1
00:00:00,000 --> 00:00:00,750

2
00:00:00,750 --> 00:00:09,800
>> [Jouer de la musique]

3
00:00:09,800 --> 00:00:13,014

4
00:00:13,014 --> 00:00:13,680
DUSTIN TRAN: Salut.

5
00:00:13,680 --> 00:00:14,980
Dustin de mon nom.

6
00:00:14,980 --> 00:00:18,419
Donc, je vais présenter
Analyse des données dans l'arrêt R.

7
00:00:18,419 --> 00:00:19,710
Juste un peu de moi.

8
00:00:19,710 --> 00:00:24,320
Je suis actuellement étudiant diplômé en
les sciences de l'ingénieur et appliquées.

9
00:00:24,320 --> 00:00:28,330
Je étudie l'intersection de
l'apprentissage automatique et les statistiques

10
00:00:28,330 --> 00:00:31,375
donc l'analyse des données en R est
vraiment fondamentale à ce

11
00:00:31,375 --> 00:00:33,790
Je fais sur une base quotidienne.

12
00:00:33,790 --> 00:00:35,710
>> Et R représente en particulier
bon pour l'analyse des données

13
00:00:35,710 --> 00:00:39,310
parce que ce est très bon pour le prototypage.

14
00:00:39,310 --> 00:00:43,590
Et généralement, quand vous faites une sorte
l'analyse des données, un grand nombre de problèmes

15
00:00:43,590 --> 00:00:44,920
vont cognitive.

16
00:00:44,920 --> 00:00:48,700
Et si vous voulez juste pour avoir
certains vraiment bonne langue

17
00:00:48,700 --> 00:00:53,770
est juste bon pour faire
des fonctions intégrées, par opposition

18
00:00:53,770 --> 00:00:57,430
d'avoir à traiter avec les choses faibles de niveau.

19
00:00:57,430 --> 00:01:01,040
Donc, au début, je vais juste
d'introduire ce qui est R, pourquoi

20
00:01:01,040 --> 00:01:04,540
vous voulez l'utiliser, et
puis allez sur dans quelque démonstration,

21
00:01:04,540 --> 00:01:07,060
et juste à partir de là.

22
00:01:07,060 --> 00:01:08,150
>> Alors, quelle est R?

23
00:01:08,150 --> 00:01:11,180
R est simplement une langue développée
pour le calcul statistique

24
00:01:11,180 --> 00:01:12,450
et la visualisation.

25
00:01:12,450 --> 00:01:16,000
Donc ce que cela signifie, ce est que
ce est un très excellent langage

26
00:01:16,000 --> 00:01:22,400
pour toute sorte de chose qui traite de
l'incertitude ou la visualisation de données.

27
00:01:22,400 --> 00:01:24,850
Donc, vous avez tous ces
distributions de probabilité.

28
00:01:24,850 --> 00:01:27,140
Il va y avoir des
des fonctions intégrées.

29
00:01:27,140 --> 00:01:31,650
Vous aurez également excellente
traçant paquets.

30
00:01:31,650 --> 00:01:34,110
>> Python est un autre concurrent
langue pour les données.

31
00:01:34,110 --> 00:01:40,020
Et une chose que je trouve que R
est beaucoup mieux à la visualisation est.

32
00:01:40,020 --> 00:01:45,200
Donc, ce que vous verrez dans la démo que
bien, ce est juste un langage très intuitive

33
00:01:45,200 --> 00:01:48,050
qui fonctionne extrêmement bien.

34
00:01:48,050 --> 00:01:53,140
Il est également gratuit et open source, comme
est tout autre bon langage, je suppose.

35
00:01:53,140 --> 00:01:55,440
>> Et voici, un tas de tout
mots-clés jetés à vous.

36
00:01:55,440 --> 00:02:00,450
Ce est dynamique, ce qui signifie si vous avez un
type spécifique attribué à un objet

37
00:02:00,450 --> 00:02:02,025
qu'il ne vous reste plus qu'à le changer à la volée.

38
00:02:02,025 --> 00:02:05,670
Il est paresseux il est donc intelligent sur
comment il effectue des calculs.

39
00:02:05,670 --> 00:02:12,250
Fonctionnelle qui signifie qu'il peut vraiment fonctionner
basé sur de fonctions afin anything--

40
00:02:12,250 --> 00:02:16,910
toute sorte de manipulation vous êtes
faisant, elle sera basée hors fonctions.

41
00:02:16,910 --> 00:02:20,162
>> Ainsi, les opérateurs binaires, par exemple,
sont des fonctions intrinsèquement juste.

42
00:02:20,162 --> 00:02:21,870
Et tout ce qui
vous allez faire est

43
00:02:21,870 --> 00:02:24,690
va être ruissellement se fonctions.

44
00:02:24,690 --> 00:02:27,140
Et puis orienté objet ainsi.

45
00:02:27,140 --> 00:02:30,930
>> Voici donc un complot XKCD.

46
00:02:30,930 --> 00:02:34,350
Non seulement parce que je me sens comme
XKCD est fondamentale à toute sorte

47
00:02:34,350 --> 00:02:37,770
de la présentation, mais parce
Je me sens comme ce vraiment

48
00:02:37,770 --> 00:02:42,160
martèle le point que beaucoup de la
moment où vous faites une sorte de données

49
00:02:42,160 --> 00:02:46,570
analyse, le problème ne est pas
tellement à quelle vitesse il se exécute,

50
00:02:46,570 --> 00:02:49,850
mais combien de temps ça va
vous amène à programmer la tâche.

51
00:02:49,850 --> 00:02:54,112
Voici donc simplement analyser si
stratégie a ou b est plus efficace.

52
00:02:54,112 --> 00:02:55,820
Cela va être
quelque chose que vous êtes

53
00:02:55,820 --> 00:02:58,290
va traiter beaucoup avec en
tri des langages de bas niveau

54
00:02:58,290 --> 00:03:03,440
où vous avez affaire à des défauts de seg,
allocation de mémoire, initialisations,

55
00:03:03,440 --> 00:03:05,270
même en faisant les fonctions intégrées.

56
00:03:05,270 --> 00:03:09,920
Et ce genre de choses est tout traité
très, très élégante dans R.

57
00:03:09,920 --> 00:03:12,839
>> Donc, juste pour marteler ce
point, le principal goulet d'étranglement

58
00:03:12,839 --> 00:03:13,880
va être cognitive.

59
00:03:13,880 --> 00:03:17,341
Donc, l'analyse des données est un problème très difficile.

60
00:03:17,341 --> 00:03:19,340
Que vous fassiez
l'apprentissage de la machine ou vous êtes

61
00:03:19,340 --> 00:03:22,550
faire juste une sorte de
l'exploration de données de base,

62
00:03:22,550 --> 00:03:25,290
vous ne voulez pas avoir
de prendre un document

63
00:03:25,290 --> 00:03:27,440
puis compiler
quelque chose chaque fois que vous

64
00:03:27,440 --> 00:03:31,010
voulez voir ce que une colonne ressemble,
ce notamment entrées dans une matrice

65
00:03:31,010 --> 00:03:32,195
ressemble.

66
00:03:32,195 --> 00:03:34,320
Donc, vous voulez juste pour avoir
certains l'interface vraiment agréable

67
00:03:34,320 --> 00:03:37,740
vous pouvez exécuter une fonction simple
qui indexe à quelque

68
00:03:37,740 --> 00:03:41,870
vous souhaitez et juste exécutez à partir de là.

69
00:03:41,870 --> 00:03:44,190
Et vous avez besoin domaine
langues spécifiques pour cela.

70
00:03:44,190 --> 00:03:51,750
Et R va vraiment vous aider à définir la
problème et le résoudre de cette manière.

71
00:03:51,750 --> 00:03:58,690
>> Donc, voici un graphique montrant la programmation
la popularité de R comme il a disparu au fil du temps.

72
00:03:58,690 --> 00:04:04,060
Donc, comme vous pouvez le voir, comme 2013 ou
donc ça fait sauter énormément.

73
00:04:04,060 --> 00:04:09,570
Et cela a été à cause de cela
grande tendance dans l'industrie de la technologie

74
00:04:09,570 --> 00:04:10,590
à propos de big data.

75
00:04:10,590 --> 00:04:13,010
En outre, non seulement la technologie
l'industrie, mais vraiment

76
00:04:13,010 --> 00:04:16,490
toute that-- de l'industrie parce
beaucoup d'industries

77
00:04:16,490 --> 00:04:20,589
sont sorte de fondamental pour
essayer de résoudre ces problèmes.

78
00:04:20,589 --> 00:04:24,590
Et généralement, vous pouvez avoir une bonne
façon de mesurer ces problèmes

79
00:04:24,590 --> 00:04:29,720
ou même de les définir ou
les résoudre en utilisant des données.

80
00:04:29,720 --> 00:04:35,430
Donc, je pense que maintenant R est le 11e
langue la plus populaire sur TIOBE

81
00:04:35,430 --> 00:04:38,200
et il a été de plus en plus depuis lors.

82
00:04:38,200 --> 00:04:40,740

83
00:04:40,740 --> 00:04:43,080
>> Alors, voici un peu plus
caractéristiques de R. Il a

84
00:04:43,080 --> 00:04:46,900
un nombre énorme de paquets et
pour toutes ces choses différentes.

85
00:04:46,900 --> 00:04:52,470
Donc, chaque fois que vous avez un
certain problème, la plupart

86
00:04:52,470 --> 00:04:55,060
le temps R aura
cette fonction pour vous.

87
00:04:55,060 --> 00:04:58,520
Donc, si vous voulez
construire une sorte de machine

88
00:04:58,520 --> 00:05:02,770
algorithme d'apprentissage appelé
Forêt aléatoire ou les arbres de décision,

89
00:05:02,770 --> 00:05:07,530
ou même essayer de prendre la moyenne des
une fonction ou un de ces trucs,

90
00:05:07,530 --> 00:05:10,000
R aura que.

91
00:05:10,000 --> 00:05:14,190
>> Et si vous ne vous souciez
optimisation, une chose qui est commune

92
00:05:14,190 --> 00:05:17,430
est qu'une fois que vous avez terminé prototypage
une sorte de langage de haut niveau,

93
00:05:17,430 --> 00:05:19,810
vous jeter ce in--
Vous aurez juste port plus

94
00:05:19,810 --> 00:05:21,550
à un langage de bas niveau.

