R प्रोग्रामिंग भाषा में डेटा स्ट्रक्चर्स में महारत

R, जो डेटा व्रैंगलिंग, विश्लेषण, और विज़ुअलाइज़ेशन के लिए अनुकूलित एक लोकप्रिय सांख्यिकीय प्रोग्रामिंग भाषा है, विभिन्न प्रकार के कार्यों को प्रभावी ढंग से संभालने के लिए अनुकूलित कई डेटा स्ट्रक्चर्स से लैस है। R के विविध डेटा स्ट्रक्चर्स में महारत हासिल करना इसकी पूरी क्षमता को खोलने और डेटा को प्रभावशाली अंतर्दृष्टि में बदलने का रास्ता है।

शुरू करने से पहले, हमारा Introduction to R Programming कोर्स लें, जो आपको वास्तविक डेटासेट के साथ इन अवधारणाओं का अभ्यास करने देता है। आइए शुरू करें। 

R भाषा में डेटा स्ट्रक्चर्स क्या हैं?

R में डेटा स्ट्रक्चर्स विश्लेषण के लिए डेटा को व्यवस्थित करने में मदद करते हैं। ये सरल हो सकते हैं, जो केवल एक प्रकार के डेटा को रखते हैं, या जटिल, जो विविध डेटा प्रकारों का समर्थन करते हैं। ये डेटा स्ट्रक्चर्स डेटा-चालित प्रोजेक्ट्स के दौरान उत्पन्न होने वाली विशिष्ट जरूरतों के अनुसार बनाए गए हैं। R में प्राथमिक डेटा स्ट्रक्चर्स हैं: वेक्टर, लिस्ट, मैट्रिक्स, एरे, फैक्टर, और डेटा फ्रेम।

R में डेटा स्ट्रक्चर्स

R में डेटा स्ट्रक्चर्स के प्रकार

आइए R के डेटा स्ट्रक्चर्स से परिचित होने के लिए थोड़ा समय लें। इस प्रक्रिया में, हम सामान्य R फ़ंक्शन्स से भी परिचित हो जाएंगे। 

R में वेक्टर

वेक्टर R में डेटा स्ट्रक्चर का सबसे सरल रूप हैं। ये समान प्रकार के तत्वों का संग्रह होते हैं, जैसे न्यूमेरिक, कैरेक्टर, या लॉजिकल।

R वेक्टर के साथ बेहतरीन काम करने के लिए डिज़ाइन किया गया है और विशेष रूप से तथाकथित वेक्टराइज़्ड ऑपरेशंस के लिए बनाया गया है। इसका अर्थ है कि आप किसी फ़ंक्शन को वेक्टर पर लागू कर सकते हैं बिना उसके तत्वों के माध्यम से स्पष्ट रूप से लूप चलाए। उदाहरण के लिए, दो वेक्टरों को जोड़ना संबंधित तत्वों को एक साथ जोड़ता है—यह लूप के जरिए प्रत्येक तत्व को जोड़ने की तुलना में तेज़ और संक्षिप्त होता है।

यहाँ हम c() फ़ंक्शन का उपयोग करके न्यूमेरिकल, कैरेक्टर और लॉजिकल प्रकारों के तीन वेक्टर बनाते हैं।

numeric_vector = c(10, 20, 30)character_vector = c("apple", "banana", "cherry")logical_vector = c(TRUE, FALSE, TRUE)

print(numeric_vector)print(character_vector)print(logical_vector)संचालित द्वारा

R में उदाहरण वेक्टर

आप वेक्टर के तत्वों को स्क्वेयर ब्रैकेट्स का उपयोग करके एक्सेस कर सकते हैं।

# Access the first 
elementprint(numeric_vector[1])

# Access multiple elements
print(character_vector[c(1, 3)])संचालित द्वारा

R में वेक्टर तत्वों तक पहुँच

आप वेक्टर के साथ गणितीय और लॉजिकल ऑपरेशंस भी कर सकते हैं।

# Adding a scalar value to the vector
print(numeric_vector + 2)

# Multiplying elements by a scalar
print(numeric_vector * 10)

# Perform logical operations - Check which elements are greater than 15
print(numeric_vector > 15)संचालित द्वारा

R में वेक्टर ऑपरेशंस

अन्य महत्वपूर्ण ऑपरेशंस में सम जोड़ना, औसत निकालना, और न्यूनतम तथा अधिकतम मान खोजना शामिल हैं। 

