บทนำ

เอกสาร R Markdown ภาษาไทยชุดนี้อธิบาย การทำงานของโปรแกรม R/RStudio programming หัวข้อเรื่อง Introduction to R programming ในรายวิชา 2104525 Compuational Methods for IE เอกสารภาษาไทยชุดนี้ประกอบด้วย 3 ส่วน ได้แก่

Topics

01: Math

คณิตศาสตร์พื้้นฐาน

การ บวก ลบ คูญ หาร ในโปรแกรม R/RStudio มีเครื่องหมายเช่นเดียวกับพีชคณิตทั่วไป

 5+3
## [1] 8
 5%%3
## [1] 2
 5%/%3
## [1] 1
  • คำสั่ง %% เป็นการหารเอาเศษจำนวนเต็ม (Modulo) ของจำนวนเต็ม
  • คำสั่ง %/% เป็นการหารเอาส่วนจำนวนเต็ม (Remainder) ของจำนวนเต็ม
  • คำสั่ง ^ เป็นการยกกำลัง

ฟังค์ชั่นทางคณิตศาสตร์ที่ควรทราบ

  • ตรีโกณมิติ เช่น sin() cos() tan() asin() cosh()
  • ลอการิทึม เช่น log() log10() exp()
  • การกระจาย เช่น rnorm() runif() dnorm() qnorm() factorial()
  • ค่าคงที่ และ อื่นๆ เช่น pi sqrt() abs() ceiling() round() floor() Im() Re()

02: Variables

ตัวแปรและการจัดการเวคเตอร์พื้นฐาน

การกำหนดตัวแปรในโปรแกรม R/RStudio สามารถทำโดยเครื่องหมาย <- หรือ = เพื่อกำหนดชื่อตัวแปร โดยตัวแปรมักอยู่ในรูป เวคเตอร์ (Vector) ตัวอย่างเช่น

 c(1,2) + c(3,4)
## [1] 4 6
 2*c(1,2)
## [1] 2 4
 myVector <−  c(1,2)  ## เพื่อกำหนดชือตัวแปร
 mySeq  <−  seq(from = 1,to= 10,by = 2) ## สร้างลำดับ เริ่มที่ 1 สิ้นสุดที่ 10 เพิ่มขึ้นที่ละ 2

การตรวจสอบชนิดสามารถทำได้โดยคำสั่ง str() หรือ class() ซึ่งเป็นการตรวจสอบชนิดของตัวแปร และ ประเภทของข้อมูล

str(mySeq)
##  num [1:5] 1 3 5 7 9
class(myVector)
## [1] "numeric"

ประเภทของข้อมูลชนิดพื้นฐาน (Basic Atomic Class)

Data Type ชนิดของข้อมูล ตัวอย่าง คำสั่งแคส คำสั่งที่เกี่ยวข้อง
Numeric จำนวนจริง 3, 3+6, 3.5 as.numeric () sum (), prod (), cumsum ()
Integer จำนวนเต็ม 3L, 6L as.integer () ceiling (), floor ()
Complex จำนวนเชิงซ้อน 3+5i, 4+0i as.complex () Re (), Im (), Conj ()
Logical ตรรกะ T, F, TRUE as.logical () all (), any ()

03: Flow

การสร้าง เงื่อนไข ในโปรแกรม R

โปรแกรม R สามารถสร้างเงือนไขโดยการพิจารณา boolean ทางคณิตศาสตร์

  • เปรียบเทียบ อาทิเช่น== (เท่ากับ) <= (น้อยกว่าหรือเท่ากับ) > (มากกว่า)
  • เงื่อนไข อาทิเช่น & (และ) | (หรือ) ! (ไม่)
  • math logic อาทิเช่น all() (จริงทุกนิพจน์) any() (จริงอย่างน้อยนิพจน์) xor() (จริงและเท็จเพียง หนึ่งนิพจน์)
  5 == 3+2 ## 5 เท่ากับ 3+2 หรือไม่
## [1] TRUE
  (5 == 3+2) & (7 != 2*3) ## (5 เท่ากับ3+2) และ (7 ไม่เท่ากับ 3 คูญ 2) จริงทั้งสองวงเล็บหรือไม่
## [1] TRUE
  xor(5 == 3+2,7 != 2*3) ## วงเล็บ (5 เท่ากับ3+2) หรือ  (7 ไม่เท่ากับ 3 คูญ 2) จริงเพียง หนึ่งวงเล็บหรือไม่
## [1] FALSE