95
00:05:21,550 --> 00:05:26,090
Ce qui est bien R est qu'une fois que vous êtes
prototypage fait, vous pouvez exécuter C ++,

96
00:05:26,090 --> 00:05:29,510
ou Fortran, ou l'une de ces
ceux de niveau inférieur directement dans R.

97
00:05:29,510 --> 00:05:32,320
Donc, ce est vraiment une
fonctionnalité intéressante à propos de R,

98
00:05:32,320 --> 00:05:35,930
si vous vous souciez vraiment
le point d'optimisation.

99
00:05:35,930 --> 00:05:39,490
>> Et ce est également très bon
pour les visualisations Web.

100
00:05:39,490 --> 00:05:43,530
Donc D3.js, par exemple, est
Je suppose un autre séminaire

101
00:05:43,530 --> 00:05:45,130
que nous avons présenté aujourd'hui.

102
00:05:45,130 --> 00:05:48,510
Et ce est vraiment génial pour
faire des visualisations interactives.

103
00:05:48,510 --> 00:05:54,460
Et D3.js suppose que vous avez
une sorte de données à tracer

104
00:05:54,460 --> 00:05:58,080
et R est un excellent moyen d'être en mesure de le faire
l'analyse de données avant de l'exporter

105
00:05:58,080 --> 00:06:04,220
vers D3.js ou même simplement de fonctionner
D3.js commandes en R lui-même,

106
00:06:04,220 --> 00:06:08,240
ainsi que tous ceux-ci
d'autres bibliothèques ainsi.

107
00:06:08,240 --> 00:06:13,041
>> Donc, ce était juste l'introduction de
ce qui est R et pourquoi vous pourriez utiliser.

108
00:06:13,041 --> 00:06:14,790
Donc, je espère, je ai
vous a convaincu quelque chose

109
00:06:14,790 --> 00:06:18,460
à propos juste essayer de voir ce que ce est.

110
00:06:18,460 --> 00:06:23,930
Donc, je vais aller de l'avant et passer par
certains principes de base sur les objets R

111
00:06:23,930 --> 00:06:26,150
et ce que vous pouvez vraiment faire.

112
00:06:26,150 --> 00:06:29,690
>> Donc, voici juste un
tas de commandes mathématiques.

113
00:06:29,690 --> 00:06:35,000
Alors dites you're-- vous voulez construire
vous langue et vous voulez juste

114
00:06:35,000 --> 00:06:38,080
d'avoir un tas de différents outils.

115
00:06:38,080 --> 00:06:42,520
Toute sorte d'opération que vous pensez que vous feriez
voulons, ce est à peu près va être dans l'arrêt R.

116
00:06:42,520 --> 00:06:44,150
>> Voici donc 2 + 2.

117
00:06:44,150 --> 00:06:46,090
Voici 2 fois pi.

118
00:06:46,090 --> 00:06:51,870
R a un tas de constantes intégrées
que vous utilisez fréquemment comme pi, e.

119
00:06:51,870 --> 00:06:56,230
>> Et puis, voici 7 plus
runif, afin runif de 1.

120
00:06:56,230 --> 00:07:02,450
Ce est une fonction qui est produit
une aléatoire uniforme entre 0 et 1.

121
00:07:02,450 --> 00:07:04,400
Et puis il ya trois à la puissance de quatre.

122
00:07:04,400 --> 00:07:06,430
Il ya des racines carrées.

123
00:07:06,430 --> 00:07:07,270
>> Il ya journal.

124
00:07:07,270 --> 00:07:14,500
Alors connectez fera de base
exponentielle par lui-même.

125
00:07:14,500 --> 00:07:18,337
Et puis, si vous spécifiez une base, puis
vous pouvez faire ce que vous voulez de base.

126
00:07:18,337 --> 00:07:19,920
Et puis voici quelques autres commandes.

127
00:07:19,920 --> 00:07:22,180
Donc, vous avez 23 mod 2.

128
00:07:22,180 --> 00:07:24,910
Ensuite, vous avez le reste.

129
00:07:24,910 --> 00:07:27,110
Ensuite, vous avez scientifiques
notation si vous aussi

130
00:07:27,110 --> 00:07:34,060
envie de faire un peu plus et
des choses plus compliquées.

131
00:07:34,060 --> 00:07:37,320
>> Voici donc affectation.

132
00:07:37,320 --> 00:07:40,830
Donc missions typiques
R est effectuée avec une flèche

133
00:07:40,830 --> 00:07:43,440
il est donc moins de puis le trait d'union.

134
00:07:43,440 --> 00:07:47,250
Donc ici, je suis juste attribution
3 à la val variable.

135
00:07:47,250 --> 00:07:50,160
>> Et puis je imprimer val
puis il affiche trois.

136
00:07:50,160 --> 00:07:53,920
Par défaut dans la R interprète, il
imprimera les choses pour vous

137
00:07:53,920 --> 00:07:57,280
de sorte que vous ne avez pas à spécifier imprimer un val
chaque fois que vous souhaitez imprimer quelque chose.

138
00:07:57,280 --> 00:08:00,200
Vous pouvez juste faire val et
alors il va le faire pour vous.

139
00:08:00,200 --> 00:08:04,380
>> En outre, vous pouvez utiliser égaux technique
comme un opérateur d'affectation.

140
00:08:04,380 --> 00:08:07,190
Il ya de légères subtilités
entre l'utilisation de la flèche

141
00:08:07,190 --> 00:08:10,730
opérateur et les égaux
opérateur pour les affectations.

142
00:08:10,730 --> 00:08:15,470
Surtout, par convention, tout le monde
va juste utiliser l'opérateur de flèche.

143
00:08:15,470 --> 00:08:21,850
>> Et ici, je vais confier cette
notation oblique appelé une virgule six.

144
00:08:21,850 --> 00:08:26,010
Cela génère un vecteur de 1 à 6.

145
00:08:26,010 --> 00:08:29,350
Et cela vraiment sympa car alors
vous venez d'attribuer le vecteur d'val

146
00:08:29,350 --> 00:08:34,270
et qui fonctionne par lui-même.

147
00:08:34,270 --> 00:08:37,799
>> Donc, ce est déjà en cours à partir d'un
single-- une donnée très intuitive

148
00:08:37,799 --> 00:08:41,070
la structure de seulement un double de
un certain type de Type dans un vecteur

149
00:08:41,070 --> 00:08:45,670
et qui permettra de recueillir tous
les valeurs scalaires pour vous.

150
00:08:45,670 --> 00:08:50,770
Ainsi, après allant de scalaire, vous
avoir des objets R et ce est un vecteur.

151
00:08:50,770 --> 00:08:55,610
Un vecteur est toute sorte de
collection de même type.

152
00:08:55,610 --> 00:08:58,150
Donc, voici un tas de vecteurs.

153
00:08:58,150 --> 00:08:59,800
>> Donc, ce est numérique.

154
00:08:59,800 --> 00:09:02,440
Numérique est la façon de dire R double.

155
00:09:02,440 --> 00:09:07,390
Et donc, par défaut, toute
nombre sera un double.

156
00:09:07,390 --> 00:09:13,150
>> Donc si vous avez des c 1,1, 3,
5.7 négative, le c est une fonction.

157
00:09:13,150 --> 00:09:16,760
Ce enchaîne tous les trois
numéros dans un vecteur.

158
00:09:16,760 --> 00:09:19,619
Et ce sera être-- si
vous remarquez 3 par lui-même,

159
00:09:19,619 --> 00:09:21,910
Normalement, il faut assumer
que ce est comme un entier,

160
00:09:21,910 --> 00:09:25,050
mais parce que tous les vecteurs
sont de même type,

161
00:09:25,050 --> 00:09:28,660
ce est un vecteur de doubles
ou numérique dans ce cas.

162
00:09:28,660 --> 00:09:34,920
>> rnorm est une fonction qui génère
variables-- normale standard

163
00:09:34,920 --> 00:09:36,700
ou des valeurs normales standard.

164
00:09:36,700 --> 00:09:38,360
Et je spécifiant deux d'entre eux.

165
00:09:38,360 --> 00:09:43,840
Donc je fais rnorm 2, attribuant cela à
devs, et puis je suis imprimer devs.

166
00:09:43,840 --> 00:09:47,350
Donc, ce ne sont que deux
valeurs normales aléatoires.

167
00:09:47,350 --> 00:09:50,060
>> Et puis si vous faites Ints
vous vous souciez de nombres entiers.

168
00:09:50,060 --> 00:09:54,650
Donc, ce est juste sur la mémoire
répartition et l'épargne taille de la mémoire.

169
00:09:54,650 --> 00:10:01,460
Donc, vous auriez à ajouter
vos numéros de la capitale L.

170
00:10:01,460 --> 00:10:04,170
>> En général, il se agit
Historique de la notation R

171
00:10:04,170 --> 00:10:06,940
pour quelque chose appelé entier long.

172
00:10:06,940 --> 00:10:09,880
Donc, la plupart du temps, vous aurez
avoir affaire avec des doubles.

173
00:10:09,880 --> 00:10:15,180
Et si jamais vous le fera plus tard
sur optimiser votre code,

174
00:10:15,180 --> 00:10:18,110
vous pouvez simplement ajouter ces L's
après ou pendant celle-ci

175
00:10:18,110 --> 00:10:22,280
si vous êtes comme prémonitoire de ce
vous allez faire ces variables.

176
00:10:22,280 --> 00:10:25,340

177
00:10:25,340 --> 00:10:26,890
>> Voici donc un vecteur de caractères.

178
00:10:26,890 --> 00:10:31,440
Donc, encore une fois, je suis concaténation
trois cordes cette fois.

179
00:10:31,440 --> 00:10:36,230
Notez que doubles cordes et
cordes simples sont les mêmes dans R.

180
00:10:36,230 --> 00:10:41,000
Je ai donc Arthur et Marvin et ainsi
quand je l'imprimer, chacun d'eux

181
00:10:41,000 --> 00:10:43,210
allons montrer cordes doubles.

182
00:10:43,210 --> 00:10:45,880
Et si vous voulez aussi inclure
la chaîne double ou simple

183
00:10:45,880 --> 00:10:50,070
dans vos personnages, vous pouvez
soit alterner vos cordes.

184
00:10:50,070 --> 00:10:53,540
>> Donc Marvin pour le
second élément, ce est

185
00:10:53,540 --> 00:10:56,380
vais vous show--
avoir juste cordes doubles

186
00:10:56,380 --> 00:10:59,050
puis une seule chaîne
si ce est alternative.

