Theory
બીજી ભાષા? તમે હમણાં જ pandas શીખ્યા!
વાજબી વાંધો. BCA303માં તમે CSV લોડ કર્યાં, સરેરાશ ગણી, histograms દોર્યાં: બધું Python માં. હવે આ વિષય તમને આંકડાશાસ્ત્ર કરવા... R આપે છે?
પ્રામાણિક દલીલ આ રહી: Python એક સામાન્ય હેતુની ભાષા છે જેણે libraries દ્વારા આંકડાશાસ્ત્ર શીખ્યું. R આંકડાશાસ્ત્રી તરીકે જ જન્મ્યું: આંકડાશાસ્ત્રીઓએ, આંકડાશાસ્ત્રીઓ માટે બનાવ્યું, જ્યાં t-test એટલી જ મૂળભૂત છે જેટલો for-loop.
જ્યારે દુનિયાના આંકડાશાસ્ત્રીઓ પદ્ધતિઓ પ્રગટ કરે છે, ત્યારે એ પહેલાં R માં આવે છે. તમારો અભ્યાસક્રમ ઇચ્છે છે કે તમે ક્ષેત્રની માતૃભાષામાં નિપુણ બનો.
Theory
સામાન્ય હોસ્પિટલ સામે વિશેષ દવાખાનું
Python એ સામાન્ય હોસ્પિટલ છે: એ બધું કરે છે: websites, games, databases, અને (pandas સાથે) એક પાંખમાં data નું વિશ્લેષણ.
R એ વિશેષ દવાખાનું છે: એ એક જ કામ કરે છે, આંકડાશાસ્ત્ર અને એના આલેખ, અને આખી ઇમારત એની આસપાસ ગોઠવાયેલી છે: દરેક ઓજાર હાથવગું, દરેક નવી પદ્ધતિ પહેલાં ત્યાં જ પહોંચે.
વ્યાવસાયિકો બંનેની મુલાકાત લે છે. આ વિષય તમને દવાખાનામાંથી લઈ જાય છે.
Theory
R શું છે, ઔપચારિક રીતે
R એ આંકડાકીય ગણતરી અને આલેખ માટેની મફત, open-source ભાષા અને વાતાવરણ છે, જે રોસ ઇહાકા અને રોબર્ટ જેન્ટલમેન (ઓકલેન્ડ યુનિવર્સિટી, 1990નો દાયકો) એ અગાઉની S ભાષાના ખુલ્લા અમલ તરીકે બનાવ્યું.
એનું આંકડાકીય DNA:
- mean(), median(), sd(), અને પૂરી કસોટીઓ (t.test(), lm()) જડેલી છે, કોઈ imports નહીં.
- Data frame એ ભાષાનો મૂળભૂત પ્રકાર છે (pandas એ વિચાર અને નામ બંને ઉધાર લીધાં).
- પ્રકાશન કક્ષાના આલેખ પેટીમાં જ આવે છે.
- એ interpreted અને interactive છે: command ટાઈપ કરો, જવાબ જુઓ: શોધખોળ માટે બનેલું.
Theory
CRAN અને packages નું વિશ્વ
Base R એ દવાખાનાનું ભોંયતળિયું છે. CRAN (Comprehensive R Archive Network) એ ઉપરનું બધું છે: 20,000+ સાથીઓએ આપેલાં packages, એક command દૂર:
install.packages("ggplot2")
નામથી ઓળખવા જેવા સિતારા: ggplot2 (પ્રખ્યાત grammar-of-graphics ના આલેખ), dplyr (data ની હેરફેર), અને Bioconductor નો સંગ્રહ (genomics). ભાત Python ના pip જેવી જ છે: પાયાની ભાષા વત્તા packages નું તંત્ર: આ દુનિયા કેવી રીતે ચાલે છે એ તમે પહેલેથી જાણો છો.
At a glance
કોણ R પર ચાલે છે
| ક્ષેત્ર | કામ પર R |
|---|---|
| શૈક્ષણિક સંશોધન | આંકડાશાસ્ત્રનાં પેપરોની default ભાષા |
| Pharma / clinical trials | દવાની અજમાયશનું વિશ્લેષણ અને નિયમનકારી રજૂઆતો |
| રોગચાળાશાસ્ત્ર | રોગનાં models, COVID નાં dashboards |
| Data journalism | BBC અને FT ના charts R માં બનેલા છે |
| Finance | જોખમનાં models, સમયશ્રેણીની આગાહી |
| Bioinformatics | જનીન અભિવ્યક્તિનું વિશ્લેષણ (Bioconductor) |
Quiz
કયું વિધાન R અને Python-with-pandas વચ્ચેનો પ્રામાણિક ભેદ સૌથી સારી રીતે પકડે છે?
