Data-structuren onder de knie krijgen in de programmeertaal R

R, een populaire statistische programmeertaal die is gemaakt voor data wrangling, analyse en visualisatie, is uitgerust met een reeks data-structuren die zijn geoptimaliseerd om verschillende soorten datataken effectief aan te pakken. Het beheersen van R's diverse reeks data-structuren is de sleutel om het volledige potentieel te ontsluiten en data om te zetten in overtuigende inzichten.

Als je begint, overweeg dan onze cursus Introduction to R Programming, waarin je deze concepten kunt oefenen met echte datasets. Laten we erin duiken. 

Wat zijn data-structuren in de R-taal?

Data-structuren in R helpen om data te organiseren voor analyse. Ze kunnen eenvoudig zijn, waarbij ze slechts één type data bevatten, of complex, met ondersteuning voor uiteenlopende datatypes. Deze data-structuren zijn afgestemd op de specifieke behoeften die zich voordoen tijdens datagedreven projecten. De primaire data-structuren in R zijn vectors, lists, matrices, arrays, factors en data frames.

Data-structuren in R

De verschillende soorten data-structuren in R

Laten we even de tijd nemen om vertrouwd te raken met de data-structuren in R. Onderweg maken we kennis met veelgebruikte R-functies. 

Vectors in R

Vectors zijn de eenvoudigste vorm van data-structuur in R. Het zijn verzamelingen elementen van hetzelfde type, zoals numeriek, karakter of logisch.

R is ontworpen om goed met vectors te werken en is speciaal gemaakt voor zogeheten gevectoriseerde operaties. Dit betekent dat je een functie op een vector kunt toepassen zonder expliciet door de elementen te loopen. Zo telt het optellen van twee vectors de overeenkomstige elementen bij elkaar op, sneller en compacter dan element-voor-element met loops.

Hier maken we drie vectors voor numerieke, karakter- en logische types met de functie c().

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)Mogelijk gemaakt door

Voorbeeldvectors in R

Je kunt de elementen van de vector benaderen met vierkante haken.

# Access the first 
elementprint(numeric_vector[1])

# Access multiple elements
print(character_vector[c(1, 3)])Mogelijk gemaakt door

Elementen van een vector benaderen in R

Je kunt ook wiskundige en logische bewerkingen uitvoeren met vectors.

# 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)Mogelijk gemaakt door

Vectorbewerkingen in R

Andere belangrijke bewerkingen zijn sommeren, het gemiddelde bepalen en de minimum- en maximumwaarden vinden. 

# Summation
print(sum(numeric_vector))

# Mean
print(mean(numeric_vector))

# Max and min
print(max(numeric_vector))
print(min(numeric_vector))Mogelijk gemaakt door

Uitvoer van basis R-functies

Matrices in R

Matrices zijn tweedimensionale arrays die data van één type opslaan. Ze zijn vooral handig voor wiskundige berekeningen. In R kun je een matrix maken met de functie matrix().

my_matrix <- matrix(1:9, nrow=3, ncol=3)print(my_matrix)Mogelijk gemaakt door

Een matrix maken in R

Je kunt de elementen, rijen, kolommen of subsets van de matrix benaderen met indices.

# 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])Mogelijk gemaakt door

Elementen van een matrix benaderen in R

Je kunt ook wiskundige bewerkingen uitvoeren op matrices.

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)Mogelijk gemaakt door

Wiskundige bewerkingen op matrices in R

Arrays in R

Arrays zijn een uitbreiding op matrices en kunnen meer dan twee dimensies hebben, waarmee je multidimensionale data efficiënt kunt opslaan. Je kunt een array in R maken met de functie array().

Het argument dim = c(2, 2, 2) stelt de dimensies van de array in. In dit geval geven de dimensies aan dat de array drie dimensies moet hebben (een 3D-array), opgebouwd uit 2 rijen, 2 kolommen en 2 lagen (of diepte). De output van de bovenstaande code zie je hieronder. Je kunt meer over arrays lezen in onze tutorial Arrays in R.

my_array = array(1:8, dim = c(2, 2, 2))
print(my_array)Mogelijk gemaakt door

Een array maken in R

Lists in R

Lists zijn veelzijdige data-structuren in R die een mix van objecten van verschillende types en groottes kunnen bevatten. Je maakt een list met de functie list().