187
00:10:59,050 --> 00:11:04,040
Sinon, si vous souhaitez utiliser une double
opérateur de chaîne dans une double chaîne

188
00:11:04,040 --> 00:11:07,090
lorsque vous déclarer, puis
il suffit d'utiliser l'opérateur d'échappement.

189
00:11:07,090 --> 00:11:10,600
Donc, vous faites la barre oblique inverse à double chaîne.

190
00:11:10,600 --> 00:11:13,330
>> Et enfin, nous avons aussi
avoir vecteurs logiques.

191
00:11:13,330 --> 00:11:15,890
Donc si vrai logical--
et le faux, et ils sont

192
00:11:15,890 --> 00:11:18,880
va être tout en majuscules.

193
00:11:18,880 --> 00:11:22,370
Et puis, encore une fois, je suis concaténation
eux et ensuite de les affecter à bools.

194
00:11:22,370 --> 00:11:24,590
Donc bools va montrer
vous TRUE, FALSE et TRUE.

195
00:11:24,590 --> 00:11:28,280

196
00:11:28,280 --> 00:11:31,620
>> Voici donc l'indexation vectorisé.

197
00:11:31,620 --> 00:11:34,870
Donc, au début, je ai
prends un function--

198
00:11:34,870 --> 00:11:39,230
cela se appelle un sequence--
séquence de 2 à 12.

199
00:11:39,230 --> 00:11:42,490
Et je vais prendre une séquence en deux.

200
00:11:42,490 --> 00:11:46,660
Donc, il va faire
2, 4, 6, 8, 10 et 12.

201
00:11:46,660 --> 00:11:50,080
Et puis, je suis indexation
pour obtenir le troisième élément.

202
00:11:50,080 --> 00:11:55,770
>> Donc, une chose à garder à l'esprit est
ce que R index par à partir de 1.

203
00:11:55,770 --> 00:12:00,550
Donc Vals 3 va donner
vous le troisième élément.

204
00:12:00,550 --> 00:12:04,580
Ce est une sorte de différent des autres
langues où il commence à partir de zéro.

205
00:12:04,580 --> 00:12:09,780
Donc, en C ou C ++, par exemple, vous êtes
allez obtenir le quatrième élément.

206
00:12:09,780 --> 00:12:13,280
>> Et voici vals 3-5.

207
00:12:13,280 --> 00:12:16,030
Donc, une chose ce est
vraiment cool ce est que vous

208
00:12:16,030 --> 00:12:20,410
peut générer des variables temporaires à l'intérieur
et puis juste les utiliser à la volée.

209
00:12:20,410 --> 00:12:21,960
Voici donc 3-5.

210
00:12:21,960 --> 00:12:25,070
Je suis donc générer un vecteur
3, 4 et 5, puis

211
00:12:25,070 --> 00:12:29,700
Je indexation pour obtenir la troisième,
quatrième et cinquième éléments.

212
00:12:29,700 --> 00:12:32,280
>> Pareillement, vous pouvez
abstraite ce faire juste

213
00:12:32,280 --> 00:12:35,280
toute sorte d'un vecteur
qui vous donne l'indexation.

214
00:12:35,280 --> 00:12:40,050
Voici donc vals, puis le
première, troisième et sixième éléments.

215
00:12:40,050 --> 00:12:42,800
Et puis, si vous voulez
faire un complément,

216
00:12:42,800 --> 00:12:45,210
de sorte que vous venez de faire le signe moins
par la suite et qui va

217
00:12:45,210 --> 00:12:48,600
vous donner tout ce qui ne est pas le
premier, troisième ou sixième élément.

218
00:12:48,600 --> 00:12:51,590
Ce sera donc 4, 8 et 10.

219
00:12:51,590 --> 00:12:54,380
>> Et si vous voulez obtenir
encore plus avancé,

220
00:12:54,380 --> 00:12:57,610
vous pouvez concaténer vecteurs booléens.

221
00:12:57,610 --> 00:13:05,210
Donc, cet indice va vous donner
ce vecteur booléenne de longueur 6.

222
00:13:05,210 --> 00:13:07,280
Donc représentant virgule TRUE 3.

223
00:13:07,280 --> 00:13:09,680
Cela répéter TRUE trois fois.

224
00:13:09,680 --> 00:13:12,900
Donc, cela vous donnera une
vecteur TRUE, TRUE, TRUE.

225
00:13:12,900 --> 00:13:17,470
>> rep FALSE 4-- cela va vous donner
un vecteur de FAUX, FAUX, FAUX, FAUX.

226
00:13:17,470 --> 00:13:21,280
Et puis c va concaténer
ces deux booléens ensemble.

227
00:13:21,280 --> 00:13:24,090
Donc, vous allez obtenir trois
Trues et puis quatre faux.

228
00:13:24,090 --> 00:13:28,460
>> Alors que lorsque vous vals d'index, vous êtes
aller pour obtenir le VRAI, VRAI,.

229
00:13:28,460 --> 00:13:31,420
Donc cela va dire oui,
Je veux que ces trois éléments.

230
00:13:31,420 --> 00:13:33,520
Et puis FAUX, FAUX,
FAUX, FAUX va

231
00:13:33,520 --> 00:13:37,140
de dire non, je ne veux pas que ces éléments
donc il ne va pas les renvoyer.

232
00:13:37,140 --> 00:13:41,490
>> Et je crois qu'il ya effectivement une faute de frappe ici
parce que ce est de dire la répétition TRUE 3

233
00:13:41,490 --> 00:13:47,990
et répéter FALSE 4, et techniquement, vous
seulement six éléments ont donc répéter FALSE,

234
00:13:47,990 --> 00:13:50,470
il devrait être répétition FALSE 3.

235
00:13:50,470 --> 00:13:55,260
Je pense que R est également assez intelligente telles
que si vous suffit de spécifier quatre ici, puis

236
00:13:55,260 --> 00:13:56,630
il sera même pas erreur sur.

237
00:13:56,630 --> 00:13:58,480
Il va juste vous donner cette valeur.

238
00:13:58,480 --> 00:14:00,970
Donc, il va simplement ignorer cette quatrième FALSE.

239
00:14:00,970 --> 00:14:05,310

240
00:14:05,310 --> 00:14:09,270
>> Voici donc l'affectation vectorisé.

241
00:14:09,270 --> 00:14:15,480
Donc set.seed-- cela crée juste le
semences pour nombres pseudo-aléatoires.

242
00:14:15,480 --> 00:14:20,110
Je suis donc mise à la graine de
42, ce qui signifie que si je produis

243
00:14:20,110 --> 00:14:22,950
trois aléatoire normale
les valeurs, et puis si vous

244
00:14:22,950 --> 00:14:27,400
RUN set.seed sur votre propre
ordinateur en utilisant 42 la même valeur,

245
00:14:27,400 --> 00:14:30,990
alors vous obtenez également le
mêmes trois normales aléatoires.

246
00:14:30,990 --> 00:14:33,411
>> Donc, ce est vraiment bon
pour la reproductibilité.

247
00:14:33,411 --> 00:14:35,910
Habituellement, lorsque vous faites une certaine
type d'analyse scientifique,

248
00:14:35,910 --> 00:14:37,230
vous voulez mettre la graine.

249
00:14:37,230 --> 00:14:41,270
De cette façon, d'autres scientifiques pouvez juste
reproduire exactement le même code que vous avez

250
00:14:41,270 --> 00:14:44,790
fait parce qu'ils auront l'exacte
mêmes variables aléatoires that-- ou aléatoire

251
00:14:44,790 --> 00:14:47,270
valeurs que vous avez prises aussi bien.

252
00:14:47,270 --> 00:14:49,870

253
00:14:49,870 --> 00:14:53,910
>> Et donc l'affectation vectorisé
ici est de montrer les vals 1-2.

254
00:14:53,910 --> 00:14:59,290
Il faut donc les deux premiers éléments
de Vals et les affecte à 0.

255
00:14:59,290 --> 00:15:03,940
Et puis, vous pouvez aussi juste faire le
même chose avec les booléens.

256
00:15:03,940 --> 00:15:09,340
>> Donc vals ne est pas égale à cette volonté 0--
vous donner une fausse vectoriel, FALSE, TRUE

257
00:15:09,340 --> 00:15:10,350
dans ce cas.

258
00:15:10,350 --> 00:15:13,770
Et puis, il va dire toute
de ces indices qui était vrai,

259
00:15:13,770 --> 00:15:15,270
alors il va attribuer ce à 5.

260
00:15:15,270 --> 00:15:18,790
Il faut donc le troisième élément
ici et il assigne à 5.

261
00:15:18,790 --> 00:15:22,300
>> Et ce est vraiment sympa
par rapport aux langages de bas niveau

262
00:15:22,300 --> 00:15:25,560
où vous devez utiliser pour les boucles
de faire tout ce genre de choses vectorisé

263
00:15:25,560 --> 00:15:30,281
parce que ce est très intuitif
et ce est un simple one-liner.

264
00:15:30,281 --> 00:15:32,030
Et ce qui est formidable à propos
notation vectorisé

265
00:15:32,030 --> 00:15:37,020
ce est que dans R, ceux-ci sont en quelque sorte
intégré de sorte qu'ils sont presque aussi rapide

266
00:15:37,020 --> 00:15:42,490
que faire dans un langage de bas niveau comme
plutôt que de faire une boucle dans la R

267
00:15:42,490 --> 00:15:46,317
et ayant alors qu'il fasse
l'indexation dynamique elle-même.

268
00:15:46,317 --> 00:15:48,900
Et ce sera plus lent que de faire
ce genre de chose vectorisé

269
00:15:48,900 --> 00:15:55,950
où il peut le faire en parallèle, où
qu'il fait dans le filetage essentiellement.

270
00:15:55,950 --> 00:15:58,650
>> Voici donc vectorisée opérations.

271
00:15:58,650 --> 00:16:04,920
Je suis donc générer une valeur de 1 à 3,
attribuer à cette vec1, 3 à 5, vec2,

272
00:16:04,920 --> 00:16:05,950
les additionner.

273
00:16:05,950 --> 00:16:11,490
Il les ajoute composante par composante, afin
ce est une plus 3, 2 plus 4, et ainsi de suite.

274
00:16:11,490 --> 00:16:13,330
>> vec1 fois vec2.