การสร้างเงื่อนไข มักประกอบเข้ากับการสั่งทำงานโดยใช้ if หรือ ifelse() เช่น

if( 5 == 3+2){
    cat("calculation is correct")
}
## calculation is correct
x <- runif(1)
result <- ifelse( x> 0.5,"HEAD","TAIL")

การสร้าง Loop การทำงาน

เช่นเดียวกับทุกโปรแกรมภาษา โปรแกรม R สามารถสร้าง Loop การทำงานวนเพื่อลดความซ้ำซ้อนได้ คำสั่ง loop ที่สำคัญ

  • for() วนทำตามที่สั่งตามจำนวนรอบ หรือ ตามสมาชิกใน set
  • while() หากเป็นไปตามเงื่อนไข ทำวนจนไม่เป็นตามเงื่อนไข
  • repeat() วนทำตามที่สั่งจนครบเงื่อนไข แล้วออกจาก loop
  multi <- 2
    for(i in 1:20){ ## ทำซ้ำ 20 ครั้ง โดยการนับ 1 -20 
      cat(paste( c(i," x ",multi," =",multi*i,"\n"),collapse="") )  ## พิมพ์สูตรคูณ
    }
## 1 x 2 =2
## 2 x 2 =4
## 3 x 2 =6
## 4 x 2 =8
## 5 x 2 =10
## 6 x 2 =12
## 7 x 2 =14
## 8 x 2 =16
## 9 x 2 =18
## 10 x 2 =20
## 11 x 2 =22
## 12 x 2 =24
## 13 x 2 =26
## 14 x 2 =28
## 15 x 2 =30
## 16 x 2 =32
## 17 x 2 =34
## 18 x 2 =36
## 19 x 2 =38
## 20 x 2 =40
  iter <- 1
  while( abs(runif(1) - 0.5)  > 0.01 ){ ## ค่าสุ่มอยู่ระหว่าง 0.45-0.55
    cat( rep("-",iter) )
    iter < iter + 1 
  }
## -------------------
  repeat{
    samp <- sample(1:7,size=1)  ## สุ่มค่า 1 ถึง 7
    cat(paste(c("result: ",samp),collapse="")) ## พิมพ์ผลการสุ่ม
    if(samp == 7){
      break
    }
    cat(" no jackot, repeat \n " )  
  }
## result: 6 no jackot, repeat 
##  result: 3 no jackot, repeat 
##  result: 4 no jackot, repeat 
##  result: 6 no jackot, repeat 
##  result: 4 no jackot, repeat 
##  result: 4 no jackot, repeat 
##  result: 6 no jackot, repeat 
##  result: 7

หมายเหตุ การเลือกเงื่อนไขใน loop สามารถทำโดยคำสั่ง switch

centre <- function(x, type) {
  switch(type,
         mean = { 
            mean(x) 
            },
         median = {
            median(x)
            },
         trimmed = {
         mean(x, trim = .1)
            }
         )
}
x <- 100*rnorm(20)
    
centre(x, "mean")
## [1] 13.86704
centre(x, "median")
## [1] -1.293179
centre(x, "trimmed")
## [1] 6.142156

04: Functions

ฟังก์ช่ันสำเร็จรูป

R ยังมีฟังก์ช่ันช่วยในการคำนวนมากมาย อาทิเช่น

 length(myVector) ## หาจำนวนสมาชิกใน vector
## [1] 2
 sum(mySeq) ## คำนวนผลรวม
## [1] 25
 prod(mySeq) ## คำนวนผลคูญ
## [1] 945
 myCumSum <- cumsum(mySeq) ## คำนวนผลรวมสะสม
 myCumPro <- cumprod(mySeq)## คำนวนผลคูญสะสม 
 myNewVal <- c(1:max(mySeq),3*myVector)  ## 1:max(seq) = ตัวย่อของ seq(1,max(mySeq),1)

