c(1,2,3,4,5,2,1,2,3,4,3,2,1,2,3,4,3,2,1,2,5,4,3,2,1)
> A<-matrix(cc,5,5)
> A
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 3 4 5
[2,] 2 1 2 3 4
[3,] 3 2 1 2 3
[4,] 4 3 2 1 2
[5,] 5 4 3 2 1
> b<-matrix(c(7,-1,-3,5,17),5,1)
> b
[,1]
[1,] 7
[2,] -1
[3,] -3
[4,] 5
[5,] 17
> x<-solve(A)%*%b
> x
[,1]
[1,] -2
[2,] 3
[3,] 5
[4,] 2
[5,] -4
#factor_function
فرم کلی این تابع به صورت :
factor(x = character(), levels, labels = levels,
exclude = NA, ordered = is.ordered(x))

که از یک رشته شی محتويات انها را خارج و در
Levels
قرار میدهد و میتوان به انها برچسب نیز نسبت داد ، و ordered ترتیب را برای ما مشخص میکند

> mons = c("March","April","January","November","January",
+ "September","October","September","November","August",
+ "January","November","November","February","May","August",
+ "July","December","August","August","September","November",
+ "February","April")
> mons = factor(mons)
> table(mons)
mons
April August December February January July
2 4 1 2 3 1
March May November October September
1 1 5 1 3

ordered=TRUE

ترتیب اعضای فاکتور را مشخص میکند

> fert = c(10,20,20,50,10,20,10,50,20)
> fert = factor(fert,levels=c(10,20,50),ordered=TRUE)
> fert
[1] 10 20 20 50 10 20 10 50 20
Levels: 10 < 20 < 50


@R_Experts