275
00:16:13,330 --> 00:16:16,110
Ceci multiplie les deux
valeurs composant sage.

276
00:16:16,110 --> 00:16:21,830
Donc, ce est une fois 3, 2 fois
4, puis 3 fois 5.

277
00:16:21,830 --> 00:16:28,250
>> Et puis, même, vous pouvez également faire
comparisons-- comparaisons logiques.

278
00:16:28,250 --> 00:16:33,640
Donc, ce est FAUX VRAI FAUX dans ce
une affaire parce que ne est pas supérieur à 3,

279
00:16:33,640 --> 00:16:35,920
2 ne est pas supérieur à 4.

280
00:16:35,920 --> 00:16:41,160
Ce est, je suppose, une autre faute de frappe, 3
est certainement pas supérieur à 5.

281
00:16:41,160 --> 00:16:41,660
Ouais.

282
00:16:41,660 --> 00:16:45,770
Et ainsi vous pouvez juste faire tout
ces opérations simples

283
00:16:45,770 --> 00:16:48,350
parce que leur héritée
parmi les classes elles-mêmes.

284
00:16:48,350 --> 00:16:51,110

285
00:16:51,110 --> 00:16:52,580
>> Donc, ce était juste le vecteur.

286
00:16:52,580 --> 00:16:56,530
Et ce est en quelque sorte le plus fondamental
R parce objet donné un vecteur,

287
00:16:56,530 --> 00:16:59,170
vous pouvez construire des objets plus avancés.

288
00:16:59,170 --> 00:17:00,560
>> Alors, voici une matrice.

289
00:17:00,560 --> 00:17:05,030
Ce est essentiellement l'abstraction
de ce qu'est une matrice elle-même.

290
00:17:05,030 --> 00:17:10,099
Donc dans ce cas, il est trois différente
vecteurs, où chacun est une colonne,

291
00:17:10,099 --> 00:17:12,710
ou vous pouvez considérer
que chacun est une rangée.

292
00:17:12,710 --> 00:17:18,250
>> Je suis donc stocker une matrice de 1 à
9 puis je suis spécifiant trois rangées.

293
00:17:18,250 --> 00:17:23,364
Donc 1-9 vous donnera un vecteur 1,
2, 3, 4, 5, 6, et tout le chemin à 9.

294
00:17:23,364 --> 00:17:29,250
>> Une chose à garder à l'esprit est que
R magasins valeurs en format colonne majeure.

295
00:17:29,250 --> 00:17:34,160
Donc, en d'autres termes, quand vous voyez une
à 9, il va stocker eux--

296
00:17:34,160 --> 00:17:36,370
ça va être 1, 2,
3 dans la première colonne,

297
00:17:36,370 --> 00:17:38,510
puis il va faire 4, 5,
6 dans la deuxième colonne,

298
00:17:38,510 --> 00:17:41,440
puis 7, 8, 9 dans la troisième colonne.

299
00:17:41,440 --> 00:17:45,570
>> Et voici quelques autres
fonctions communes que vous pouvez utiliser.

300
00:17:45,570 --> 00:17:49,650
Donc mat dim, cela vous donnera
les dimensions de la matrice.

301
00:17:49,650 --> 00:17:52,620
Il va vous revenir
un vecteur de la dimension.

302
00:17:52,620 --> 00:17:55,580
Donc dans ce cas, parce
notre matrice est 3 par 3,

303
00:17:55,580 --> 00:18:01,900
ça va vous donner un
vecteur numérique ce est 3 3.

304
00:18:01,900 --> 00:18:05,270
>> Et ici, ce est juste montrer
la multiplication de matrices.

305
00:18:05,270 --> 00:18:11,970
Donc, en général, si vous faites juste
asterisk-- afin mat astérisque mat--

306
00:18:11,970 --> 00:18:15,380
cela va être
fonctionnement du composant sage-

307
00:18:15,380 --> 00:18:17,300
ou ce qu'on appelle le produit de Hadamard.

308
00:18:17,300 --> 00:18:21,310
Donc, il va faire chaque
élément constitutif sage.

309
00:18:21,310 --> 00:18:23,610
Cependant, si vous voulez
matrice multiplication--

310
00:18:23,610 --> 00:18:29,380
si multipliant les première fois en rangée
la première colonne de la deuxième matrice

311
00:18:29,380 --> 00:18:34,510
et ainsi de on-- vous pouvez utiliser
cette opération pour cent.

312
00:18:34,510 --> 00:18:38,110
>> Et t de tapis est juste une
opération de transposition.

313
00:18:38,110 --> 00:18:42,590
Je dis donc prendre la transposer dans
la matrice, multiplier par la matrice

314
00:18:42,590 --> 00:18:43,090
lui-même.

315
00:18:43,090 --> 00:18:45,006
Et puis ça va
revenir à vous un autre 3

316
00:18:45,006 --> 00:18:50,700
de 3 matrice démontrant
le produit que vous voudriez.

317
00:18:50,700 --> 00:18:53,750
>> Et donc ce était matrice.

318
00:18:53,750 --> 00:18:56,020
Voici ce que l'on appelle une trame de données.

319
00:18:56,020 --> 00:19:00,780
Une trame de données que vous pouvez penser que
une matrice, chaque colonne elle-même, mais

320
00:19:00,780 --> 00:19:02,990
va être d'un type différent.

321
00:19:02,990 --> 00:19:07,320
>> Donc, ce est vraiment cool sur les données
cadres est que dans l'analyse des données lui-même,

322
00:19:07,320 --> 00:19:11,260
vous allez avoir tout cela
données hétérogènes et tout cela vraiment

323
00:19:11,260 --> 00:19:15,640
les choses en désordre où chaque des colonnes
eux-mêmes peuvent être de différents types.

324
00:19:15,640 --> 00:19:21,460
Donc ici, je veux dire créer un
trame de données, faire ints 1-3,

325
00:19:21,460 --> 00:19:24,750
puis ont aussi un vecteur de caractères.

326
00:19:24,750 --> 00:19:28,470
Donc je peux indice par le biais
chacune de ces colonnes

327
00:19:28,470 --> 00:19:30,930
et puis je vais chercher les valeurs elles-mêmes.

328
00:19:30,930 --> 00:19:34,370
Et vous pouvez également faire une sorte
des opérations sur des trames de données.

329
00:19:34,370 --> 00:19:38,040
Et la plupart du temps lorsque vous êtes
faire de l'analyse de données ou une sorte

330
00:19:38,040 --> 00:19:42,042
de prétraitement, vous serez
travailler avec ces structures de données

331
00:19:42,042 --> 00:19:44,250
où chaque colonne va
être d'un type différent.

332
00:19:44,250 --> 00:19:47,880

333
00:19:47,880 --> 00:19:52,970
>> Enfin, ce sont donc essentiellement juste
les quatre objets essentiels dans Liste R.

334
00:19:52,970 --> 00:19:55,820
sera simplement recueillir toute
d'autres objets que vous souhaitez.

335
00:19:55,820 --> 00:20:00,130
Donc, il va stocker ceci dans une
variable que vous pouvez facilement accéder.

336
00:20:00,130 --> 00:20:02,370
>> Donc ici, je prends une liste.

337
00:20:02,370 --> 00:20:04,460
Je dis des choses est égal à 3.

338
00:20:04,460 --> 00:20:08,060
Donc, je vais avoir un élément de
la liste, ce qui est appelé des choses,

339
00:20:08,060 --> 00:20:10,570
et il va avoir la valeur 3.

340
00:20:10,570 --> 00:20:13,140
>> Je peux aussi créer une matrice.

341
00:20:13,140 --> 00:20:17,970
Donc, ce est 1-4 et la ligne de fin
est égal à 2, donc une matrice 2 par 2.

342
00:20:17,970 --> 00:20:20,270
Également dans la liste et ce est ce qu'on appelle tapis.

343
00:20:20,270 --> 00:20:24,690
moreStuff, une chaîne de caractères,
et même une autre liste en soi.

344
00:20:24,690 --> 00:20:27,710
>> Donc, ce est une liste qui est 5 et l'ours.

345
00:20:27,710 --> 00:20:30,990
Ainsi, il a la valeur 5 et il
a l'ours de chaîne de caractères

346
00:20:30,990 --> 00:20:32,710
et ce est une liste dans une liste.

347
00:20:32,710 --> 00:20:35,965
Ainsi, vous pouvez avoir ces
choses récursifs où

348
00:20:35,965 --> 00:20:38,230
vous avez un another--
entrez dans le type.

349
00:20:38,230 --> 00:20:41,420
Pareillement, vous pouvez avoir une matrice
dans une autre matrice et ainsi de suite.

350
00:20:41,420 --> 00:20:44,264
Et la liste est juste un bon moyen
de collecte et d'agrégation

351
00:20:44,264 --> 00:20:45,430
tous ces différents objets.

352
00:20:45,430 --> 00:20:50,210

353
00:20:50,210 --> 00:20:57,150
>> Et enfin, voici tout juste aider en cas
ce était simplement parti sur de très rapidement.

354
00:20:57,150 --> 00:21:01,350
Donc, quand vous êtes confus
d'une sorte de fonction,

355
00:21:01,350 --> 00:21:03,510
vous pouvez faire de l'aide de cette fonction.

356
00:21:03,510 --> 00:21:07,120
Ainsi, vous pouvez faire pour aider matrice
ou une matrice de point d'interrogation.

357
00:21:07,120 --> 00:21:11,430
Et l'aide et le point d'interrogation sont
juste un raccourci pour la même chose

358
00:21:11,430 --> 00:21:13,040
ils sont donc alias.

359
00:21:13,040 --> 00:21:16,820
>> lm est une fonction qui
n'a tout simplement un modèle linéaire.

360
00:21:16,820 --> 00:21:20,340
Mais si vous avez juste aucune idée de la façon dont
œuvres, vous pouvez juste faire aide de LM

361
00:21:20,340 --> 00:21:24,610
et que vais vous donner quelques
sorte de documentation

362
00:21:24,610 --> 00:21:27,960
regarde un peu comme un
page de manuel Unix, où

363
00:21:27,960 --> 00:21:34,210
vous avez une courte description de ce
il le fait, aussi ce que ses arguments sont,

364
00:21:34,210 --> 00:21:38,850
ce qu'il retourne, et que des conseils sur la façon
de l'utiliser, et quelques exemples ainsi.

365
00:21:38,850 --> 00:21:41,680

366
00:21:41,680 --> 00:21:52,890
>> Alors laissez-moi aller de l'avant et de montrer
une certaine démonstration de l'utilisation de R. OK.

