R (мова програмування)

R — мова програмування і програмне середовище для статистичних обчислень, аналізу та зображення даних в графічному вигляді. Розробка R відбувалась під істотним впливом двох наявних мов програмування: мови програмування S з семантикою успадкованою від Scheme^[6]. R названа за першою літерою імен її засновників Роса Іхаки (Ross Ihaka) та Роберта Джентлмена (Robert Gentleman)^[7] працівників Оклендського Університету в Новій Зеландії. Незважаючи на деякі принципові відмінності, більшість програм, написаних мовою програмування S запускаються в середовищі R.

R поширюєтся безкоштовно за ліцензією GNU General Public License ^[8][9] у вигляді вільнодоступого вихідного коду або відкомпільованих бінарних версій більшості операційних систем: Linux, FreeBSD, Microsoft Windows, Mac OS X, Solaris. R використовує текстовий інтерфейс, однак існують різні графічні інтерфейси користувача (див. Графічні Редактори Скриптів та IDE).

R має значні можливості для здійснення статистичних аналізів, включаючи лінійну і нелінійну регресію, класичні статистичні тести, аналіз часових рядів (серій), кластерний аналіз і багато іншого. R легко розбудовується завдяки використанню додаткових функцій і пакетів доступних на сайті Comprehensive R Archive Network (CRAN) [Архівовано 5 січня 2008 у Wayback Machine.]. Більша частина стандартних функцій R, написана мовою R, однак існує можливість підключати код написаний C, C++, або Фортраном. Також за допомогою програмного коду на C або Java ^[10] можна безпосередньо маніпулювати R об'єктами.

Особливості

R належить до інтерпретованих мов програмування і для роботи використовується командний інтерпретатор. Наприклад робота R в терміналі має такий вигляд:

> 1+1

[1] 2

R підтримує концепцію об'єктно-орієнтованого програмування (ООП) включаючи generic функції, результат виконання якої залежить від аргументів (типу об'єктів), що передаються generic функції. В мові програмування R всі змінні є об'єктами, кожен об'єкт належить до певного класу.^[11] При цьому R має дві класові моделі: S3 та S4. Перша була реалізована від початку існування R, друга була додана у версії 1.7.0 ^[12] з пакетом methods [Архівовано 27 серпня 2013 у Wayback Machine.]. S3 не є справжньою класовою системою, класи S3-об'єкта визначаються простим атрибутом — вектором символьних рядків:

> q <- 1

> class(q) # перевіряємо клас q

[1] "numeric" # q - число

> class(q) <- c("character", class(q)) # "розширимо" клас q

> q

[1] 1

attr(,"class")

[1] "character" "numeric" # тепер q належить до двох класів

При цьому, при виконанні generic функцій, таких як plot() чи summary(), диспетчер методів шукає в таблиці методів метод, який узгоджується з іменем першого аргумента.

# Генеруємо вибірку з повторами з множини перших 5 літер, розміром у 20 елементів.

# Після чого будуємо факторну таблицю (contingency table)

> m <- table(sample(LETTERS[1:5], size = 20, replace = T))

# щоб дізнатись значення змінної - просто вводимо її ім'я в консолі

> m

A B C D E

4 5 3 2 6

> class(m)

[1] "table" # m - факторна таблиця

> summary(m) # фактично виконується summary.table()

Number of cases in table: 20

Number of factors: 1

> as.vector(m) # m як вектор

[1] 4 5 3 2 6

> summary(as.vector(m)) # виконується summary.default()

Min. 1st Qu. Median Mean 3rd Qu. Max.

2 3 4 4 5 6

Хоча S3 проста система, але вона виявилась досить потужною і зручною саме для інтерактивного аналізу даних. S4 класи не такі "інтерактивні" і вони більше підходять для написання, наприклад, бібліотек. При створенні S4 класу потрібно вказати його ім'я і слоти (тобто поля). При цьому можна вказати від яких класів походить цей клас (це можуть бути S4 і S3 класи), прототип і функцію валідації (за замовченням перевіряється лише відповідність типу слоту і його значення, але можна ввести перевірку самого значення, наприклад, допускати лише числа менші 10).

