ஆய்வு மற்றும் திரட்டுதல்

R ஆனது முதன்மையாக ஒரு புள்ளியியல் சூழலாக உருவாக்கப்பட்டது, எனவே இது திசையன்கள் அல்லது அட்டவணைகளில் தரவின் விநியோகத்தை பகுப்பாய்வு செய்யவும், சுருக்கவும் மற்றும் புரிந்துகொள்ளவும் பல உள்ளமைக்கப்பட்ட செயல்பாடுகளை வழங்குகிறது.

அடிப்படை புள்ளியியல் செயல்பாடுகள்

R ஆனது மையத்தின் முக்கிய அளவீடுகளை எளிதாகக் கணக்கிடவும் எண் திசையன்களில் பரவவும் அனுமதிக்கிறது:

• mean(x): தனிமங்களின் எண்கணித சராசரியைக் கணக்கிடுகிறது.
• median(x): சராசரியை (நடுத்தர மதிப்பு) கணக்கிடுகிறது.
• sd(x): நிலையான விலகலைக் கணக்கிடுகிறது (தரவு எவ்வாறு பரவுகிறது என்பதற்கான அளவீடு).
• min(x) மற்றும் max(x): முறையே குறைந்தபட்ச மற்றும் அதிகபட்ச மதிப்புகளை வழங்கவும்.

values <- c(10, 12, 15, 18, 20, 22)

avg <- mean(values)
dispersion <- sd(values)

cat("Mean:", avg, "- Std Dev:", round(dispersion, 2), "\n")

விடுபட்ட தரவைக் கையாளுதல் (NA)

நிஜ உலகில், தரவுத்தொகுப்புகள் பெரும்பாலும் காணாமல் போன மதிப்புகளைக் கொண்டிருக்கின்றன, R இல் NA (கிடைக்கவில்லை) என்ற சிறப்புப் பொருளால் குறிப்பிடப்படுகிறது.

ஒற்றை NA ஐக் கொண்ட ஒரு திசையன் மீது சராசரி அல்லது வேறு ஏதேனும் மொத்தத்தைக் கணக்கிட முயற்சித்தால், R ஆனது NA ஐ வழங்கும். விடுபட்ட மதிப்புகளைப் புறக்கணிக்க, நீங்கள் தருக்க வாதத்தை அனுப்ப வேண்டும் na.rm = TRUE (NA அகற்று):

temperatures <- c(18, 21, NA, 24, 19)

# This will return NA
print(mean(temperatures))

# This will ignore the NA and perform the calculation on valid values
print(mean(temperatures, na.rm = TRUE))

summary() உடன் உலகளாவிய சுருக்கம்

summary() செயல்பாடு ஒரு சக்திவாய்ந்த கருவியாகும், இது ஒரு திசையன் அல்லது முழு தரவு சட்டகத்தின் முழுமையான புள்ளிவிவர மேலோட்டத்தை வழங்குகிறது, இது நிமிடம், முதல் காலாண்டு, சராசரி, சராசரி, மூன்றாவது காலாண்டு மற்றும் அதிகபட்சம்:

prices <- c(5, 10, 15, 20, 100)
print(summary(prices))

aggregate உடன் தரவை ஒருங்கிணைக்கிறது

தரவு பிரேம்களுடன் பணிபுரியும் போது, ​​குறிப்பிட்ட குழுக்கள் அல்லது வகைகளுக்கான சுருக்க புள்ளிவிவரங்களை (சராசரி அல்லது தொகை போன்றவை) கணக்கிடுவது பொதுவானது. R இல் உள்ள aggregate() செயல்பாடு இந்த செயல்முறையை எளிதாக்குகிறது:

df <- data.frame(
  department = c("HR", "IT", "HR", "IT"),
  salary = c(3000, 4500, 3200, 4800)
)

# Calcola la media dei salari per dipartimento
avg_salaries <- aggregate(salary ~ department, data = df, FUN = mean)
print(avg_salaries)

தொடரியல் salary ~ department என்பது "salary மாறியை department மாறியின் அடிப்படையில் பகுப்பாய்வு செய்தல்" என்பதாகும். FUN = mean வாதமானது, ஒவ்வொரு குழுவிற்கும் எண்கணித சராசரியைக் கணக்கிட விரும்புகிறோம் என்பதைக் குறிப்பிடுகிறது.

subset உடன் மேம்பட்ட வடிகட்டுதல்

subset() செயல்பாடு சிக்கலான சதுர அடைப்புக்குறிகளைப் பயன்படுத்துவதைத் தவிர்த்து, தரவுச் சட்டத்திலிருந்து வரிசைகள் மற்றும் நெடுவரிசைகளின் துணைக்குழுக்களை பிரித்தெடுக்க ஒரு உள்ளுணர்வு மற்றும் நேர்த்தியான வழியை வழங்குகிறது:

employees <- data.frame(
  name = c("Alice", "Bob", "Charlie"),
  age = c(25, 34, 29),
  active = c(TRUE, FALSE, TRUE)
)

# Filtra solo i dipendenti attivi con età superiore a 28
active_employees <- subset(employees, active == TRUE & age > 28)

நீங்களே முயற்சி செய்து பாருங்கள்