367
00:21:52,890 --> 00:21:55,470
Alors je suis allé sur de très
rapidement uniquement les données

368
00:21:55,470 --> 00:21:59,440
structures et une sorte de la
op-- certaines des opérations.

369
00:21:59,440 --> 00:22:02,960
Voici quelques fonctions.

370
00:22:02,960 --> 00:22:06,750
>> Donc ici, je vais juste
définir une fonction.

371
00:22:06,750 --> 00:22:09,970
Donc, je suis également en utilisant
opérateur d'affectation ici,

372
00:22:09,970 --> 00:22:12,610
et puis je dis
déclarer comme une fonction.

373
00:22:12,610 --> 00:22:14,140
Et il prend la valeur x.

374
00:22:14,140 --> 00:22:18,210
Donc, ce est la valeur que vous voulez
et je vais revenir x lui-même.

375
00:22:18,210 --> 00:22:20,840
Donc, ce est la fonction identité.

376
00:22:20,840 --> 00:22:23,670
>> Et ce qui est cool à propos de cette
par rapport à d'autres langues

377
00:22:23,670 --> 00:22:26,330
et le niveau faible autre
langues est que x

378
00:22:26,330 --> 00:22:29,350
peut être de tout type lui-même
et il va revenir ce type.

379
00:22:29,350 --> 00:22:35,251
Ainsi, vous pouvez imagine-- alors laissez-
moi juste lance ce rapidement.

380
00:22:35,251 --> 00:22:35,750
Désolé.

381
00:22:35,750 --> 00:22:40,300
>> Donc, une chose que je dois aussi mentionner
ce est que cet éditeur que je utilise

382
00:22:40,300 --> 00:22:41,380
RStudio est appelé.

383
00:22:41,380 --> 00:22:44,389
Ce est ce qu'on appelle un IDE.

384
00:22:44,389 --> 00:22:46,180
Et une chose qui est
vraiment sympa de cette

385
00:22:46,180 --> 00:22:51,500
est qu 'il incorpore beaucoup de la
choses que vous voulez faire dans R par lui-même

386
00:22:51,500 --> 00:22:53,180
juste très intuitivement.

387
00:22:53,180 --> 00:22:55,550
>> Donc, voici une console interprète.

388
00:22:55,550 --> 00:23:02,160
Pareillement, vous pouvez aussi obtenir cette
console première juste en faisant un R. de capital

389
00:23:02,160 --> 00:23:05,630
Et ce est exactement le
même chose que la console.

390
00:23:05,630 --> 00:23:12,210
Donc, je peux juste faire id fonction x, x, x.

391
00:23:12,210 --> 00:23:16,130
Et puis que alors--
sera très bien lui-même.

392
00:23:16,130 --> 00:23:19,200

393
00:23:19,200 --> 00:23:21,740
>> Donc RStudio est grande
car il a la console.

394
00:23:21,740 --> 00:23:25,360
Il a également les documents
vous souhaitez exécuter.

395
00:23:25,360 --> 00:23:28,629
Et puis il a certaines variables
que vous pouvez voir dans les environnements.

396
00:23:28,629 --> 00:23:30,420
Et puis, si vous avez
faire parcelles, alors vous

397
00:23:30,420 --> 00:23:33,730
peut juste voir ici, par opposition à
la gestion de toutes ces différentes fenêtres

398
00:23:33,730 --> 00:23:35,940
par eux-mêmes.

399
00:23:35,940 --> 00:23:40,530
>> En fait, je utilise personnellement Vim, mais je
se sentir comme RStudio est excellent tout

400
00:23:40,530 --> 00:23:44,640
pour obtenir une bonne idée
comment utiliser R. Habituellement,

401
00:23:44,640 --> 00:23:47,040
lorsque vous essayez de
apprendre une nouvelle tâche,

402
00:23:47,040 --> 00:23:49,590
vous ne voulez pas à manipuler
trop de choses à la fois.

403
00:23:49,590 --> 00:23:53,120
Alors R est juste un RStudio very--
est une très bonne façon d'apprendre R

404
00:23:53,120 --> 00:23:56,760
sans avoir à traiter avec
toutes ces autres choses.

405
00:23:56,760 --> 00:23:58,600
>> Donc ici, je suis en cours d'exécution id bonjour.

406
00:23:58,600 --> 00:24:00,090
Cela renvoie bonjour.

407
00:24:00,090 --> 00:24:01,740
id 123.

408
00:24:01,740 --> 00:24:04,610
Voici un vecteur d'entiers.

409
00:24:04,610 --> 00:24:08,620
Pareillement, parce que vous pouvez
prendre toute une sorte de valeur,

410
00:24:08,620 --> 00:24:16,060
vous pouvez faire revenir id de
x elle retourne donc 1234 et 5.

411
00:24:16,060 --> 00:24:22,210
>> Et permettez-moi de vous montrer que
ce est en effet un nombre entier.

412
00:24:22,210 --> 00:24:28,800
Et de même, si vous le faites classe
id x, ça va être un entier.

413
00:24:28,800 --> 00:24:34,170
Et puis, vous pouvez aussi
comparer les deux et ce est vrai.

414
00:24:34,170 --> 00:24:38,350
Je suis donc vérifier si id x
x est égal à equals et préavis

415
00:24:38,350 --> 00:24:39,760
qu'il vous donne deux Trues.

416
00:24:39,760 --> 00:24:44,280
Donc, ce ne est pas dit sont
les deux objets identiques,

417
00:24:44,280 --> 00:24:46,845
mais sont chacune des entrées
dans les vecteurs identiques.

418
00:24:46,845 --> 00:24:50,000

419
00:24:50,000 --> 00:24:52,090
>> Voici bounded.compare.

420
00:24:52,090 --> 00:24:58,470
Donc, ce est un peu plus compliqué
en ce qu'il présente un état autre et si

421
00:24:58,470 --> 00:25:00,960
puis il faut être deux
arguments à la fois.

422
00:25:00,960 --> 00:25:02,640
Donc, x est de tout type.

423
00:25:02,640 --> 00:25:06,280
Et je dis cela
Le deuxième argument est un.

424
00:25:06,280 --> 00:25:08,380
Cela peut être quelque chose d'aussi bien.

425
00:25:08,380 --> 00:25:12,490
Mais par défaut, il va prendre
5 Si vous ne indiquez rien.

426
00:25:12,490 --> 00:25:16,730
>> Donc ici, je vais dire
si x est supérieur à un.

427
00:25:16,730 --> 00:25:19,220
Donc, si je ne précise pas, il
dit que si x est supérieur à 5,

428
00:25:19,220 --> 00:25:20,470
alors je vais retourner TRUE.

429
00:25:20,470 --> 00:25:23,230
d'autre, je vais retourner FALSE.

430
00:25:23,230 --> 00:25:24,870
Alors laissez-moi aller de l'avant et de définir cela.

431
00:25:24,870 --> 00:25:30,600

432
00:25:30,600 --> 00:25:34,550
>> Et maintenant, je vais
exécuter bounded.compare 3.

433
00:25:34,550 --> 00:25:39,150
Donc, il est dit moins 3
than-- 3 est supérieur à 5.

434
00:25:39,150 --> 00:25:41,830
Non, ce ne est pas si faux.

435
00:25:41,830 --> 00:25:46,550
>> Et bounded.compare 3 et je vais
de comparer l'aide d'un est égal à 2.

436
00:25:46,550 --> 00:25:50,700
Alors maintenant, je dis oui, maintenant je
veulent un être autre chose.

437
00:25:50,700 --> 00:25:52,750
Donc, je vais dire un, vous devriez être deux.

438
00:25:52,750 --> 00:25:56,640
>> Je peux soit faire ce genre de
notation ou je dis est égal à 2.

439
00:25:56,640 --> 00:25:58,720
Ce est un plus lisible
en ce que lorsque vous êtes

440
00:25:58,720 --> 00:26:01,450
regardant ces vraiment
des fonctions compliquées que

441
00:26:01,450 --> 00:26:08,110
prendre arguments-- multiple et cette
peut être des dizaines oftentimes-- juste dire

442
00:26:08,110 --> 00:26:11,140
A est égal à 2 est plus lisible pour
vous afin que plus tard dans l'avenir

443
00:26:11,140 --> 00:26:13,020
vous saurez ce que vous faites.

444
00:26:13,020 --> 00:26:17,120
>> Donc dans ce cas, je suis
3 dicton est supérieur à 2.

445
00:26:17,120 --> 00:26:18,270
Oui, ça l'est.

446
00:26:18,270 --> 00:26:22,350
Et de même, je ne peux retirer
et dire, est plus grand que 3 2

447
00:26:22,350 --> 00:26:23,440
où a est égal à 2.

448
00:26:23,440 --> 00:26:26,230
Et ce est également vrai.

449
00:26:26,230 --> 00:26:26,730
Oui?

450
00:26:26,730 --> 00:26:29,670
>> AUDIENCE: Etes-vous
exécution ligne par ligne?

451
00:26:29,670 --> 00:26:30,670
>> DUSTIN TRAN: Oui je suis.

452
00:26:30,670 --> 00:26:33,900
Donc ce que je fais ici est
prenant ce texte document--

453
00:26:33,900 --> 00:26:39,825
et ce qui est formidable à propos RStudio est que
Je peux juste lancer un short-- un raccourci clavier.

454
00:26:39,825 --> 00:26:41,820
Donc je fais Contrôle-Entrée.

455
00:26:41,820 --> 00:26:44,850
>> Et puis, je prends le
ligne dans le document de texte

456
00:26:44,850 --> 00:26:46,710
puis mettre dans la console.

457
00:26:46,710 --> 00:26:50,800
Donc ici, je veux dire, bounded.compare
et je fais Control-X.

458
00:26:50,800 --> 00:26:52,540
Donc, je ne peux fonctionner ici aussi.

459
00:26:52,540 --> 00:26:54,920
Et puis ça va prendre du
ligne, puis mis ici.

460
00:26:54,920 --> 00:26:57,900
Et puis même, je peux faire fonctionner ici.

461
00:26:57,900 --> 00:27:04,630
Et puis, il va tout simplement continuer définissant
les lignes dans la console comme ça.

462
00:27:04,630 --> 00:27:10,690
>> Et si vous remarquez aussi le bouclés
accolades sont là, tout comme dans la syntaxe de C.