- Python સામાન્ય હેતુની છે જેમાં libraries દ્વારા વિશ્લેષણ ઉમેરાયું; R આંકડાશાસ્ત્ર-પ્રથમ છે જેમાં કસોટીઓ, data frames અને આલેખ ભાષામાં જ મૂળભૂત છે
- R પૈસાવાળી અને માલિકીની છે જ્યારે Python મફત છે
- R એ Python ની જગ્યા લે છે: pandas હવે જૂનું થઈ ગયું
- R એ CSV files વાંચી શકતું નથી, એટલે data આયાત કરવા Python જોઈએ
Show the answer
Python સામાન્ય હેતુની છે જેમાં libraries દ્વારા વિશ્લેષણ ઉમેરાયું; R આંકડાશાસ્ત્ર-પ્રથમ છે જેમાં કસોટીઓ, data frames અને આલેખ ભાષામાં જ મૂળભૂત છે
બંને મફત અને open source છે (વિકલ્પ B ખોટો છે), બંને CSV ખુશીથી વાંચે છે (D ખોટો છે: read.csv એ R માં જડેલું છે), અને એકે બીજાની જગ્યા લેતું નથી (C): ખરેખરા વિશ્લેષકો બંને વાપરે છે, કામ પ્રમાણે પસંદ કરતાં. સાચો ભેદ ગુરુત્વકેન્દ્ર નો છે: Python સામાન્ય programming ની આસપાસ ફરે છે, R આંકડાશાસ્ત્રની આસપાસ: અને એટલે જ તમારો આંકડાશાસ્ત્રનો અભ્યાસક્રમ એ શીખવે છે, અને એટલે જ જવાબ A એ પરીક્ષામાં લખવાની લીટી છે.
Think first
એક લીટીના જવાબો ધારો
BCA303માં તમે survey.csv લોડ કરવા અને સરેરાશ screen time મેળવવા pandas ની અનેક લીટીઓ લખી હતી. Tap કરતાં પહેલાં: ધારો કે R આ બે પગલાં કેવી રીતે લખે છે: CSV લોડ કરવું, અને સરેરાશ લેવી. (સંકેત: R વસ્તુઓને સાદાં નામ આપે છે.)
Show the answer
data <- read.csv("survey.csv")
mean(data$screen_time)
બે લીટી, શૂન્ય imports: files વાંચવી અને સરેરાશ કાઢવી ભાષામાં જ જડેલાં છે. (એ <- તીર R નું assignment નું operator છે, અને $ એક ખાનું પસંદ કરે છે: બંને બે પાઠ પછી બરાબર સમજાવાયાં છે.) તમારી pandas ની સમજ લગભગ એકે એક ઊતરે છે: R એને આંકડાકીય કામ માટે ફક્ત ટૂંકમાં લખે છે.
Watch out
ટાળવા જેવાં બે ખોટાં લેબલ
"R ફક્ત શૈક્ષણિક છે": pharma ની રજૂઆતો, BBC ના આલેખ અને બેંકોના જોખમનાં models અસંમત છે: ઉપયોગોનું table સાચો ઉદ્યોગ છે.
"R" સામે "RStudio": R એ ભાષા છે (engine); RStudio એ IDE છે જેમાંથી તમે એને ચલાવો છો (આગલો પાઠ બંને install કરે છે). "મેં એ RStudio માં code કર્યું" કહેવું એટલે Python "VS Code માં" લખ્યું કહેવા જેવું છે: ભાષાનું નામ આપો, editor નું નહીં.
Theory
આ એકમમાંનો રસ્તો
એકમ 3-5 માટેની યોજના: R અને RStudio install કરો, syntax શીખો (એ તીર, vectors, પ્રકારો), CampusPulse નું survey.csv લોડ કરો, પછી એકમ 1-2નું બધું R માં ફરી કરો: સારાંશ, આવૃત્તિનાં કોષ્ટકો, અને છેલ્લે dnorm() થી દોરાયેલો bell curve. તમે હાથે ગણેલો દરેક આંકડો એક command બની જાય છે: હાથનું કામ જ તમને command ના જવાબ પર ભરોસો કરવા દે છે.
Summary
Key takeaways
- R = આંકડાકીય ગણતરી અને આલેખ માટેની મફત, open-source ભાષા (ઇહાકા અને જેન્ટલમેન, S માંથી).
- આંકડાશાસ્ત્ર મૂળભૂત છે: mean/sd/t.test/data frames/આલેખ જડેલાં, કોઈ imports નહીં.
- CRAN install.packages() દ્વારા 20,000+ packages રાખે છે; ggplot2 અને dplyr સિતારા છે.
- સંશોધન, pharma, રોગચાળાશાસ્ત્ર, પત્રકારત્વ, finance, bioinformatics માં વપરાય છે.
- Python = સામાન્ય હેતુ વત્તા libraries; R = આંકડાશાસ્ત્ર-પ્રથમ: બંને મફત, વ્યાવસાયિકો બંને વાપરે છે.
- R એ ભાષા છે; RStudio એ IDE છે.
- Memory hook: સામાન્ય હોસ્પિટલની બાજુમાં આવેલું વિશેષ દવાખાનું.