R-programfunktioner - Lær de vigtige funktioner i R-programmet

Indholdsfortegnelse:

Anonim

Introduktion til funktion

Funktioner er den grundlæggende byggesten til ethvert programmeringssprog. Det hjælper med modulær programmering, dvs. vi opretter en blok af kode (funktion) og bruger den når det er nødvendigt. Oprettelsen af ​​funktion undgår at skrive det samme stykke kode igen og igen. I dette emne skal vi lære om R-programfunktioner.

En funktion skal være

  • skrevet for at udføre en specificeret opgave.
  • kan muligvis ikke indeholde argumenter
  • indeholde en krop
  • kan muligvis returnere en eller flere værdier.

Funktioner i R

R har mange indbyggede funktioner, der bruges til de specifikke opgaver

Her nogle vigtige og ofte anvendte funktioner i Data Science

er anført nedenfor

1. middelværdi ()

Det bruges til at finde middelværdien for objektet.

Ex: a<-c(0:10, 40)
xm<-mean(a)
print(xm)

Produktion:

(1) 7.916667

2. sd ()

Det returnerer standardafvigelsen for et objekt.

a<-c(0:10, 40)
xm<-sd(a)
print(xm)

Produktion:

(1) 10.58694

3. median ()

Det returnerer median.

a<-c(0:10, 40)
xm<-meadian(a)
print(xm)

Produktion:

(1) 5.5

4. sum ()

Det returnerer summen.

a<-c(0:10, 40)
xm<-sum(a)
print(xm)

Produktion:

(1) 95

5. min ()

Det returnerer minimumsværdi.

a<-c(0:10, 40)
xm<-min(a)
print(xm)

Produktion:

(1) 0

6. max ()

Den returnerer maksimal værdi.

a<-c(0:10, 40)
xm<-max(a)
print(xm)

Produktion:

(1) 40

7. er.na ()

Det returnerer de tomme rækker.

Outputet er enten SAND ELLER FALSK.

Sandt for tomme rækker og falsk for ikke-fritagede.

  • som (is.na ()) - Det returnerer indekset for de tomme rækker.
  • hjælp () - bruges til at vise dokumentation for moduler, funktioner, klasser, nøgleord osv.

Der er mange andre indbyggede funktioner, der kan bruges ved at importere respektive biblioteker.

Bortset fra disse indbyggede funktioner, kan vi oprette vores egne funktioner efter behov.

Oprettelse af vores egne funktioner

Her er formatet til at skrive vores egen funktion:

Funtion_name <- function(p)
(
Body
return ()
)

Her forklarer jeg hver komponent i denne brugerdefinerede funktion.

1. Funktionsnavn

Vi kan give ethvert navn til vores funktion, men vi bestemmer funktionsnavnet baseret på

Funktionalitet, dvs. typen af ​​operation, den udfører.

For eksempel, hvis vi opretter en funktion til at beregne summen af ​​2 tal så

Det er bedre at give navnet "Sum" til den funktion.

2. Funktionens krop

Vi skriver trinene for at udføre visse handlinger. Disse trin kaldes funktionen. Funktionens kode lukkes under krøllede seler ().

For eksempel

Antag, at vi skal beregne summen af ​​to tal:

Derefter vil funktionen være:

Sum (x, y)
(
a=x
b=y
c = a+b
return (c)
)

De fremhævede linjer kaldes funktionen.

Nu er vi stødt på et par nye udtryk som returnering (), og efter funktionens navn har vi passeret to værdier x, y disse kaldes parametre. Jeg vil forklare disse vilkår i detaljer:

Først Parametre: Dette er de variabler, som vi udfører operationen defineret i funktionen.

For det andet, returnering (): Inde i funktionen har vi en retur (), der får vores funktion til at gå ud og aflevere værdien tilbage til den, der ringer.

Betydningen af ​​at opbygge funktionen

Det er meget vanskeligt at forstå den store del af koden. Det er nødvendigt at udtænke en ny måde at bryde den store monolitiske kode i i mindre læsbar kode, dvs. (Funktion)

På grund af brugen af ​​funktion blev det en bedre måde at modularisere. Funktionen er bare en anden måde at gruppere eksekveringslinjen med koder i en del og navngive den. Navnet hjælper os med at kalde det, som du kan ringe til mig, hvis du kender mit navn.

Som vi har set, er der flere indbyggede funktioner i R, der gør vores

Arbejd lettere, vi skal bare importere bibliotekerne og kan bruge funktionerne

tilgængelig i disse biblioteker.

Konklusion - R-programfunktioner

Den primære anvendelse af R er og vil altid være, statistik, visualisering og maskinlæring, hvilket kræver en masse beregninger og visualiseringer, hvilket betyder, at vi vil kræve en masse funktioner. Få statistiske beregninger som middelværdi, median, standardafvigelse osv. Er påkrævet i næsten alle Data Science-projekter. Derfor har vi en masse indbyggede biblioteker, der består af mange funktioner, der ofte bruges. Hvis vi har brug for ny funktionalitet, der skal implementeres, kan vi oprette vores egne funktioner.

Anbefalede artikler

Dette er en guide til R-programfunktioner. Her diskuterer vi nogle vigtige og ofte anvendte funktioner i R-programmet og formatet til at skrive vores egen funktion. Du kan også se på de følgende artikler for at lære mere -

  1. R Programmeringssprog
  2. R-programmering vs Python
  3. Karrierer inden for R-programmering
  4. R Programmeringsvejledning online
  5. Eksempler på Python-indbyggede funktioner