# Визначаємо S4-клас

AClass <- setClass("AClass" # ім'я класу

, representation(adata = "character", alength = "numeric") # імена слотів та їхні типи/класи

, prototype(adata = "Hello world!", alength = 12) # прототип класу

, validity = function(object){ # функція валідації

if(object@alength < 15) return(T) # якщо alength < 15, то все ок

F # інакше - помилка

}

# наслідуємо AClass додавши новий слот )

BClass <- setClass("BClass", contains= "AClass", slots = c(bdata = "numeric"))

# створюємо об'єкт класу AClass

> AClass()

An object of class "AClass" # оскільки в конструктор нічого не було передано

Slot "adata": # то створюється прототип

[1] "Hello world!"

Slot "alength":

[1] 12

# створюємо інший AClass-об'єкт

> AClass(adata = "Hello another world!", alength = nchar("Hello another world!"))

Error in validObject(.Object) : invalid class “AClass” object: FALSE # alength >= 15, тому генерується помилка

S4-generic функції також мають певні відмінності від їхніх S3 побратимів. Головною відмінністю є можливість визначення сигнатури для generic-функції і для її методів, тобто перевіряється тип не лише першого аргументу, а й решти. При цьому в сигнатурі можна використати спеціальні типи ANY та MISSING, які вказують на те, що аргумент може бути будь-якого типу, або бути обов'язково пропущеним, відповідно.

Оскільки в R функції є об'єктами першого класу (тобто їх можна передавати як аргументи в інші функції та присвоювати змінним), то можна створити клас від типу function:

# визначимо функцію, яка просто збільшує аргумент на 10 і повертає результат

foo <- function(p){

p + 10;

}

# наслідуємо клас від функції

CFun <- setClass("CFun", contains = c("function")

, slots = c(param = "numeric")

)

# визначимо метод generic-функції show для класу CFun

setMethod("show", "CFun",

function(object) {

cat("Show method for CFun objects\n") # виводимо рядок

cat(object(object@param)) # використовуємо CFun-об'єкт як функцію

})

# створимо новий об'єкт класу CFun

> cf.obj <- CFun(foo, param = 13)

# тепер введемо в консолі ім'я створеного об'єкту, щоб подивитись його значення

# при цьому буде знайдено відповідний метод функції show

> cf.obj

Show method for CFun objects

23 # == foo(13) == cf.obj(cf.obj@param)

Важливою особливістю R є тотальне використання того, що називають, recycling:

# Створюємо вектор чисел від 1 до 10

> x <- 1:10

> x

[1] 1 2 3 4 5 6 7 8 9 10

# кожен елемент х порівнюється з 4

# фактично х порівнюється з 10-елементним вектором, що складається лише з 4

# говорять, що 4 була recycled, перероблена

> x > 4

[1] FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE TRUE

# додамо 10 до елементів х окрім 4,5 та 6-го

> x[-(4:6)] + 10

[1] 11 12 13 17 18 19 20

# якщо довжина довшого об'єктів не ділиться націло на довжину коротшого, то виводиться попредження

# але операція все одно виконується

> x + c(10, 100, 1000)

[1] 11 102 1003 14 105 1006 17 108 1009 20

Warning message:

In x + c(10, 100, 1000) :

longer object length is not a multiple of shorter object length

Хоча R орієнтована на розв'язок і аналіз статистичних задач, вона може використовуватися для матричних обрахунків з порівняльною швидкодією до математичних пакетів GNU Octave або MATLAB.^[13]

Створено багато пакетів для статистичних обчислень, біоінформатики, оптимізації тощо (див. "Пакети/Бібліотеки").

Середовище R містить засоби для візуалізації результатів обчислень (двовимірні, тривимірні графіки, діаграми, гістограми, діаграми (схеми) Ганта тощо). Графічні можливості R дозволяють створювати високоякісні графіки з різними атрибутами, зокрема математичні формули і символи.

Іншою особливістю є функція Sweave яка дозволяє інтеграцію і виконання коду R в документах написаних за допомогою LaTeX з метою створення динамічних звітів^[14].

R de-facto став стандартом у міжнародній спільноті спеціалістів в галузі статистики, і широко використовується в розробках статистичних програм та аналізі даних^[15]. Згіно щорічному опитуванню Rexer's Annual Data Miner Survey в 2010 році, більшість (43%) серед опитаних спеціалістів з аналізу даних використовують у своїй роботі середовище R^[16].

Пакети/Бібліотеки

Можливості R значно розширюються додатковими пакетами (бібліотеками). Пакети розробляються безпосередньо користувачами R. Існує понад 4500 пакетів, доступних на сайті Comprehensive R Archive Network (CRAN) [Архівовано 5 січня 2008 у Wayback Machine.], Omegahat , Bioconductor [Архівовано 16 липня 2011 у Wayback Machine.], R-Forge [Архівовано 6 липня 2011 у Wayback Machine.]. ^[18].

