Bài giảng Giới thiệu ngôn ngữ R

Tuan V. Nguyen Garvan Institute of Medical Research Professor, UNSW School of Public Health and Community Medicine Professor of Predictive Medicine, University of Technology Sydney Adj. Professor of Epidemiology and Biostatistics, School of Medicine Sydney, University of Notre Dame Australia

Phân tích dữ liệu và ứng dụng | Đại học Dược Hà Nội | 12/6 to 17/6/2019

Nội dung

• Vận hành

• Đọc dữ liệu vào R

• Biến số trong R

• Ngôn ngữ R

Một chút lịch sử

• R là "statistical and graphical programming

language" • Xuất phát từ S

– 1988 - S2: RA Becker, JM Chambers, A Wilks – 1992 - S3: JM Chambers, TJ Hastie – 1998 - S4: JM Chambers

• R được viết bởi Ross Ihaka và Robert

Gentleman (Đại học Auckland, New Zealand), 1990s

• Từ 1997: quốc tế hóa “R-core”, 15 người

Ngôn ngữ (phần mềm) R

• Mã nguồn mở - hoàn toàn miễn phí !

• Chạy trên Windows, Unix, MacOS.

• Do các chuyên gia thống kê phát triển

• Rất nhiều phương pháp phân tích, cơ bản đến nâng cao

• Biểu đồ chất lượng cao

• Các đại học và viện nghiên cứu rất chuộng R

• "Dân chủ hoá" phương pháp thống kê

cran.r-project.org

Installation of R on Windows

• Select Windows

• Select “base”

• Run à OK à Next

• Then Finish

– R icon on your desktop

RStudio

An “add-on” of R

RStudio http://rstudio.org

Giao điện RStudio

Vận hành R

R là tập hợp nhiều "packages"

R = Base + Packages

• Base là phần mềm cơ bản bao gồm một số hàm dùng cho phân

tích dữ liệu

• Packages là những modules dùng cho các phân tích chuyên

dụng

• Có hơn 6000 packages trong R

• Có thể tải về và cài đặt packages trực tiếp từ mạng

Một số packages phổ biến

Phân tích và mô hình

Vận hành và phân tích cơ bản

rms: Các mô hình hồi qui

foreign: đọc dữ liệu

car: Companion to regression analysis

gmodels: công cụ cho lập trình

survival: Phân tích sống còn

ggplot2: biểu đồ

cluster: Phân tích cụm

tables: mô tả bằng bảng số liệu

psych: Psychometrics

tableone: mô tả bằng bảng số liệu

DescTools: Phân tích mô tả

Cài đặt package (ví dụ)

Package có thể cài đặt trực tiếp nếu máy nối mạng:

install.packages(c("DescTools", "rms", "tables", "foreign", "gmodels", "ggplot2", "car", "survival", "boot", "cluster", "psych", "binom", "BMA")

• Tìm xem đang có package nào đã được cài đặt

library()

Object = đối tượng

• R vận hành theo đối tượng: biến số, dataset, input, output, v.v.

đều được xem là object

• Đối tượng phải có tên

• Tên đối tượng phân biệt chữ hoa và chữ thường

tuan, TUAN, Tuan

Văn phạm R

Tương tác với R

• Khởi động R

• Dùng mũi tên up/down arrow keys để tìm các lệnh trước

trong console

• Dùng mũi tên left/right keys để chỉnh sửa (edit) lệnh

• Dùng TAB để có thêm lựa chọn (rất có ích)

• Có thể viết nhiều lệnh trong 1 dòng, cách nhau bằng dấu ";"

Tên biến số (variable)

•

Dùng mẫu tự, số, kí hiệu (., -, _)

•

Kí hiệu "assignment": <- hoặc =

•

Phân biệt chữ thường và chữ hoa

Genotype = 5; genotype <- 7;

Geno.type = Genotype + genotype

R Session

> Genotype = 5 > genotype <- 7 > Geno.type = Genotype + genotype > Geno.type [1] 12

Hàm (function)

• Lệnh R = function

• Hàm phải có arguments

• Arguments bao gồm variable, parameters, options, v.v.

