Competenze di programmazione di base in R

Se vuoi seguire il nostro corso gratuito Model a Quantitative Trading Strategy in R, ecco il link.

Leggere un file: read.csv()

Il primo passo, prima di poter analizzare i dati di un titolo azionario, è scaricarli e caricarli nello spazio di lavoro di R. Caricare un dataset nello spazio di lavoro è simile ad aprire un file di dati in Excel, dopo di che possiamo eseguirci sopra le funzioni disponibili. In R, le tabelle di dati vengono comunemente salvate come oggetti chiamati data frame.

In questo capitolo useremo i dati di un titolo chiamato MARUTI scaricati da Yahoo Finance. I dati sono disponibili su http://assets.datacamp.com/course/quantinsti/data_ch1.csv. Il dataset contiene i dati giornalieri OHLC (Open High Low Close) e i volumi di Maruti dal 01/01/2008 al 31/12/2013.

In questo esercizio inizieremo definendo un nuovo object in R, chiamato data_maruti. La sintassi per definire una nuova variable o un nuovo object è molto semplice:

variable_name <- value

dove variable_name è il nome del nuovo object o della nuova variable e value è il valore che gli viene assegnato.

Salveremo un file di dati .csv in data_maruti. La function usata per leggere un file .csv e salvarlo come data frame è read.csv(). La sintassi per chiamare una funzione è piuttosto semplice:

function_name(object1, object2, argument1, argument2, ....)

dove function_name è il nome della function e object1, object1 sono gli oggetti o le variabili su cui vuoi eseguire la funzione. Gli arguments sono le specifiche che vuoi fornire durante l’esecuzione della funzione.

In questo esercizio impareremo a creare una nuova variabile usando una funzione.

Istruzioni

• Ispeziona il data frame dummy caricato come esempio. Nota che ci sono tre argomenti nella funzione read.csv(): file, uguale all’URL dei dati, header, un valore logico che indica se il file contiene nella prima riga i nomi delle variabili (in questo caso TRUE) e stringsAsFactors, che specifica se le stringhe nella tabella devono essere salvate come fattori (in questo caso FALSE).
• Crea una nuova variabile data_maruti che contenga i dati giornalieri di Maruti dal 1° gennaio 2008 al 31 dicembre 2013. Assicurati di impostare header su TRUE e stringAsFactors su FALSE.
• Infine, ispeziona le prime righe del data frame che hai caricato usando la funzione head(). Esegui semplicemente head(data_maruti) per chiamare la funzione.

Dai un’occhiata ai tuoi dati

Ora conosci la funzione head(), che è stata usata per stampare le prime righe di data_maruti.

In questo esercizio stamperai le ultime righe (tail) del dataset usando la funzione tail(). Scoprirai anche come interrogare il numero di righe e di colonne del dataset.

Il data frame data_maruti è già caricato nello spazio di lavoro.

Istruzioni

• Stampa le ultime sei righe di data_maruti usando la funzione tail().
• Stampa il numero di righe in data_maruti usando la funzione nrow().
• Stampa il numero di colonne in data_maruti usando la funzione ncol().

Tipi, classi e dimensioni degli oggetti in R

Ogni variabile in R è un oggetto che ha il proprio tipo, classe e dimensione. Esistono pochi tipi di base, come numerico (ad es. 5 o 5.0), carattere (ad es. "a") e logico (ad es. TRUE). Le dimensioni sono il numero di righe e colonne dell’oggetto. Infine, la classe di un oggetto può modificare il comportamento delle stesse funzioni. Ad esempio, la funzione print() si comporterà in modo diverso per una variabile che è un data frame rispetto a una variabile che è un modello lineare.

Le classi di oggetti con cui lavoriamo in questo capitolo sono i vettori e i data frame. I data frame, come già detto, sono come tabelle Excel e sono i più usati nell’informatica finanziaria. I vettori sono come una singola riga o colonna di dati composta dallo stesso tipo di variabili. In altre parole, un data frame è composto da vettori.

Istruzioni

Stampa il tipo, la classe e le dimensioni dell’oggetto data_maruti usando rispettivamente le funzioni typeof(), class() e dim(). Il data frame data_maruti è già caricato nello spazio di lavoro.

Se vuoi imparare di più da questo corso, ecco il link.

Dai un’occhiata al tutorial di DataCamp Objects and Classes in R.