463
00:27:10,690 --> 00:27:13,910
x-- si la condition if est aussi
va utiliser des parenthèses, puis

464
00:27:13,910 --> 00:27:15,350
vous pouvez utiliser d'autre.

465
00:27:15,350 --> 00:27:17,496
Un autre est d'autre si.

466
00:27:17,496 --> 00:27:21,440
Donc, ce sera x
est égal à un est égal, par exemple.

467
00:27:21,440 --> 00:27:24,190

468
00:27:24,190 --> 00:27:26,350
Et puis je vais
retourner quelque chose ici.

469
00:27:26,350 --> 00:27:29,490
>> Notez qu'il ya deux différents
choses ici qui se passe.

470
00:27:29,490 --> 00:27:34,360
La première est que ici je spécifiant
renvoyer la valeur TRUE.

471
00:27:34,360 --> 00:27:35,950
Ici, je dis juste x.

472
00:27:35,950 --> 00:27:39,970
Alors R sera généralement par défaut
prendre la dernière arguments--

473
00:27:39,970 --> 00:27:43,510
ou de prendre la dernière ligne du code,
et ce sera ce qu'il est retourné.

474
00:27:43,510 --> 00:27:46,920
Donc ici ce est la même
chose que faire return x.

475
00:27:46,920 --> 00:27:49,450

476
00:27:49,450 --> 00:27:50,540
>> Et juste pour vous montrer.

477
00:27:50,540 --> 00:27:54,000

478
00:27:54,000 --> 00:27:57,052
Et puis, il ne fonctionnera juste comme ça.

479
00:27:57,052 --> 00:27:58,260
Alors permettez-moi de continuer avec cela.

480
00:27:58,260 --> 00:28:00,630
>> Donc, d'autre si.

481
00:28:00,630 --> 00:28:04,060
Et vraiment, je peux retourner
tout ce que je aimerais.

482
00:28:04,060 --> 00:28:06,680
Donc, je ne ai même pas à
retour booléens tout le temps,

483
00:28:06,680 --> 00:28:08,410
Je peux juste retourner autre chose.

484
00:28:08,410 --> 00:28:10,670
Donc, je peux faire ours de retour.

485
00:28:10,670 --> 00:28:12,989
>> Donc, si x est égal à un pied d'égalité,
il va revenir ours.

486
00:28:12,989 --> 00:28:14,530
Sinon, il va retourner TRUE.

487
00:28:14,530 --> 00:28:19,310
Je peux aussi faire un vecteur
ou vraiment quelque chose.

488
00:28:19,310 --> 00:28:22,210
>> Et normalement statiquement
langages typés

489
00:28:22,210 --> 00:28:23,840
vous auriez à spécifier un type ici.

490
00:28:23,840 --> 00:28:25,750
Et remarquez qu'il ne peut tout simplement être ne importe quoi.

491
00:28:25,750 --> 00:28:32,400
Et R est assez intelligent qu'il
va juste faire ceci et cela fonctionnera très bien.

492
00:28:32,400 --> 00:28:33,620
>> Alors permettez-moi de définir cela.

493
00:28:33,620 --> 00:28:39,460

494
00:28:39,460 --> 00:28:41,230
Unexpected-- oh désolé.

495
00:28:41,230 --> 00:28:44,336
Il devrait être une accolade ici.

496
00:28:44,336 --> 00:28:44,836
D'ACCORD.

497
00:28:44,836 --> 00:28:45,336
Cool.

498
00:28:45,336 --> 00:28:52,580

499
00:28:52,580 --> 00:28:54,530
Bien.

500
00:28:54,530 --> 00:28:58,250
Alors maintenant, nous allons comparer 3 et a est égal à 3.

501
00:28:58,250 --> 00:29:01,860
Donc, il devrait return--
Yeah l'ours de valeur.

502
00:29:01,860 --> 00:29:06,740
>> Alors maintenant, une chose plus générale, ce est comme
qu'en est-il d'autres structures de données.

503
00:29:06,740 --> 00:29:09,110
Donc, vous avez cette fonction.

504
00:29:09,110 --> 00:29:15,360
Cela va travailler sur toute sorte
de la valeur comme 3 ou tout numérique,

505
00:29:15,360 --> 00:29:17,500
en d'autres termes, double.

506
00:29:17,500 --> 00:29:19,330
>> Mais qu'en est-il quelque chose comme un vecteur.

507
00:29:19,330 --> 00:29:27,750
Donc ce qui arrive si vous do-- donc je suis
va affecter val à, disons, 4-6.

508
00:29:27,750 --> 00:29:31,640
Donc, si je reviens cela, ce
est un vecteur de 4, 5, 6.

509
00:29:31,640 --> 00:29:34,935
>> Voyons maintenant ce qui se passe
si je fais bounded.compare val.

510
00:29:34,935 --> 00:29:37,680

511
00:29:37,680 --> 00:29:42,450
Donc, cela va vous donner 15 1251.

512
00:29:42,450 --> 00:29:46,440
Donc, en d'autres termes, ce est dire
si vous regardez cette condition

513
00:29:46,440 --> 00:29:50,040
il dit x est inférieur
qu'un ou quelque chose.

514
00:29:50,040 --> 00:29:51,880
Donc, ce est un peu
confus parce que maintenant

515
00:29:51,880 --> 00:29:53,379
vous ne savez pas ce qui se passe.

516
00:29:53,379 --> 00:29:58,690
Donc je suppose que une chose qui est vraiment
bien sur juste essayer de débogage

517
00:29:58,690 --> 00:30:04,600
ce est que vous pouvez juste faire val est supérieure
d'un et de voir ce qui se passe là-bas.

518
00:30:04,600 --> 00:30:09,720
>> Donc val-- a est par défaut de sorte 5
disons simplement Do Val supérieure à 5.

519
00:30:09,720 --> 00:30:14,280
Donc, ce est un FAUX FAUX vecteur TRUE.

520
00:30:14,280 --> 00:30:17,206
Alors maintenant, quand vous cherchez à
cela, il va dire si,

521
00:30:17,206 --> 00:30:20,080
puis il va vous donner cette
est un vecteur de FAUX VRAI FAUX.

522
00:30:20,080 --> 00:30:23,450
>> Ainsi, lorsque vous passez cela en R, R
n'a aucune idée de ce que vous faites.

523
00:30:23,450 --> 00:30:26,650
Parce qu'il se attend à un seul
valeur qui est une valeur booléenne, et maintenant

524
00:30:26,650 --> 00:30:29,420
vous donnant un vecteur de booléens.

525
00:30:29,420 --> 00:30:31,970
Donc, par défaut, R est juste
va dire ce que le diable,

526
00:30:31,970 --> 00:30:35,440
Je vais supposer que vous êtes
va prendre le premier élément ici.

527
00:30:35,440 --> 00:30:38,320
Donc, je vais say-- je vais
de supposer que ce est faux.

528
00:30:38,320 --> 00:30:40,890
Donc, il va dire
non, ce ne est pas juste.

529
00:30:40,890 --> 00:30:45,246
>> De même, il va
soit égal à un est égal val.

530
00:30:45,246 --> 00:30:47,244
Non, désolé 5.

531
00:30:47,244 --> 00:30:48,910
Et il va aussi être faux aussi.

532
00:30:48,910 --> 00:30:52,410
Donc, il va dire non,
Ce est pas vrai, si bien que ce est

533
00:30:52,410 --> 00:30:53,680
va retourner ce dernier.

534
00:30:53,680 --> 00:30:56,420

535
00:30:56,420 --> 00:31:01,360
>> Donc, ce est soit une bonne chose ou une mauvaise
chose, selon la façon dont vous l'affichez.

536
00:31:01,360 --> 00:31:05,104
Parce que quand vous êtes
la création de ces fonctions,

537
00:31:05,104 --> 00:31:06,770
vous ne savez pas réellement ce qui se passe.

538
00:31:06,770 --> 00:31:10,210
Alors parfois vous voudriez une erreur,
ou peut-être vous voulez juste un avertissement.

539
00:31:10,210 --> 00:31:12,160
Dans ce cas, R ne fait pas cela.

540
00:31:12,160 --> 00:31:14,300
Donc, ce est vraiment à
vous basé hors de ce

541
00:31:14,300 --> 00:31:17,310
vous pensez que la langue
devrait faire dans ce cas

542
00:31:17,310 --> 00:31:22,920
si vous passez dans un vecteur de booléens
quand vous faites une condition if.

543
00:31:22,920 --> 00:31:31,733
>> Alors disons que vous aviez l'original
une avec si quelque retourner TRUE et vous êtes

544
00:31:31,733 --> 00:31:34,190
va retourner FALSE.

545
00:31:34,190 --> 00:31:39,300
Donc, une façon d'abstraire
ce est-à-dire que je

546
00:31:39,300 --> 00:31:41,530
ne ont même pas besoin de cette chose conditionnelle.

547
00:31:41,530 --> 00:31:47,220
Une autre chose que je peux faire, ce est juste
retourner les valeurs elles-mêmes.

548
00:31:47,220 --> 00:31:53,240
Donc, si vous remarquez, si vous
do val est supérieur à 5,

549
00:31:53,240 --> 00:31:56,350
cela va renvoyer une
vecteur FAUX VRAI FAUX.

550
00:31:56,350 --> 00:31:58,850
>> Peut-être que ce est ce que vous
souhaiter pour bounded.compare.

551
00:31:58,850 --> 00:32:02,940
Vous souhaitez retourner un vecteur de booléens
où il compare chacune des valeurs

552
00:32:02,940 --> 00:32:04,190
à eux-mêmes.

553
00:32:04,190 --> 00:32:11,165
Ainsi, vous pouvez simplement ne bounded.compare
fonction x, a est égal à 5.

554
00:32:11,165 --> 00:32:13,322

555
00:32:13,322 --> 00:32:15,363
Et puis au lieu de faire
cette si la condition d'autre,

556
00:32:15,363 --> 00:32:21,430
Je vais revenir
x est supérieur à 5.

557
00:32:21,430 --> 00:32:23,620
Donc, si ce est vrai, alors
il va retourner TRUE.

558
00:32:23,620 --> 00:32:26,830
Et puis, si ce ne est pas, ce est
va retourner FALSE.

559
00:32:26,830 --> 00:32:30,880
>> Et cela fonctionnera pour
l'une de ces structures.

