Циклы с подсчетом повторов - for

for (i in от:до) { действия}

y=c()
for (i in 1:10)
{
  x=i+2
  y=c(y,x)
}
y

##  [1]  3  4  5  6  7  8  9 10 11 12

l = list(1:10,-2:10,-9:-3,400:1000, 120:190)
mn=c()
for (i in 1:length(l))
  {
    mn=c(mn,mean(l[[i]]))
  }
mn

## [1]   5.5   4.0  -6.0 700.0 155.0

Пример 1 - Вычисление числа пи методом Монте-Карло

• Число пи = 3,14592653 - отношение длины окружности к ее диаметру
• Функция runif (a, min, max) - создает a случайных равнораспределенных чисел от min до max

Попробуйте запустить алгоритм для разных а, например, 3, 10, 100, 100000

a=100000
x=runif(a,-1,1) 
y=runif(a,-1,1) 
Pi=0 ; Nr=0 ; Ns=0

for (i in 1:a)
{
if ((x[i]^2+y[i]^2)>1)
  { 
    Ns=Ns+1
     }
  else
  {
    Nr=Nr+1
     }
}
Pi=4*Nr/(Ns+Nr); Pi

## [1] 3.13804

Визуализация алгоритма вычисления числа пи

Нарисуйте графики для 100, 1000, 3000 и 10000 итераций

pis=c()
for (i in seq(10,3000,10))
    { x=runif(i,-1,1)
      y=runif(i,-1,1)
      z=table(x^2+y^2<=1)
      my_p=4*z[2]/i
      pis=c(pis,my_p)
    }
mean(pis)

## [1] 3.147457

Пример 2 - создание списка, содержащего матрицу

• Взяв таблицу данных iris, получить список (list),
• содержащий матрицы 2 x 2 для каждого объекта (строки):
  • значение 1-го признака,
  • значение 2-го признака,
  • сумма всех значений признака 1 минус значение для данной строки,
  • сумма всех значений признака 1 минус значение для данной строки

iris[1:6,]

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

• функция sum() подсчитывает сумму всех значений
• функция dim(v)=c(2,2) задает размерность переменной v

l=list()
for (i in 1:length(iris[,1]))
  {
   v=c(iris[i,1],sum(iris[,1])-iris[i,1],iris[i,2],sum(iris[,2])-iris[i,2])
  # print(v)
   dim(v)=c(2,2)
  # print(v)
   l2=list(v)
   l=c(l,l2)
   }

l[1:3]

## [[1]]
##       [,1]  [,2]
## [1,]   5.1   3.5
## [2,] 871.4 455.1
## 
## [[2]]
##       [,1]  [,2]
## [1,]   4.9   3.0
## [2,] 871.6 455.6
## 
## [[3]]
##       [,1]  [,2]
## [1,]   4.7   3.2
## [2,] 871.8 455.4

Функции группы Apply

Функции группы apply() позволяют применить какую-либо функцию к массивам большой размерности:

• apply (data.frame(), 1 or 2, FUNCTION)
• 1 - применить к строке или
• 2- столбцу

• lapply(list, FUNCTION) - аналогичная функция, в качестве результата выдает список
• sapply(list, FUNCTION) - аналогичная функция, в качестве результата выдает вектор
• tapply(vector,factor, FUN) - выбирает и группирует строки по градациям фактора и применяет функцию к каждой полученной группе

apply(iris[,1:4],2,sum)

## Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
##        876.5        458.6        563.7        179.9

tapply(iris$Sepal.Length, iris$Species, sum)

##     setosa versicolor  virginica 
##      250.3      296.8      329.4

Базовая графика - функция plot(x,y)

plot(5:10)

 #посмотреть текущие настройки 
 par()

