Det ser ud til, at Python er nok til alt. Du kan skrive et script til serveren, analysere dataene og træne et neuralt netværk. Desuden har den en masse biblioteker til statistik og dataanalyse - du kan bruge enhver af dem.
hvordan man ændrer ligakundens sprog
Der er dog et andet sprog — R — til analyser og arbejde med statistik. Mange studerende skal beskæftige sig med dette programmeringssprog, når de studerer statistik. Vores skøre livsrytme får os ofte til at tilpasse os omstændighederne og studere, udføre hjemmeopgaver eller endda arbejde fra vores telefoner. Hvis du nogensinde har undret dig, hvordan kan jeg det lave mit hjemmearbejde på en smartphone fortsæt med at læse.
IndholdsfortegnelseHvad er R?
Dette er et programmeringssprog, der bruges af statistikere og dataindsamlere til statistiske beregninger og grafik. Den første version af R-sproget dukkede op i 1993, to år senere end Python. På det tidspunkt var Python endnu ikke så populær og havde ikke så mange biblioteker til dataanalyse, som det gør nu. Så videnskabsmænd i Institut for Statistik ved Oakland University skabte et sprog til deres interne opgaver. Og fordi deres navne var Ross og Robert, opkaldte de sproget efter det første bogstav i deres navn, R.
R blev oprindeligt udviklet som et internt værktøj på fakultetet til at løse deres statistiske problemer. Men på det tidspunkt var det en god ting for videnskabsmænd at dele deres arbejde med alle, så de åbnede sprogets kildekode, så alle kunne forbedre den eller tilføje noget nyttigt. Siden da er sproget vokset fra et fakultetsprojekt til et globalt populært statistisk værktøj.
Karakteristika for R som programmeringssprog
Da dette sprog blev opfundet til videnskabelige formål, forsøgte forfatterne ikke at gøre det intuitivt. De antog, at det ville blive brugt af folk, der var fortrolige med matematisk analyse, statistiske metoder og sandsynlighedsvariation. Derfor kan R virke som et meget kompliceret sprog, selvom det er meget enkelt og logisk indeni.
Læs også Hvorfor har elever brug for hjælp til java lektier?
Hvad bruges R til?
Hovedanvendelsen af R er at analysere data og drage konklusioner fra dem:
- visualisere data på nogen måde
- indsamle og analysere data fra forskellige kilder
- arbejde med statistik, finde anomalier i data
- søge efter mønstre og afvigelser i dataene
- testning og bekræftelse af hypoteser.
En separat retning i R er maskinlæring og neurale netværk. Da R-sproget oprindeligt blev designet til at behandle enorme mængder data, er det nemt at organisere en dyb læringsmodel eller lave et nyt neuralt netværk.
Hvad kan du gøre med R
- Bearbejd, rens og transformer data til forskning. For eksempel vil du gerne se, hvor mange studerende der i gennemsnit gik på biblioteket hver vinter- og efterårsmåned. R giver dig mulighed for at ekskludere forår og sommer og gruppere dem efter måned for yderligere beregninger.
- Du kan omdanne dine resultater til en webapp. Det vil være fuldt interaktivt med filtre, grafer og endda en datasortering. Du kan sende det til din professor eller udgive det som en del af dit papir. Det er sådan, de sporer forekomsten af Coronavirus på verdensplan (koden er åben og tilgængelig på GitHub).
- Kør statistiske test. Antag, at du vil vide, om IQ-niveauet for to køn er forskelligt. En t-test kan hjælpe dig med dette. Testen viser den statistiske forskel mellem de modtagne data, hvis nogen.
- Du kan foretage en eksplorativ analyse. Da mange statistiske metoder har brug for fordeling i rådata, skal du kontrollere det for normalitet. Hvad er en normalfordeling? Det er, når størstedelen af data er grupperet omkring middelværdien. Resten af værdierne er væsentligt mindre. Du kan se denne fordeling i livet: Der er flere mennesker med gennemsnitlig højde end dem, der er høje eller lave. R tilbyder instrumenter til at kontrollere normalitet med grafer og tests.
- Bland forskellige bordes formater. Du kan endelig bruge forskellige tabelformater og forene to af dem i ét dokument for at analysere dataene.
- Du kan præsentere dine data i interaktive diagrammer, justere alle parametre (akseværdier osv.).
- Udfør regressionsanalyse og lav regressionsmodeller. Denne analyse hjælper med at skelne forholdet mellem de afhængige og uafhængige variable. Lad os sige, at du vil finde ud af, hvorfor nogle skønhedsstudier i samme gade har mere salg end andre. Antallet af salg vil være den afhængige variabel. De uafhængige variabler vil omfatte den sociale status og alder for beboere i nabolaget og prislisten for hvert studie for de samme procedurer. På denne måde kan du finde ud af, hvilke af disse faktorer der påvirker butikssalget mere end andre.
Fordele ved R
- Ubegrænset sæt funktioner til dataanalyse takket være tilslutning af biblioteker.
- Evnen til at arbejde med enorme tabeller og databaser, som programmer ikke kan håndtere.
- Avanceret grænsefladetilpasning: grafisk brugergrænseflade eller kommandolinjegrænseflade.
- Helt gratis økosystem - komponenter distribueres gratis under GNU-licensen.
- Tilgængelig for de fleste operativsystemer : Windows, macOS, FreeBSD, Solaris, forskellige versioner af Unix og Linux.
- Rige visualiseringsmuligheder: Du kan oprette applikationer, bygge grafer af forskellige typer, inklusive interaktive, samt redigere deres elementer.
- Masser af information og et aktivt fællesskab: en blog, diskussioner om R og RStudio, lektioner og konferencer.
- Omfattende og overskuelig dokumentation: der er beskrivelser af alle biblioteker og eksempler på brug.
Ulemper ved R
- En person uden programmeringserfaring og viden om det grundlæggende i statistik kan finde det udfordrende.
- Den snævre rækkevidde: den er ideel til dataanalyse, men den er ikke egnet til softwareudvikling. Men det er dens styrke. En sand UNIX-måde og en gave til videnskabsfolk, journalister, dataforskere, analytikere - alle, der ønsker at arbejde med data.
Hvordan håndterer du R-hjemmearbejde på din telefon?
Vi har allerede nævnt applikationer med biblioteker, som du kan bruge til at arbejde med R, er tilgængelige på alle OS. Men hvad med smartphones? Der er en måde at bruge RStudion på din telefon, ikke gennem en speciel applikation, men gennem dens open source-server. Du kan få det via enhver webbrowser. Således skal du blot køre RStudion-serveren på din computer eller bærbare computer og få adgang til den på din telefon. Dette er en fantastisk og enkel måde at arbejde på dine R-hjemopgaver på ethvert sted og tidspunkt.