การสร้างฟังก์ชั่น และ พื้นฐานของ เวคเตอร์

ผู้ใช้สามารถกำหนดฟังก์ชั่นได้เองใน R ด้วยคำสั่ง function() และ กำหนดการคืนค่าด้วย return()เพื่อป้องกันการสับสน

  test01.Fun <- function(x){  2*log(x)  } 
  test02.Fun <- function(x){
    value <-  2*log(x) +1
    return(value)
  }
  test01.Fun(3)
## [1] 2.197225
  test02.Fun(3:8)
## [1] 3.197225 3.772589 4.218876 4.583519 4.891820 5.158883

หมายเหต การใช้ vector เป็น input ในฟังก์ชั่นที่รับค่า scalar ดังเช่น test02.Fun(3:8) มีความเสี่ยงในการคำนวนผิดพลาด

  myFunInput <- 1:30
  myFunOutput<- test02.Fun(myFunInput)  
  plot(myFunInput,myFunOutput)

05: Matrix

การสร้างและจัดการเมตริก

 myMatrix <- matrix( c(1:9),ncol=3)  ## สร้างเมตริกจากเวคเตอร์
 myMatrix <- myMatrix + diag(3)

 det(myMatrix)  ## คำนวนค่า det 
## [1] -2
 t(myMatrix) ## หาค่า transpose ของเมตริก
##      [,1] [,2] [,3]
## [1,]    2    2    3
## [2,]    4    6    6
## [3,]    7    8   10
 row.names(myMatrix) <- paste( "row",1:3,sep="-")
 myMatrix <- cbind(myMatrix,seq(1,5,2))
 myMatrix <- rbind( round(10*runif(4)),myMatrix)
 ncol(myMatrix)
## [1] 4
 det(myMatrix)  
## [1] -183
 solve(myMatrix)   ## คำนวน inverse matrix
##                       row-1       row-2      row-3
## [1,]  0.17486339  0.2950820 -0.03825137 -0.2459016
## [2,]  0.04918033 -0.2295082  0.77049180 -0.4754098
## [3,] -0.07650273  0.2459016 -0.42076503  0.2950820
## [4,] -0.01092896 -0.3934426 -0.06010929  0.3278689
 solve(myMatrix,c(1,5,3,4))## solve หาค่า x จาก Ax=b 
## [1]  0.5519126 -0.6885246  1.0710383 -0.8469945
 eigen(myMatrix)   ## คำนวนค่า eigen value และ eigen vector
## eigen() decomposition
## $values
## [1] 18.705700  4.312162  2.075327 -1.093189
## 
## $vectors
##            [,1]        [,2]       [,3]       [,4]
## [1,] -0.5542723 -0.94041226 -0.7379897  0.1820964
## [2,] -0.3363153  0.04834509 -0.2434187 -0.7845690
## [3,] -0.4616854  0.23665410  0.1921650  0.5502797
## [4,] -0.6054096  0.23933735  0.5993256 -0.2201921
 pmax(myMatrix)
##       [,1] [,2] [,3] [,4]
##          7    3    4    6
## row-1    2    4    7    1
## row-2    2    6    8    3
## row-3    3    6   10    5

06: Access & Mics

ข้อมูลแต่ละสมาชิกของตัวแปรสามารถเข้าถึงได้แตกต่างกัน

การเข้าถึงค่าและตำแหน่งของตัวแปร

  • which() เป็นฟังก์ชั่นค้นหาตำแหน่งโดยระบุค่า หรือ เงื่อนไข
  • summary() เป็นฟังก์ชั่นสรุปค่า
  • sort() เป็นพังก์ชั่นเรียงค่า
  • order() เป็นพังก์ชั่นเรียงค่าตามตำแหน่ง
  • [] เป็นการเข้าถึงตำแหน่งของตัวแปร
  • $ หรือ [[]] เป็นการเข้าถึงตำแหน่งของ list ของตัวแปร
  which(myNewVal == 3) ## หาตำแหน่งของตัวแปร myNewVal ที่มีค่าเท่ากับ 9
## [1]  3 10
  which.min(myNewVal) ## หาตำแหน่งของตัวแปร myNewVal ที่มีค่าน้อยที่สุด
## [1] 1
  summary(myNewVal) ## สรุปค่า
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.000   3.000   5.000   4.909   6.500   9.000
  sort(myNewVal,decreasing=F) ##จัดเรียงลำดับ  
##  [1] 1 2 3 3 4 5 6 6 7 8 9
  order(myNewVal,decreasing=F) ##จัดเรียงลำดับ  
##  [1]  1  2  3 10  4  5  6 11  7  8  9
  myNewVal[myNewVal  >  8] ## ค่าของตัวแปร myNewVal มีมากกว่า 8
## [1] 9
  myNewVal[2] ## ค่าของตัวแปร myNewVal ที่ตำแหน่งที่ 2 
## [1] 2