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

print(my_list)Mogelijk gemaakt door

De inhoud van een list in R

Zodra je de list hebt gemaakt, kun je de elementen benaderen met indices of met de naam.

print(my_list[[3]])
print(my_list$name)
print(my_list$scores)Mogelijk gemaakt door

Elementen van een list benaderen in R

Factors in R

In tegenstelling tot vectors, matrices of lists definiëren factors geen opslagstructuur voor data, maar beschrijven ze hoe data binnen deze structuren moet worden behandeld. Factors kun je dus zien als een datatype, vergelijkbaar met integer- of karaktertypes.

Ik heb factors opgenomen omdat ze cruciaal zijn voor het werken met categorische data binnen R's ecosysteem, vooral in situaties met statistische technieken waarin het onderscheid tussen categorische en continue variabelen belangrijk is. Dit verschilt van Python, waar categorische features moeten worden omgezet naar numerieke via dummy- of one-hot-encoding. 

Je kunt factors maken met de functie factor(), zoals hieronder getoond:

gender <- factor(c("male", "female", "female", "male"))
print(gender)Mogelijk gemaakt door

Factors in R

Factors worden ook als levels opgeslagen en kunnen geordend of ongeordend zijn. 

levels(gender) <- c("Female", "Male") 
print(gender)Mogelijk gemaakt door

Factor-levels in R

Als je de verdeling van de factorvariabele wilt bekijken, kun je de functie summary() gebruiken. De output laat zien dat er respectievelijk twee invoeren zijn voor Female en Male.

summary(gender)Mogelijk gemaakt door

Summary in R

Data frames in R

Data frames zijn de populairste en meest gebruikte data-structuur in R. Ze zijn vooral handig omdat ze verschillende soorten data over verschillende kolommen kunnen bevatten. Je kunt ze zien als vergelijkbaar met tabellen in een database of CSV-bestanden, omdat ze data opslaan en beheren in een tweedimensionale, vierkante of rechthoekige vorm.

Je maakt een data frame met het commando data.frame().

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)Mogelijk gemaakt door

Een data frame in R

Je kunt de inhoud van het data frame op verschillende manieren benaderen, per kolom of per rij.

# 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])Mogelijk gemaakt door

De elementen van een data frame in R

Data frames zijn superhandig bij data wrangling en analyse, omdat ze allerlei bewerkingen ondersteunen zoals subsetting en sorteren, en een makkelijke manier bieden om beschrijvende statistieken af te drukken.

Een data frame subsetten in R

subset_female <- data_frame[data_frame$Gender == 'Female', ]
print(subset_female)Mogelijk gemaakt door

Een subset van een data frame in R

Een data frame sorteren in R

# Sorting
data_frame <- data_frame[order(data_frame$Age), ]
print(data_frame)Mogelijk gemaakt door

Een gesorteerd data frame in R

Een data frame samenvatten in R

# Statistical summary
summary(data_frame)Mogelijk gemaakt door

Beschrijvende of statistische samenvatting in R

Uit de bovenstaande uitvoer zie je hoe eenvoudig het is om data frame-bewerkingen in R uit te voeren. Naarmate je dieper in data-analyse duikt, zul je merken dat data frames ongelooflijk veelzijdig en krachtig zijn voor datamanipulatie, analyse en visualisatie. Als je meer functionaliteiten wilt verkennen, bekijk dan onze tutorial Data Frames in R. 

Verder met R

Deze tutorial heeft je inzicht gegeven in de verschillende data-structuren in R en hun toepassing in realistische data-analysesituaties. Het beheersen van deze structuren zal je analytische vaardigheden verbeteren, zodat je data effectief kunt beheren en analyseren.

Terwijl je verdergaat, zul je ontdekken dat R een unieke programmeertaal is die bekendstaat om zijn robuuste statistische mogelijkheden en uitgebreide bibliotheken. Het is een waardevolle investering voor iedereen die nieuwsgierig is naar de wereld van data-analyse. 

Voor meer R-tutorials, bekijk de volgende links:

• Aan de slag in R
• Inleiding tot R
• Werken met data frames

Als je meer wilt leren, lees dan onze R Programming Interview Questions & Answers, een geweldige bron als je je voorbereidt op een sollicitatiegesprek of gewoon aan het leren bent. Het artikel biedt een breed scala aan vragen en antwoorden die je helpen eventuele kennishiaten te ontdekken terwijl je verder leert.