560
00:32:30,880 --> 00:32:41,450
Donc, je peux bounded.compare c 1 6 ou 9
et puis je vais vous dire une égale 6,

561
00:32:41,450 --> 00:32:42,799
par exemple.

562
00:32:42,799 --> 00:32:44,840
Et puis ça va
vous donner le droit booléenne

563
00:32:44,840 --> 00:32:48,240
vecteur qui vous concevez.

564
00:32:48,240 --> 00:32:50,660
>> Donc, ce sont juste des fonctions
et maintenant laissez-moi juste

565
00:32:50,660 --> 00:32:54,980
vous montrer quelques visuels interactifs.

566
00:32:54,980 --> 00:32:59,700
Je ne pense pas que je ai fait
Wi-Fi ici alors laissez-moi juste aller de l'avant

567
00:32:59,700 --> 00:33:01,970
et sauter celui-ci je suppose.

568
00:33:01,970 --> 00:33:05,260
>> Mais une chose qui est cool
cependant, ce est que si vous venez

569
00:33:05,260 --> 00:33:09,600
vouloir tester un tas de
différentes commandes de données,

570
00:33:09,600 --> 00:33:13,320
il ya un tas de différents ensembles de données
qui sont déjà préchargés dans R.

571
00:33:13,320 --> 00:33:15,770
Donc, l'un d'eux est
appelé l'iris ensemble de données.

572
00:33:15,770 --> 00:33:18,910
Ce est l'un des plus connus
ceux de l'apprentissage machine.

573
00:33:18,910 --> 00:33:23,350
Vous aurez généralement faites juste une sorte de
cas de test pour voir si votre code se exécute.

574
00:33:23,350 --> 00:33:27,520
Alors disons simplement vérifier ce que l'iris est.

575
00:33:27,520 --> 00:33:33,130
>> Donc, cette chose va
comme une trame de données.

576
00:33:33,130 --> 00:33:36,000
Et ce est un peu longtemps, car
Je viens imprimé sur l'iris.

577
00:33:36,000 --> 00:33:38,810
Ce est l'impression de la chose entière.

578
00:33:38,810 --> 00:33:42,830
Ainsi, il a tous ces différents noms.

579
00:33:42,830 --> 00:33:45,505
Donc iris est une collection
de fleurs différentes.

580
00:33:45,505 --> 00:33:48,830
Dans ce cas, ce est dire
présente les espèces de celui-ci,

581
00:33:48,830 --> 00:33:54,760
toutes ces différentes largeurs et
longueurs des sépales et les pétales.

582
00:33:54,760 --> 00:33:58,880
>> Et normalement, si
vous souhaitez imprimer iris,

583
00:33:58,880 --> 00:34:03,680
par exemple, vous ne voulez pas avoir
faire tout cela parce que cela peut prendre le relais

584
00:34:03,680 --> 00:34:05,190
l'ensemble de votre console.

585
00:34:05,190 --> 00:34:09,280
Donc, une chose qui est vraiment
Nice est la fonction de tête.

586
00:34:09,280 --> 00:34:12,929
Donc, si vous faites juste la tête
iris, cela vous donnera

587
00:34:12,929 --> 00:34:17,389
les cinq premières rangées, ou six, je suppose.

588
00:34:17,389 --> 00:34:19,909
Et puis bien vous,
peut il suffit de spécifier ici.

589
00:34:19,909 --> 00:34:22,914
Donc 20-- cela donnera
vous les 20 premières lignes.

590
00:34:22,914 --> 00:34:24,830
Et je étais en fait assez
de surprise que cette

591
00:34:24,830 --> 00:34:28,770
Gave me six alors laissez-moi aller de l'avant
et vérifier iris-- ou de la tête, désolé.

592
00:34:28,770 --> 00:34:31,699

593
00:34:31,699 --> 00:34:34,960
Et ici, il donnera
vous la documentation

594
00:34:34,960 --> 00:34:37,960
de ce que la tête de la valeur fait.

595
00:34:37,960 --> 00:34:40,839
Donc, il renvoie le premier
ou la dernière d'un objet.

596
00:34:40,839 --> 00:34:42,630
Et puis je vais
regarder les valeurs par défaut.

597
00:34:42,630 --> 00:34:47,340
Et puis il dit que le défaut
méthode tête x et n est égal à 6L.

598
00:34:47,340 --> 00:34:50,620
Donc, cela renvoie les six premiers éléments.

599
00:34:50,620 --> 00:34:55,050
Et même, si vous remarquez ici, je
ne pas avoir à spécifier n est égal à 6.

600
00:34:55,050 --> 00:34:56,840
Par défaut il utilise six, je suppose.

601
00:34:56,840 --> 00:35:00,130
Et puis, si je veux spécifier un certain
valeur, alors je peux voir ça aussi.

602
00:35:00,130 --> 00:35:02,970

603
00:35:02,970 --> 00:35:10,592
>> Donc, ce est des commandes simples et
en voici une autre qui est just-- bien,

604
00:35:10,592 --> 00:35:12,550
Je can-- ce est en fait
un peu plus complexe,

605
00:35:12,550 --> 00:35:17,130
mais cela prendra juste la classe
de chaque colonne de l'ensemble de données de l'iris.

606
00:35:17,130 --> 00:35:20,910
Donc, ce sera vous montrer ce que chacun de ces
colonnes en fonction de leurs types.

607
00:35:20,910 --> 00:35:23,665
Donc, la longueur des sépales est numérique,
Largeur des sépales est numérique.

608
00:35:23,665 --> 00:35:26,540
Toutes ces valeurs sont tout numérique
parce que vous pouvez dire à partir de ces données

609
00:35:26,540 --> 00:35:29,440
structurent ce sont
tout va numérique.

610
00:35:29,440 --> 00:35:34,310
>> Et la colonne Espèce
va être un facteur.

611
00:35:34,310 --> 00:35:37,270
Donc, normalement, on pourrait penser que
ce est comme une chaîne de caractères.

612
00:35:37,270 --> 00:35:48,830
Mais si vous faites juste irisSpecies,
et puis je vais faire la tête 5,

613
00:35:48,830 --> 00:35:51,820
et cela va imprimer
les cinq premières valeurs.

614
00:35:51,820 --> 00:35:54,150
>> Et puis notez ce niveau.

615
00:35:54,150 --> 00:35:58,870
Donc, ce est saying-- ce est la manière de R
d'avoir variables catégorielles.

616
00:35:58,870 --> 00:36:03,765
Donc, au lieu de simplement
ayant des chaînes de caractères,

617
00:36:03,765 --> 00:36:06,740
il a des niveaux spécifiant
laquelle de ces choses sont.

618
00:36:06,740 --> 00:36:12,450
>> Alors disons que irisSpecies 1.

619
00:36:12,450 --> 00:36:17,690
Donc, ce que vous voulez faire ici est que je suis
sous-ensembles à cette colonne de l'espèce.

620
00:36:17,690 --> 00:36:21,480
Donc, cela prend la
colonne espèces puis

621
00:36:21,480 --> 00:36:23,820
il indexe pour obtenir le premier élément.

622
00:36:23,820 --> 00:36:27,140
Donc, cela devrait vous donner setosa.

623
00:36:27,140 --> 00:36:28,710
Et il vous donne également des niveaux ici.

624
00:36:28,710 --> 00:36:32,812
>> Ainsi, vous pouvez également comparer
ceci à la setosa de caractères

625
00:36:32,812 --> 00:36:34,645
et cela ne va pas
pour être vrai parce que une

626
00:36:34,645 --> 00:36:37,940
est d'un type différent de l'autre.

627
00:36:37,940 --> 00:36:40,590
Ou je suppose que ce est vrai parce que R
est plus intelligent que cela.

628
00:36:40,590 --> 00:36:45,420
Et il semble à ce puis
dit, ce est peut être ce que vous voulez.

629
00:36:45,420 --> 00:36:51,860
Donc, il va dire le caractère
setosa chaîne est le même que celui-ci.

630
00:36:51,860 --> 00:37:01,290
Et puis même, vous pouvez
aussi il suffit de prendre ces comme ainsi de suite.

631
00:37:01,290 --> 00:37:05,580
>> Donc, ce est juste une sorte de
commandes rapides de l'ensemble de données.

632
00:37:05,580 --> 00:37:08,030
Alors, voici une exploration de données.

633
00:37:08,030 --> 00:37:11,360
Donc, ce est un peu plus
participer à l'analyse de données.

634
00:37:11,360 --> 00:37:18,340
Et cela est pris de certains
bootcamp en R dans Berkeley.

635
00:37:18,340 --> 00:37:20,790
>> Donc bibliothèque étrangère.

636
00:37:20,790 --> 00:37:24,880
Donc, je vais charger dans un
bibliothèque qui se appelle étrangère.

637
00:37:24,880 --> 00:37:32,460
Donc cela va me donner read.dta
Supposons donc que je ai cet ensemble de données.

638
00:37:32,460 --> 00:37:39,000
Ce est stocké dans le courant
répertoire de ma console de travail.

639
00:37:39,000 --> 00:37:42,190
Voyons donc ce que
le répertoire de travail est.

640
00:37:42,190 --> 00:37:44,620
>> Alors, voici mon répertoire de travail.

641
00:37:44,620 --> 00:37:50,040
Et lire les données de points, ce
chose, ce est dire ce fichier

642
00:37:50,040 --> 00:37:54,650
est situé dans le dossier de données
ce répertoire de travail courant.

643
00:37:54,650 --> 00:38:00,520
Et ce ne est pas read.dta
une commande par défaut.

644
00:38:00,520 --> 00:38:02,760
Je suppose que je ai chargé dans déjà.

645
00:38:02,760 --> 00:38:04,750
IEI supposé je ai chargé dans cette déjà.

646
00:38:04,750 --> 00:38:08,115
>> Mais si read.dta ne va pas
comme une commande par défaut.

647
00:38:08,115 --> 00:38:11,550
Et ce est pourquoi vous allez avoir
à charger dans cette bibliothèque package--

648
00:38:11,550 --> 00:38:14,500
ce paquet appelé étrangère.

649
00:38:14,500 --> 00:38:16,690
Et si vous ne avez pas
le paquet, je pense

650
00:38:16,690 --> 00:38:19,180
étrangère est l'un des plus intégrées.

651
00:38:19,180 --> 00:38:31,150
Sinon, vous pouvez également
faire install.packages

652
00:38:31,150 --> 00:38:33,180
et cela va installer le package.

