R Programlama Dilinde Veri Yapılarını Ustalaşmak

Veri düzenleme, analiz ve görselleştirme için tasarlanmış popüler bir istatistiksel programlama dili olan R, çeşitli veri görevlerini etkili şekilde yönetmeye optimize edilmiş bir dizi veri yapısıyla donatılmıştır. R'nin farklı veri yapıları yelpazesinde ustalaşmak, onun tam potansiyelini açığa çıkarmanın ve verileri etkileyici içgörülere dönüştürmenin anahtarıdır.

Başlamadan önce, bu kavramları gerçek veri setleriyle pratik edebileceğiniz R Programlamaya Giriş kursumuza göz atmayı düşünün. Haydi başlayalım. 

R Dilinde Veri Yapıları Nelerdir?

R'deki veri yapıları, verileri analiz için düzenlemeye yardımcı olur. Yalnızca tek bir veri türünü tutan basit yapılardan, farklı veri türlerini destekleyen karmaşık yapılara kadar uzanırlar. Bu veri yapıları, veri odaklı projelerde ortaya çıkan özgül ihtiyaçlara göre uyarlanmıştır. R'deki temel veri yapıları vektörler, listeler, matrisler, diziler, faktörler ve veri çerçeveleridir.

R'de veri yapıları

R'deki Farklı Veri Yapıları

Biraz zaman ayırıp R'deki veri yapılarıyla tanışalım. Bu süreçte yaygın R fonksiyonlarına da aşina olabiliriz. 

R'de Vektörler

Vektörler, R'deki en basit veri yapısı biçimidir. Sayısal, karakter veya mantıksal gibi aynı türden öğelerin bir koleksiyonudur.

R, vektörlerle iyi çalışacak şekilde tasarlanmıştır ve özellikle vektörleştirilmiş işlemlerle çalışmak üzere geliştirilmiştir. Bu, bir fonksiyonu vektörün öğeleri üzerinde tek tek döngü kurmadan uygulayabileceğiniz anlamına gelir. Örneğin, iki vektörü toplamak, döngülerle öğe öğe toplama yapmaktan daha hızlı ve öz bir şekilde karşılık gelen öğeleri toplar.

Burada c() fonksiyonunu kullanarak sayısal, karakter ve mantıksal türler için üç vektör oluşturuyoruz.

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)

R'de örnek vektörler

Vektörün öğelerine köşeli parantez kullanarak erişebilirsiniz.

# Access the first 
elementprint(numeric_vector[1])

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

R'de vektör öğelerine erişme

Vektörlerle matematiksel ve mantıksal işlemler de yapabilirsiniz.

# 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)

R'de vektör işlemleri

Diğer önemli işlemler arasında toplam alma, ortalama bulma ve en küçük ile en büyük değerleri bulma yer alır. 

# Summation
print(sum(numeric_vector))

# Mean
print(mean(numeric_vector))

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

Temel R fonksiyonlarından çıkan sonuçlar

R'de Matrisler

Matrisler, tek bir türde veri depolayan iki boyutlu dizilerdir. Özellikle matematiksel hesaplamalar için kullanışlıdırlar. R'de matrix() fonksiyonunu kullanarak bir matris oluşturabilirsiniz.

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

R'de matris oluşturma

Matrisin öğelerine, satırlarına, sütunlarına veya alt kümelerine indeksler kullanarak erişebilirsiniz.

# 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])

R'de matris öğelerine erişme

Matrisler üzerinde matematiksel işlemler de yapabilirsiniz.

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)

R'de matrisler üzerinde matematiksel işlemler

R'de Diziler (Arrays)

Diziler, matrislerin bir uzantısıdır ve ikiden fazla boyuta sahip olabilir; çok boyutlu verileri verimli şekilde depolamayı sağlar. R'de array() fonksiyonunu kullanarak bir dizi oluşturabilirsiniz.

dim = c(2, 2, 2) argümanı dizinin boyutlarını ayarlar. Bu durumda boyutlar, dizinin üç boyutlu (3D) olacağını ve 2 satır, 2 sütun, 2 katmandan (veya derinlik) oluşacağını belirtir. Yukarıdaki kodun çıktısı aşağıda gösterilmiştir. Diziler hakkında daha fazlasını R'de Diziler eğitimimizde keşfedebilirsiniz.

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

R'de dizi oluşturma

R'de Listeler

Listeler, R'de farklı tür ve boyutlardaki nesneleri bir arada tutabilen esnek veri yapılarıdır. list() fonksiyonunu kullanarak bir liste oluşturabilirsiniz.