На сторінці "Task View" вебсайту CRAN [Архівовано 20 червня 2010 у Wayback Machine.] розміщено список напрямків (Фінанси, Генетика, Хеміометрія і Математична Фізика, Навколишнє середовище, Суспільні науки) в яких використовується R і для яких доступні пакети на сайті.

Приклади

Основний синтаксис

Наступні приклади ілюструють базовий синтаксис мови та використання інтерфейсу командного рядка. (Розширений список функцій стандартної мови можна знайти в посібнику R, «Вступ до R». )

У R загалом кращим оператором присвоєння є стрілка, яка складається з двох символів <-, хоча в деяких випадках можна використовувати =.

> x <- 1:6 # Create a numeric vector in the current environment

> y <- x^2 # Create vector based on the values in x.

> print(y) # Print the vector’s contents.

[1] 1 4 9 16 25 36

> z <- x + y # Create a new vector that is the sum of x and y

> z # Return the contents of z to the current environment.

[1] 2 6 12 20 30 42

> z_matrix <- matrix(z, nrow=3) # Create a new matrix that turns the vector z into a 3x2 matrix object

> z_matrix

[,1] [,2]

[1,] 2 20

[2,] 6 30

[3,] 12 42

> 2*t(z_matrix)-2 # Transpose the matrix, multiply every element by 2, subtract 2 from each element in the matrix, and return the results to the terminal.

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

[1,] 2 10 22

[2,] 38 58 82

> new_df <- data.frame(t(z_matrix), row.names=c('A','B')) # Create a new data.frame object that contains the data from a transposed z_matrix, with row names 'A' and 'B'

> names(new_df) <- c('X','Y','Z') # Set the column names of new_df as X, Y, and Z.

> print(new_df) # Print the current results.

X Y Z

A 2 6 12

B 20 30 42

> new_df$Z # Output the Z column

[1] 12 42

> new_df$Z==new_df['Z'] && new_df[3]==new_df$Z # The data.frame column Z can be accessed using $Z, ['Z'], or [3] syntax, and the values are the same.

[1] TRUE

> attributes(new_df) # Print attributes information about the new_df object

$names

[1] "X" "Y" "Z"

$row.names

[1] "A" "B"

$class

[1] "data.frame"

> attributes(new_df)$row.names <- c('one','two') # Access and then change the row.names attribute; can also be done using rownames()

> new_df

X Y Z

one 2 6 12

two 20 30 42

Структура функції

Однією з сильних сторін R є легкість створення нових функцій. Об'єкти в тілі функції залишаються локальними для функції, і будь-який тип даних може бути повернутий.[126] приклад:

# Declare function “f” with parameters “x”, “y“

# that returns a linear combination of x and y.

f <- function(x, y) {

z <- 3 * x + 4 * y

return(z) ## the return() function is optional here

}

> f(1, 2)

[1] 11

> f(c(1,2,3), c(5,3,4))

[1] 23 18 25

> f(1:3, 4)

[1] 19 22 25

Моделювання та конструювання

Мова R має вбудовану підтримку моделювання даних і графіки. У наступному прикладі показано, як R може легко створити та побудувати лінійну модель із залишками.

Діагностичні графіки з побудови «моделі» (наприклад, функція «plot.lm()»). Зверніть увагу на математичне позначення, дозволене в мітках (нижній лівий графік).

> x <- 1:6 # Create x and y values

> y <- x^2

> model <- lm(y ~ x) # Linear regression model y = A + B * x.

> summary(model) # Display an in-depth summary of the model.

Call:

lm(formula = y ~ x)

Residuals:

1 2 3 4 5 6 7 8 9 10

3.3333 -0.6667 -2.6667 -2.6667 -0.6667 3.3333

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) -9.3333 2.8441 -3.282 0.030453 *

x 7.0000 0.7303 9.585 0.000662 ***

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 3.055 on 4 degrees of freedom

Multiple R-squared: 0.9583, Adjusted R-squared: 0.9478

F-statistic: 91.88 on 1 and 4 DF, p-value: 0.000662

> par(mfrow = c(2, 2)) # Create a 2 by 2 layout for figures.

> plot(model) # Output diagnostic plots of the model.