• Ví dụ: Phân tích mô hình y = a + bx

m1 = lm(y ~ x, data=test)

Function

• Lệnh R = function

• Hàm phải có arguments

• Ví dụ: Phân tích mô hình y = a + bx

m1 = lm(y ~ x, data = test)

Object name m1

Function lm = linear model

Arguments: variables: y, x dataset name

Đọc dữ liệu vào R

Các dữ liệu R có thể đọc

• Đọc trực tiếp

• ASCII và text files

• Excel / csv

• SAS, SPSS, Stata, etc.

• Databases

Đọc dữ liệu trực tiếp: c()

age

sex

age = c(18, 21, 35, 50) sex = c("M", "F", "M", "F") weight = c(60.3, 48.5, 62.0, 47.2)

# tạo thành dataset

dat = data.frame(age, sex, weight) dat

18 21 35 50

M F M F

weig ht 60.3 48.5 62.0 47.2

Dùng file.choose() để tìm file

Dùng file.choose()

t = file.choose()

– một cửa sổ sẽ hiện ra

– tìm file liên quan

t = read.csv(file.choose())

Đọc từ ascii files: read.table

File: "Hoa hau.txt"

YoB Year Height Weight 1971 1988 157 50 1969 1990 158 NA 1976 1992 174 NA 1976 1994 172 NA 1976 1996 170 NA 1976 1998 172 50 1980 2000 169 49 1985 2002 169 49 1985 2004 172 52 1988 2006 181 60 1990 2008 182 61.5 1989 2010 173 55 1991 2012 173 49 1996 2014 173 59

Đọc từ ascii files: read.table

hh = read.table("~/Dropbox/hoa hau.txt", header=T, na.strings="NA")

# Giải thích

read.table() – hàm R

header = dùng dòng đầu trong file làm tên của biến số

na.strings = "NA", lấy NA làm kí hiệu cho giá trị khống (missing values)

> hh

YoB Year Height Weight 1 1971 1988 157 50.0 2 1969 1990 158 NA 3 1976 1992 174 NA 4 1976 1994 172 NA 5 1976 1996 170 NA 6 1976 1998 172 50.0 7 1980 2000 169 49.0 8 1985 2002 169 49.0 9 1985 2004 172 52.0 10 1988 2006 181 60.0 11 1990 2008 182 61.5 12 1989 2010 173 55.0 13 1991 2012 173 49.0 14 1996 2014 173 59.0

Đọc dữ liệu từ excel

• Phức tạp (do cấu trúc excel thay đổi theo phiên bản)

– "Xuất khẩu" sang dạng csv

– Dùng hàm read.csv()

• Cách tốt nhất:

hh = read.csv("~/Dropbox/_Conferences and Workshops/Dai hoc Duoc 6-2019/Datasets/Hoa hau Vietnam.csv")

head(hh)

> head(hh)

Group Name Name.Viet City Region Crown.Year 1 Hoa Hau Bich Phuong B\x9di B\xcdch Ph__ng Hanoi North 1988 2 Hoa Hau Dieu Hoa Nguy_n Di_u Hoa Hanoi North 1990 3 Hoa Hau Kieu Anh H\x9a Ki_u Anh Hanoi North 1992 4 Hoa Hau Thuy Thuy Nguy_n Thu Th_y Hanoi North 1995 5 Hoa Hau Thien Nga Nguy_n Thi\x90n Nga Saigon South 1996 6 Hoa Hau Ngoc Khanh Nguy_n Th_ Ng_c Kh\x88nh Saigon South 1998

Year DoB Age Height Bust Waist Hip Weight 1 15/8/88 21/6/71 17.2 158 86 60 88 50 2 15/8/90 18/6/69 21.2 158 81 61 84 NA 3 15/8/92 7/7/76 16.1 169 85 62 87 NA 4 15/8/95 20/6/76 19.2 169 78 58 88 NA 5 15/8/96 25/6/75 21.2 170 87 64 92 NA 6 15/8/98 22/6/76 22.2 171 87 64 92 54