ایکسپلوریشن اور ایگریگیشن

R کو بنیادی طور پر شماریاتی ماحول کے طور پر بنایا گیا تھا، اس لیے یہ ویکٹر یا ٹیبلز میں ڈیٹا کی تقسیم کا تجزیہ، خلاصہ، اور سمجھنے کے لیے بہت سے بلٹ ان فنکشنز فراہم کرتا ہے۔

بنیادی شماریاتی افعال

R آپ کو مرکز کے اہم اقدامات اور عددی ویکٹر پر پھیلاؤ کا آسانی سے حساب لگانے کی اجازت دیتا ہے:

• mean(x): عناصر کے حسابی اوسط کا حساب لگاتا ہے۔
• median(x): میڈین (درمیانی قدر) کا حساب لگاتا ہے۔
• sd(x): معیاری انحراف کا حساب لگاتا ہے (ڈیٹا کے پھیلاؤ کا ایک پیمانہ)۔
• min(x) اور max(x): بالترتیب کم از کم اور زیادہ سے زیادہ قدریں لوٹائیں۔

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

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

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

گمشدہ ڈیٹا کو ہینڈل کرنا (NA)

حقیقی دنیا میں، ڈیٹا سیٹس میں اکثر گمشدہ اقدار ہوتے ہیں، جن کی نمائندگی R میں خصوصی ادارہ NA (دستیاب نہیں) کرتی ہے۔

اگر آپ کسی ایسے ویکٹر پر اوسط یا کسی دوسرے مجموعی کا حساب لگانے کی کوشش کرتے ہیں جس میں ایک بھی NA ہو تو R نتیجہ کے طور پر NA لوٹائے گا۔ گمشدہ اقدار کو نظر انداز کرنے کے لیے، آپ کو منطقی دلیل کو پاس کرنا ہوگا na.rm = TRUE (NA ہٹانا):

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() کے ساتھ عالمی خلاصہ

summary() فنکشن ایک طاقتور ٹول ہے جو کسی ویکٹر یا پورے ڈیٹا فریم کا مکمل شماریاتی جائزہ فراہم کرتا ہے، جس میں کم سے کم، پہلا چوتھائی، درمیانی، اوسط، تیسرا چوتھائی، اور زیادہ سے زیادہ دکھایا جاتا ہے:

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

aggregate کے ساتھ ڈیٹا اکٹھا کرنا

ڈیٹا فریموں کے ساتھ کام کرتے وقت، مخصوص گروپوں یا زمروں کے لیے خلاصہ کے اعدادوشمار (جیسے اوسط یا رقم) کا حساب لگانا عام ہے۔ R میں aggregate() فنکشن اس عمل کو آسان بناتا ہے:

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)

نحو salary ~ department کا مطلب ہے "department متغیر کی بنیاد پر salary متغیر کا تجزیہ کریں"۔ FUN = mean دلیل یہ بتاتی ہے کہ ہم ہر گروپ کے لیے ریاضی کے اوسط کا حساب لگانا چاہتے ہیں۔

subset کے ساتھ اعلی درجے کی فلٹرنگ

subset() فنکشن پیچیدہ مربع بریکٹ کے استعمال سے گریز کرتے ہوئے ڈیٹا فریم سے قطاروں اور کالموں کے ذیلی سیٹ نکالنے کا ایک بدیہی اور خوبصورت طریقہ فراہم کرتا ہے:

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)

خود ہی آزمائیں۔