1 Basic R

1.1 Basic operation

ท่านสามารถใช้ R ในการคำนวณต่างๆ ได้ เช่น บวก ลบ คูณ หาร ยกกำลัง เป็นต้น

3+2

## [1] 5

3-2

## [1] 1

3*2

## [1] 6

3/2

## [1] 1.5

3^2

## [1] 9

log(3)

## [1] 1.098612

sqrt(3)

## [1] 1.732051

3==3 # ตรวจสอบว่าข้อมูลเหมือนกันหรือไม่

## [1] TRUE

1.2 Variable

1.2.1 Variable assignment

R สามารถเก็บข้อมูลต่างๆ ไว้ในตัวแปรได้ เพื่อที่สามารถนำมาใช้ในภายหลัง โดยการเก็บตัวแปรนั้นจะใช้เครื่องหมาย <-

x <- 2
x

## [1] 2

y <- 3
y

## [1] 3

x+y # ท่านสามารถนำตัวแปรมาทำ operation ได้ตามปกติ

## [1] 5

x*y

## [1] 6

x <- 5 # การลงข้อมูลในตัวแปรเดิมจะเป็นการลบตัวแปรเก่า
x

## [1] 5

helloworld <- (x+y)^(x-y) # สามารถตั้งชื่ออะไรก็ได้ตราบใดที่ไม่เว้นวรรค
helloworld

## [1] 64

1.2.2 Type of variable

R นั้นสามารถรองรับตัวแปรต่างๆ ได้หลากหลาย ซึ่งเป็นได้ทั้ง ตัวเลข หรือตัวอักษร หรือแม้กระทั่งเก็บหลายข้อมูลภายในตัวแปรเดียวได้

x <- "Hello world" # ตัวอักษร
x

## [1] "Hello world"

y <- c(1,2,3,4) # เก็บหลายตัวข้อมูลในตัวแปรเดียว
y

## [1] 1 2 3 4

z <- list(c(1,2,3), 4, c("hello world", "I love R"))  # เก็บข้อมูลในรูปแบบ list
z

## [[1]]
## [1] 1 2 3
## 
## [[2]]
## [1] 4
## 
## [[3]]
## [1] "hello world" "I love R"

class(x) # ท่านสามารถเช็คชนิดของตัวแปรได้โดยใช้ function class()

## [1] "character"

ลักษณะตัวแปรต่างๆ ใน R มีดังนี้

ชนิด	ตัวอย่าง	คำอธิบาย
Numeric	1, 2.3, 5	จำนวนจริง รวมทศนิยม
Integer	1, 2, 3	จำนวนเต็ม เป็น subset ของ numeric
Complex	1i	จำนวนเชิงซ้อน
Character	"สวัสดี", "Hello world"	ตัวอักษร ต้องอยู่ในเครื่องหมาย ” ”
Factor	"a", "b", "c"	คล้าย character แต่มีจำนวนตัวแปรจำกัด
Logical	TRUE, FALSE	ตามหลักตรรกศาสตร์
Vector	c(1,2,3)	หลายข้อมูลใน 1 ตัวแปร โดยต้องเป็นตัวแปรชนิดเดียวกัน
List	list(1, c(1,3,4), "Hello")	หลายข้อมูลใน 1 ตัวแปร โดยไม่จำเป้นต้องเป็นตัวแปรชนิดเดียวกัน
Dataframe	data.frame(x = 3, y = 2)	ตาราง

ในบางครั้ง Class ที่ R ทำการเดามาให้ตั้งแต่แรกอาจจะไม่ใช่ลักษณะตัวแปรที่ท่านต้องการ ท่านสามารถใช้ คำสั่ง as.*() ในการเปลี่ยน Class ของตัวแปรนั้นได้

x <- c(1,2,3,4,5)
class(x) # ไม่ต้องการให้คิดเป็นตัวเลข เช่น ตัวแปรที่จริงแล้วอาจจะเป็น กลุ่ม1 กลุ่ม2

## [1] "numeric"

x <- as.factor(x)
class(x) # เปลี่ยนเป็น factor

## [1] "factor"

x_list <- list("A"= c(1,2,3,4,5), "B" = c("a","b","c","d","e"))
x_list

## $A
## [1] 1 2 3 4 5
## 
## $B
## [1] "a" "b" "c" "d" "e"

as.data.frame(x_list) # เปลี่ยนเป็น dataframe

1.3 Matrix and Dataframe

เนื่องจาก R นั้นเป็นโปรแกรมที่ส่วนมากใช้ในการวิเคราะห์ทางสถิติ ซึ่งเกี่ยวข้อมูลส่วนใหญ่จะถูกเก็บในรูปของตาราง R จึงมีตัวแปรที่เก็บข้อมูลในรูปของตารางโดยเฉพาะ เรียกวา Matrix และ Dataframe ซึ่งท่านจะใช้เป็นหลักในการวิเคราะห์ข้อมูลใน R

mat <- matrix(c(1,2,3,4), nrow=2)
mat

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

class(mat)

## [1] "matrix" "array"

df <- data.frame(x=c(3,4),y=c(2,5),z=c(4,7))
df

class(df)

## [1] "data.frame"

โดยตารางนั้นจะประกอบด้วยสองส่วนหลักๆ คล้าย Excel spreadsheet ได้แก่

• Column (คอลัมน์): คือ ข้อมูลในแนวตั้ง ซึ่งแถวบนสุดจะเป็นชื่อ Column นั้นๆ
• Row (แถว): คือ ข้อมูลในแนวนอน

โดย Matrix นั้น สามารถเก็บ Variable ในรูปแบบเดียวกันได้เท่านั้น แต่ Dataframe สามารถเก็บข้อมูลต่างชนิดร่วมกันได้ โดยมีข้อแม้ว่า Column เดียวกัน จะต้องเป็นข้อมูลชุดเดียวกัน

1.4 Subset

ท่านสามารถดึงข้อมูลแค่บางส่วนออกมาจาก Vector, List, Matrix หรือ Dataframe ได้ เรียกว่าการ Subset

x <- c("a","b","c","d")
x[3] # subset โดยระบุตำแหน่ง

## [1] "c"

x[1:3] # subset หลายตำแหน่ง

## [1] "a" "b" "c"

x[c(1,3)] # subset หลากหลายตำแหน่งแบบจำเพาะ

## [1] "a" "c"

y <- list(c(1,2,3), c("a","b","c"))
y[1] # subset list ตามตำแหน่ง (จะได้ list ย่อยออกมา)

## [[1]]
## [1] 1 2 3

y[[1]] # ดึงข้อมูลที่อยู่ใน list ออกมา

## [1] 1 2 3

ในส่วนของ Matrix และ Dataframe นั้น ท่านสามารถ subset ตามตำแหน่งได้ โดยการระบุ Row และ Column ตามลำดับ

mat

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

mat[1,2] # 1st row, 2nd column

## [1] 3

df

df[1,3] # 1st row, 3rd column

## [1] 4

ในส่วนของ Dataframe นั้น ท่านสามารถ Subset ได้โดยใช้ชื่อของ Column อีกด้วย

df["x"] # subset เป็น column ย่อย

df[["x"]] # subset ข้อมูลที่อยู่ใน column นั้น

## [1] 3 4

df[[2, "x"]] # ระบุแถวด้วย

## [1] 4

df$x # เหมือนกัน df[["x"]]

## [1] 3 4