# Summation
print(sum(numeric_vector))

# Mean
print(mean(numeric_vector))

# Max and min
print(max(numeric_vector))
print(min(numeric_vector))संचालित द्वारा

बेसिक R फ़ंक्शन्स का आउटपुट

R में मैट्रिक्स

मैट्रिक्स दो-आयामी एरे होते हैं जो एक ही प्रकार के डेटा को स्टोर करते हैं। ये विशेष रूप से गणितीय गणनाओं के लिए उपयोगी हैं। R में आप matrix() फ़ंक्शन का उपयोग करके मैट्रिक्स बना सकते हैं।

my_matrix <- matrix(1:9, nrow=3, ncol=3)print(my_matrix)संचालित द्वारा

R में मैट्रिक्स बनाना

आप इंडेसेज़ का उपयोग करके मैट्रिक्स के तत्वों, पंक्तियों, स्तंभों, या सबसेट्स तक पहुँच सकते हैं।

# Access the element in the first row and second column 
print(my_matrix[1,2]) 

# Access the second row 
print(my_matrix[2,]) 

# Access the third column 
print(my_matrix[,3])संचालित द्वारा

R में मैट्रिक्स के तत्वों तक पहुँच

आप मैट्रिक्स पर गणितीय ऑपरेशंस भी कर सकते हैं।

another_matrix <- matrix(9:1, nrow=3, ncol=3)

# Element-wise addition
print(my_matrix + another_matrix)

# Element-wise subtraction
print(my_matrix - another_matrix)

# Element-wise multiplication
print(my_matrix * another_matrix)

# Element-wise division
print(my_matrix / another_matrix)संचालित द्वारा

R में मैट्रिक्स पर गणितीय ऑपरेशंस

R में एरे

एरे, मैट्रिक्स का विस्तार हैं और दो से अधिक आयाम रख सकते हैं, जिससे बहु-आयामी डेटा को कुशलतापूर्वक स्टोर किया जा सकता है। आप R में array() फ़ंक्शन का उपयोग करके एरे बना सकते हैं।

dim = c(2, 2, 2) आर्गुमेंट एरे के आयाम सेट करता है। इस मामले में, आयाम यह दर्शाते हैं कि एरे में तीन आयाम (3D एरे) होंगे—2 पंक्तियाँ, 2 स्तंभ, और 2 लेयर्स (या गहराई)। ऊपर दिए गए कोड का आउटपुट नीचे दिखाया गया है। आप हमारे Arrays in R ट्यूटोरियल में एरे के बारे में और जान सकते हैं।

my_array = array(1:8, dim = c(2, 2, 2))
print(my_array)संचालित द्वारा

R में एरे बनाना

R में लिस्ट

लिस्ट R में बहुउद्देशीय डेटा स्ट्रक्चर हैं जो विभिन्न प्रकारों और आकारों की वस्तुओं का मिश्रण रख सकती हैं। आप list() फ़ंक्शन का उपयोग करके लिस्ट बना सकते हैं।

my_list <- list(name="DataCamp", year=2024, scores=c(80, 90, 85), active=TRUE)

print(my_list)संचालित द्वारा

R में लिस्ट की सामग्री

लिस्ट बनाने के बाद, आप इसके तत्वों तक इंडेक्स या नाम के जरिए पहुँच सकते हैं।

print(my_list[[3]])
print(my_list$name)
print(my_list$scores)संचालित द्वारा

R में लिस्ट के तत्वों तक पहुँच

R में फैक्टर

वेक्टर, मैट्रिक्स, या लिस्ट के विपरीत, फैक्टर डेटा स्टोरेज की संरचना को परिभाषित नहीं करते; बल्कि वे बताते हैं कि इन संरचनाओं के भीतर डेटा को कैसे ट्रीट किया जाना चाहिए। इसलिए, फैक्टर को एक डेटा प्रकार माना जा सकता है, जैसे इंटीजर या कैरेक्टर प्रकार।

मैंने फैक्टर को इस सूची में शामिल किया है क्योंकि यह R के इकोसिस्टम में श्रेणीबद्ध (categorical) डेटा को संभालने में महत्वपूर्ण हैं, खासकर उन परिस्थितियों में जहाँ सांख्यिकीय तकनीकों में श्रेणीबद्ध और सतत चर के बीच का अंतर महत्वपूर्ण होता है। यह Python से भिन्न है, जहाँ श्रेणीबद्ध फीचर्स को डमी या वन-हॉट एन्कोडिंग के माध्यम से संख्यात्मक में बदलना पड़ता है। 

आप factor() फ़ंक्शन का उपयोग करके फैक्टर बना सकते हैं, जैसा कि नीचे दिखाया गया है:

gender <- factor(c("male", "female", "female", "male"))
print(gender)संचालित द्वारा