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

print(my_list)

R'de bir listenin içeriği

Listeyi oluşturduktan sonra, öğelerine indekslerle veya isimleriyle erişebilirsiniz.

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

R'de bir listenin öğelerine erişme

R'de Faktörler

Vektörler, matrisler veya listelerden farklı olarak faktörler, bir veri depolama yapısını tanımlamaz; bunun yerine verilerin bu yapılar içinde nasıl ele alınacağını tanımlar. Bu nedenle faktörler, tamsayı türleri veya karakter türleri gibi bir veri türü olarak düşünülebilir.

Faktörleri listeye dahil ettim çünkü özellikle kategorik ve sürekli değişkenler arasındaki ayrımın önemli olduğu istatistiksel tekniklerin kullanıldığı senaryolarda, R ekosistemi içinde kategorik verileri yönetmek için kritik öneme sahiptirler. Bu, kategorik özelliklerin kukla (dummy) ya da one-hot kodlama ile sayısala dönüştürülmesini gerektiren Python'dan farklıdır. 

Aşağıda gösterildiği gibi factor() fonksiyonunu kullanarak faktör oluşturabilirsiniz:

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

R'de faktörler

Faktörler düzeyler (levels) olarak saklanır ve sıralı veya sırasız olabilir. 

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

R'de faktör düzeyleri

Faktör değişkeninin dağılımına bakmak isterseniz summary() fonksiyonunu kullanabilirsiniz. Çıktı, Female ve Male için ikişer kayıt olduğunu gösterir.

summary(gender)

R'de özet

R'de Veri Çerçeveleri

Veri çerçeveleri, R'deki en popüler ve en yaygın kullanılan veri yapısıdır. Özellikle kullanışlıdırlar çünkü farklı sütunlarda farklı türde veriler içerebilirler. İki boyutlu, kare ya da dikdörtgen bir formatta veri depolayıp yönettiklerinden, veritabanlarındaki tablolara veya CSV dosyalarına benzer olarak düşünebilirsiniz.

data.frame() komutuyla bir veri çerçevesi oluşturabilirsiniz.

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)

R'de bir veri çerçevesi

Veri çerçevesinin içeriğine sütun bazında ya da satır bazında çeşitli yollarla erişebilirsiniz.

# 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])

R'de bir veri çerçevesinin öğeleri

Veri çerçeveleri, alt kümeleme ve sıralama gibi çeşitli işlemleri destekledikleri ve betimsel istatistikleri kolayca yazdırma imkânı sundukları için veri düzenleme ve analizinde son derece kullanışlıdır.

R'de bir veri çerçevesini alt kümelere ayırma

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

R'de bir veri çerçevesinin alt kümesi

R'de bir veri çerçevesini sıralama

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

R'de sıralanmış bir veri çerçevesi

R'de bir veri çerçevesini özetleme

# Statistical summary
summary(data_frame)

R'de betimsel ya da istatistiksel özet

Yukarıdaki çıktılardan, R'de veri çerçevesi işlemlerini gerçekleştirmenin ne kadar kolay olduğunu görebilirsiniz. Veri analizine daha derinlemesine daldıkça, veri çerçevelerinin veri işleme, analiz ve görselleştirme için son derece esnek ve güçlü olduğunu fark edeceksiniz. Daha fazla işlev keşfetmek isterseniz R'de Veri Çerçeveleri eğitimimize göz atın. 

R ile Devam

Bu eğitim, R'deki çeşitli veri yapıları ve bunların gerçek dünyadaki veri analizi durumlarındaki uygulamalarına dair içgörüler sundu. Bu yapılarda ustalaşmak, verileri etkili şekilde yönetip analiz etmenizi sağlayarak analitik becerilerinizi geliştirecektir.

Yolculuğunuza devam ederken, R'nin güçlü istatistiksel yetenekleri ve kapsamlı kütüphaneleriyle tanınan benzersiz bir programlama dili olduğunu keşfedeceksiniz. Veri analizi dünyasına meraklı olan herkes için değerli bir yatırımdır. 

Daha fazla R eğitimi için lütfen aşağıdaki bağlantılara göz atın:

• R'ye başlarken
• R'ye Giriş
• Veri Çerçeveleri ile Çalışma

İlginizi çekiyorsa, R Programlama Mülakat Soruları & Yanıtları yazımızı okuyabilirsiniz; bu, bir mülakata hazırlanırken ya da sadece öğrenirken harika bir kaynaktır. Makale, yolculuğunuza devam ederken bilgi birikiminizdeki boşlukları belirlemenize yardımcı olacak geniş bir soru ve yanıt yelpazesi sunar.