## $xlog
## [1] FALSE
## 
## $ylog
## [1] FALSE
## 
## $adj
## [1] 0.5
## 
## $ann
## [1] TRUE
## 
## $ask
## [1] FALSE
## 
## $bg
## [1] "white"
## 
## $bty
## [1] "o"
## 
## $cex
## [1] 1
## 
## $cex.axis
## [1] 1
## 
## $cex.lab
## [1] 1
## 
## $cex.main
## [1] 1.2
## 
## $cex.sub
## [1] 1
## 
## $cin
## [1] 0.15 0.20
## 
## $col
## [1] "black"
## 
## $col.axis
## [1] "black"
## 
## $col.lab
## [1] "black"
## 
## $col.main
## [1] "black"
## 
## $col.sub
## [1] "black"
## 
## $cra
## [1] 28.8 38.4
## 
## $crt
## [1] 0
## 
## $csi
## [1] 0.2
## 
## $cxy
## [1] 0.02218935 0.06544861
## 
## $din
## [1] 7.999999 4.895833
## 
## $err
## [1] 0
## 
## $family
## [1] ""
## 
## $fg
## [1] "black"
## 
## $fig
## [1] 0 1 0 1
## 
## $fin
## [1] 7.999999 4.895833
## 
## $font
## [1] 1
## 
## $font.axis
## [1] 1
## 
## $font.lab
## [1] 1
## 
## $font.main
## [1] 2
## 
## $font.sub
## [1] 1
## 
## $lab
## [1] 5 5 7
## 
## $las
## [1] 0
## 
## $lend
## [1] "round"
## 
## $lheight
## [1] 1
## 
## $ljoin
## [1] "round"
## 
## $lmitre
## [1] 10
## 
## $lty
## [1] "solid"
## 
## $lwd
## [1] 1
## 
## $mai
## [1] 1.02 0.82 0.82 0.42
## 
## $mar
## [1] 5.1 4.1 4.1 2.1
## 
## $mex
## [1] 1
## 
## $mfcol
## [1] 1 1
## 
## $mfg
## [1] 1 1 1 1
## 
## $mfrow
## [1] 1 1
## 
## $mgp
## [1] 3 1 0
## 
## $mkh
## [1] 0.001
## 
## $new
## [1] FALSE
## 
## $oma
## [1] 0 0 0 0
## 
## $omd
## [1] 0 1 0 1
## 
## $omi
## [1] 0 0 0 0
## 
## $page
## [1] TRUE
## 
## $pch
## [1] 1
## 
## $pin
## [1] 6.759999 3.055833
## 
## $plt
## [1] 0.1025000 0.9475000 0.2083404 0.8325106
## 
## $ps
## [1] 12
## 
## $pty
## [1] "m"
## 
## $smo
## [1] 1
## 
## $srt
## [1] 0
## 
## $tck
## [1] NA
## 
## $tcl
## [1] -0.5
## 
## $usr
## [1] 0 1 0 1
## 
## $xaxp
## [1] 0 1 5
## 
## $xaxs
## [1] "r"
## 
## $xaxt
## [1] "s"
## 
## $xpd
## [1] FALSE
## 
## $yaxp
## [1] 0 1 5
## 
## $yaxs
## [1] "r"
## 
## $yaxt
## [1] "s"
## 
## $ylbias
## [1] 0.2

Пакет ggplot2

#install.packages("ggplot2")
library(ggplot2)

Cодержимое данных mtcars посмотрим с помощью функции str()

str(mtcars)

## 'data.frame':    32 obs. of  11 variables:
##  $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
##  $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
##  $ disp: num  160 160 108 258 360 ...
##  $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
##  $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
##  $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
##  $ qsec: num  16.5 17 18.6 19.4 17 ...
##  $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
##  $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
##  $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
##  $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

# Добавим geom\_point() и geom\_smooth() через символ +
ggplot(diamonds, aes(x = carat, y = price)) + geom_point() + geom_smooth()

## `geom_smooth()` using method = 'gam' and formula 'y ~ s(x, bs = "cs")'

# Построим график
ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point() +  geom_smooth()

## `geom_smooth()` using method = 'gam' and formula 'y ~ s(x, bs = "cs")'

# Покажем только сглаженную линию
ggplot(diamonds, aes(x = carat, y = price)) +  geom_smooth()

## `geom_smooth()` using method = 'gam' and formula 'y ~ s(x, bs = "cs")'

# Зададим правильное значение  col из aes()
ggplot(diamonds, aes(x = carat, y = price, col=clarity)) +
  geom_smooth()

## `geom_smooth()` using method = 'gam' and formula 'y ~ s(x, bs = "cs")'