คำสั่งพื้นฐานอื่นๆ

  • สรุปข้อมูลทางสถิติ อาทิเช่น quantile() summary() mean() sd() var() median() range() IQR()
  • ปรับข้อมูล อาทิเช่น table() xtabs() ftable() dcast() melt() sort() order()
  • คุณสมบัติของตัวแปร อาทิเช่น names() length() colname() rowname() dim() attr()
  • พิชคณิต อาทิเช่น sum() prod() cumsum() cumprod() colSums colMeans()
  • อื่นๆ อาทิเช่น apply() sapply() expression() body() eigen() det() solve() quote() subsitute() call()

07: Str Ctrl

[ขั้นสูง] หัวข้อนี้เป็นการใช้ตัวแปรประเภท String ในการสร้าง (initiate) เข้าถึง (access) ควบคุมฟังกชั่น (control) เทคนิกนี้สามารถเปรียบเทียบได้กับการใช้ (using string as pointer ในภาษา C++)

  • การกำหนดค่าตัวแปร (LETTERS[1] = A) และดึงค่า ในฐานะ String
  assign(LETTERS[1],2)
  get(LETTERS[1])
## [1] 2
  • run ฟังก์ชั่นในรุปของ String ได้ด้วยคำสั่ง do.call()
text01 <- "summary"
textdf <- "iris"

do.call(text01,arg=list(object=get(textdf) ))
##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
## 
eval(call(text01,get(textdf)))
##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
##

note

  • call() เป็นการสร้างคำสั่งแค่ยังไม่ดำเนินการประเมิน (non-execute)
  • eval() ประเมินค่าของฟัวก์ชั่นที่ประกาศในรูป call() หรือ ประกาศในรูป expression()
  • do.call() สั่งให้ดำเนินการฟังก์ชั่นในรูปแบบ รับค่า arg จากภายนอก อนึ่ง do.call() = `eval(call())``

08: Expression

[ขั้นสูง] หัวข้อนี้เป็นใช้ R/RStudio ในการวิเคราะห์ทางคณิตศาสตร์ โดยตัวแปร และ เงือนไขทางคณิตศาสตร์ต้องอยู่ภายใต้คำสั่ง expression()

  • สร้างเงื่อนไขทางคณิตศาสตร์
  alphaSym  <- expression(alpha) 
  mathTerm <- expression( x1^3 - log(x1))
  • หาค่าเงื่อนไขทางคณิตศาสตร์ หรือ หา diff
  eval(mathTerm,list(x1=3))
## [1] 25.90139
  D(mathTerm,"x1")
## 3 * x1^2 - 1/x1
  • หากต้องสร้างเงื่อนไขทางคณิตศาสตร์โดยการแทนค่าสามารถทำได้โดย substitute() เป็นการแทนค่าด้วย envir ที่กำหนด โดยผลจะออกมาเป็น expression()
  x1Term    <- quote(x+3) 
  varList  <- list(x1=x1Term)

  eval(
    substitute(substitute(e, varList), list(e = mathTerm[[1]]))
    )
## (x + 3)^3 - log(x + 3)

note

  • expression() สร้างเงื่อนไขทางคณิตศาสตร์
  • quote() เก็บชุดคำสั่งในฐานะ String โดยไม่ประเมินค่า
  • eval() ประเมินค่าตัวแปรหรือเงื่อนไขทางคณิตศาสตร์
  • substitute() การแทนค่าทางคณิตศาสตร์โดยผลลัพธ์คือ expression

09: Question

จงอธิบายผลของคำสัง R ต่อไปนี้

  stdNorm  <−  rnorm  (50)
  hist(stdNorm,breaks=10)
  quantile(stdNorm,prob=0.45)
  table(floor(10*stdNorm))

Copyright 2019   Oran Kittithreerapronchai.   All Rights Reserved.   Last modified: 2021-05-02,