R में फैक्टर

फैक्टर लेवल्स के रूप में स्टोर होते हैं और ऑर्डर्ड या अनऑर्डर्ड हो सकते हैं। 

levels(gender) <- c("Female", "Male") 
print(gender)संचालित द्वारा

R में फैक्टर लेवल्स

यदि आप फैक्टर वेरिएबल के वितरण को देखना चाहते हैं, तो आप summary() फ़ंक्शन का उपयोग कर सकते हैं। आउटपुट दिखाता है कि Female और Male के लिए क्रमशः दो-दो प्रविष्टियाँ हैं।

summary(gender)संचालित द्वारा

R में सारांश

R में डेटा फ्रेम

डेटा फ्रेम R में सबसे लोकप्रिय और व्यापक रूप से उपयोग किया जाने वाला डेटा स्ट्रक्चर है। ये विशेष रूप से सुविधाजनक हैं क्योंकि अलग-अलग कॉलम में अलग-अलग प्रकार के डेटा हो सकते हैं। आप उन्हें डेटाबेस में तालिकाओं या CSV फ़ाइलों जैसा समझ सकते हैं, क्योंकि ये डेटा को द्वि-आयामी, चौकोर या आयताकार प्रारूप में स्टोर और प्रबंधित करते हैं।

आप data.frame() कमांड से डेटा फ्रेम बना सकते हैं।

data_frame <- data.frame( Names = c("Kiran", "Ajey", "Carol"), Age = c(25, 30, 35), Gender = c("Female", "Male", "Female"))

# Printing the data frame
print(data_frame)संचालित द्वारा

R में एक डेटा फ्रेम

आप डेटा फ्रेम की सामग्री तक कई तरीकों से पहुँच सकते हैं—कॉलम के आधार पर या पंक्ति के आधार पर।

# Prints all names - use the $ sign 
print(data_frame$Names) 

# Access the first row 
print(data_frame[1, ]) 

# Access the second column 
print(data_frame[, 2])संचालित द्वारा

R में डेटा फ्रेम के तत्व

डेटा फ्रेम डेटा व्रैंगलिंग और विश्लेषण में बेहद उपयोगी हैं क्योंकि ये सबसेटिंग और सॉर्टिंग जैसे कई ऑपरेशंस का समर्थन करते हैं, और वर्णनात्मक आँकड़े प्रिंट करने का आसान तरीका प्रदान करते हैं।

R में डेटा फ्रेम का सबसेट बनाना

subset_female <- data_frame[data_frame$Gender == 'Female', ]
print(subset_female)संचालित द्वारा

R में डेटा फ्रेम का सबसेट

R में डेटा फ्रेम सॉर्ट करना

# Sorting
data_frame <- data_frame[order(data_frame$Age), ]
print(data_frame)संचालित द्वारा

R में सॉर्ट किया गया डेटा फ्रेम

R में डेटा फ्रेम का सारांश

# Statistical summary
summary(data_frame)संचालित द्वारा

R में वर्णनात्मक या सांख्यिकीय सारांश

ऊपर दिए गए आउटपुट से आप देख सकते हैं कि R में डेटा फ्रेम ऑपरेशंस करना कितना आसान है। जैसे-जैसे आप डेटा विश्लेषण में आगे बढ़ते हैं, आप पाएंगे कि डेटा फ्रेम डेटा मैनिपुलेशन, विश्लेषण, और विज़ुअलाइज़ेशन के लिए बेहद बहुमुखी और शक्तिशाली हैं। यदि आप और कार्यक्षमताओं का पता लगाना चाहते हैं, तो हमारा Data Frames in R ट्यूटोरियल देखें। 

R के साथ आगे बढ़ना

इस ट्यूटोरियल ने आपको R में विभिन्न डेटा स्ट्रक्चर्स और उनके वास्तविक दुनिया के डेटा विश्लेषण परिदृश्यों में उपयोग के बारे में जानकारी दी है। इन संरचनाओं में महारत हासिल करने से आपकी विश्लेषणात्मक क्षमताएँ बेहतर होंगी, जिससे आप डेटा को प्रभावी ढंग से प्रबंधित और विश्लेषित कर पाएंगे।

जैसे-जैसे आप अपनी यात्रा जारी रखते हैं, आप पाएंगे कि R एक अनोखी प्रोग्रामिंग भाषा है, जो अपनी सशक्त सांख्यिकीय क्षमताओं और विस्तृत लाइब्रेरीज़ के लिए जानी जाती है। डेटा विश्लेषण की दुनिया में रुचि रखने वाले किसी भी व्यक्ति के लिए यह एक सार्थक निवेश है। 

अधिक R ट्यूटोरियल्स के लिए, कृपया निम्न लिंक देखें:

• R में आरंभ करना
• Introduction to R
• Dataframes के साथ काम करना

यदि आप और सीखने में रुचि रखते हैं, तो हमारा R Programming Interview Questions & Answers लेख पढ़ें—यह इंटरव्यू की तैयारी या सामान्य सीखने के लिए एक बेहतरीन संसाधन है। यह लेख प्रश्नों और उत्तरों की एक विस्तृत श्रृंखला प्रदान करता है, जो आपकी सीखने की यात्रा के दौरान आपके ज्ञान में किसी भी कमी की पहचान करने में मदद करेगा।