653
00:38:33,180 --> 00:38:36,878
Et cela vous donnera R. Euh, non.

654
00:38:36,878 --> 00:38:39,830

655
00:38:39,830 --> 00:38:43,140
Et puis je vais juste arrêter
parce que je ai déjà.

656
00:38:43,140 --> 00:38:46,920
>> Mais ce qui est vraiment agréable à propos de R
ce est que la gestion des paquets

657
00:38:46,920 --> 00:38:48,510
système est très élégant.

658
00:38:48,510 --> 00:38:52,470
Parce qu'il va stocker tout
vraiment bien pour vous.

659
00:38:52,470 --> 00:38:59,780
Donc dans ce cas, il va stocker
dans, je crois, cette bibliothèque ici.

660
00:38:59,780 --> 00:39:02,390
>> Donc, quand vous le voulez
installer de nouveaux paquets,

661
00:39:02,390 --> 00:39:04,980
ce est aussi simple que
faire install.packages

662
00:39:04,980 --> 00:39:07,500
et R gérera tous
les paquets pour vous.

663
00:39:07,500 --> 00:39:12,900
Donc, vous ne avez pas à faire quelque chose dans
Python, où vous avez emballage externe

664
00:39:12,900 --> 00:39:15,330
gestionnaires comme le papier
Anaconda où vous êtes

665
00:39:15,330 --> 00:39:18,310
doing-- vous installez le
paquetages en dehors de Python

666
00:39:18,310 --> 00:39:20,940
et puis vous essayez de les exécuter vous-même.

667
00:39:20,940 --> 00:39:22,210
Donc, ce est vraiment super.

668
00:39:22,210 --> 00:39:25,590
>> Et install.packages nécessite Internet.

669
00:39:25,590 --> 00:39:31,950
Il faut partir d'un serveur
et le référentiel

670
00:39:31,950 --> 00:39:33,960
rassemble tous les
des paquets est nommé CRAN.

671
00:39:33,960 --> 00:39:40,690
Et vous pouvez spécifier quelle sorte de miroir
vous voulez télécharger les paquets.

672
00:39:40,690 --> 00:39:43,420
>> Donc ici, je prends cet ensemble de données.

673
00:39:43,420 --> 00:39:46,240
Je lis dans l'aide de cette fonction.

674
00:39:46,240 --> 00:39:49,360
Alors laissez-moi aller de l'avant et de le faire.

675
00:39:49,360 --> 00:39:52,900
>> Donc, supposons que
vous avez cet ensemble de données

676
00:39:52,900 --> 00:39:55,550
et vous ne avez absolument
aucune idée de ce que ce est.

677
00:39:55,550 --> 00:39:58,560
Et cela vient effectivement en place
assez souvent dans l'industrie

678
00:39:58,560 --> 00:40:00,910
où vous avez juste ces
tonnes et des tonnes de choses salissantes

679
00:40:00,910 --> 00:40:02,890
et ils sont incroyablement sans étiquette.

680
00:40:02,890 --> 00:40:06,380
Donc ici, je ai cette
ensemble de données et je ne sais pas

681
00:40:06,380 --> 00:40:08,400
ce que ce est si je suis juste
montrant le vérifier.

682
00:40:08,400 --> 00:40:10,620
>> Donc, je vais faire la tête la première.

683
00:40:10,620 --> 00:40:14,190
Donc, je vérifie les six premiers
colonnes de ce que cet ensemble de données est.

684
00:40:14,190 --> 00:40:21,730
Donc, ce est l'état, pres04, puis
Tous ces différents type de colonnes.

685
00:40:21,730 --> 00:40:25,612
Et ce qui est intéressant
ici, je suppose, ce est que vous

686
00:40:25,612 --> 00:40:27,945
supposerait que cela ressemble
comme une sorte d'élection.

687
00:40:27,945 --> 00:40:30,482

688
00:40:30,482 --> 00:40:32,190
Et je suppose seulement de
regarder le fichier

689
00:40:32,190 --> 00:40:41,070
nommer ce est une sorte de collection
des données sur les candidats ou les électeurs

690
00:40:41,070 --> 00:40:44,920
qui ont voté pour les présidents spécifiques
ou des candidats de président

691
00:40:44,920 --> 00:40:46,550
pour l'élection de 2004.

692
00:40:46,550 --> 00:40:52,920
>> Voici donc les valeurs 1, 2
Donc, une façon de stocker

693
00:40:52,920 --> 00:40:56,540
les candidats de président
Voici leurs noms.

694
00:40:56,540 --> 00:40:59,780
Dans ce cas, il semble que
ils sont juste des valeurs entières.

695
00:40:59,780 --> 00:41:04,030
Donc 2004, ce était Bush
contre Kerry je crois.

696
00:41:04,030 --> 00:41:09,010
Et maintenant, disons que vous ne savez tout simplement pas
si 1 correspond à Bush ou 2

697
00:41:09,010 --> 00:41:11,703
correspond à Kerry ou et
ainsi de suite et ainsi de suite, non?

698
00:41:11,703 --> 00:41:15,860
>> Et ce est, juste pour moi,
un problème assez courant.

699
00:41:15,860 --> 00:41:18,230
Alors, que pouvez-vous faire dans ce cas?

700
00:41:18,230 --> 00:41:20,000
Donc, nous allons vérifier toutes ces autres choses.

701
00:41:20,000 --> 00:41:22,790
>> Etat, je suppose ce
vient de différents états.

702
00:41:22,790 --> 00:41:25,100
PartyId, revenu.

703
00:41:25,100 --> 00:41:27,710
Regardons PartyId.

704
00:41:27,710 --> 00:41:32,800
Alors peut-être une chose que vous pouvez faire est
examiner chacune des observations

705
00:41:32,800 --> 00:41:36,250
qui ont un PartyId du républicain
ou démocrate ou quelque chose.

706
00:41:36,250 --> 00:41:38,170
Alors disons simplement regarder ce PartyId est.

707
00:41:38,170 --> 00:41:41,946
>> Donc, je vais prendre
dat et puis je vais

708
00:41:41,946 --> 00:41:47,960
pour ce faire signe dollar
opérateur que je ai fait précédemment

709
00:41:47,960 --> 00:41:50,770
et cela va
sous-ensemble de cette colonne.

710
00:41:50,770 --> 00:41:57,760
Et puis je vais dans la tête de cette
20, juste pour voir à quoi cela ressemble.

711
00:41:57,760 --> 00:42:00,170
>> Donc, ce est juste un tas de NAS.

712
00:42:00,170 --> 00:42:02,800
Donc, en d'autres termes, vous avez
données manquantes sur ces gars.

713
00:42:02,800 --> 00:42:08,100
Mais vous remarquerez également cette
dat PartyId est un facteur

714
00:42:08,100 --> 00:42:10,030
si cela vous donne différentes catégories.

715
00:42:10,030 --> 00:42:14,170
Donc, en d'autres termes, peut prendre PartyId
Démocrate, républicain, indépendant,

716
00:42:14,170 --> 00:42:16,640
ou autre chose.

717
00:42:16,640 --> 00:42:23,940
>> Allons donc de l'avant et nous allons
voir laquelle de ces est-- oh, OK.

718
00:42:23,940 --> 00:42:28,480
Donc, je vais au sous-ensemble
à PartyId puis

719
00:42:28,480 --> 00:42:32,780
regardent ceux qui sont
Démocrate, par exemple.

720
00:42:32,780 --> 00:42:37,150
Cela va vous donner une valeur booléenne,
un énorme booléenne Trues et faux.

721
00:42:37,150 --> 00:42:41,630
>> Et maintenant, disons que je veux
au sous-ensemble de ces gars-là.

722
00:42:41,630 --> 00:42:47,260
Donc cela va prendre mon DAT et
Quel que soit le sous-ensemble d'observations

723
00:42:47,260 --> 00:42:48,910
avoir égaux PartyId égaux démocrate.

724
00:42:48,910 --> 00:42:52,830

725
00:42:52,830 --> 00:42:55,180
Et ce est assez long parce
il ya beaucoup d'entre eux.

726
00:42:55,180 --> 00:42:59,060
Alors maintenant, je vais à la tête de cette dans 20.

727
00:42:59,060 --> 00:43:05,690

728
00:43:05,690 --> 00:43:11,270
>> Et comme vous le remarquez, égaux égaux
qui est intéressant dans ce que vous êtes

729
00:43:11,270 --> 00:43:13,250
already-- vous êtes également y compris le NAS.

730
00:43:13,250 --> 00:43:19,010
Donc dans ce cas, vous ne pouvez toujours pas obtenir
toute information parce que maintenant vous avez AN

731
00:43:19,010 --> 00:43:22,650
et vous voulez juste pour voir qui de la
observation correspondent à démocrate

732
00:43:22,650 --> 00:43:24,670
et non ceux-ci manquant valeurs mêmes.

733
00:43:24,670 --> 00:43:27,680
Alors, comment voulez-vous vous débarrasser de ces AN?

734
00:43:27,680 --> 00:43:36,410
>> Je suis juste en utilisant alors voici la clé sur mon
curseur, puis dire se déplacer.

735
00:43:36,410 --> 00:43:39,778
Et puis ici, je vais juste
dire is.na datpartyid.

736
00:43:39,778 --> 00:43:48,970

737
00:43:48,970 --> 00:43:52,720
Donc cela et et prendra
deux vecteurs différents booléennes

738
00:43:52,720 --> 00:43:57,160
et dire qu'il va être
VRAI et FAUX par exemple.

739
00:43:57,160 --> 00:43:59,190
Donc ça va faire cette composante-sage.

740
00:43:59,190 --> 00:44:02,910
Donc ici, je dis prise
la trame de données, sous-ensemble

741
00:44:02,910 --> 00:44:10,170
à ceux qui correspondent aux démocrate,
et retirer l'un d'eux qui ne sont pas NA.

742
00:44:10,170 --> 00:44:13,540
>> Donc, ce devrait will--
vous donner quelque chose.

743
00:44:13,540 --> 00:44:16,540

744
00:44:16,540 --> 00:44:17,600
Voyons is.na.

745
00:44:17,600 --> 00:44:24,670

746
00:44:24,670 --> 00:44:27,690
Essayons datpartyid is.na.

747
00:44:27,690 --> 00:44:36,290

748
00:44:36,290 --> 00:44:45,290
Et cela devrait donner vous--
sorry-- simplement un vecteur booléenne.

749
00:44:45,290 --> 00:44:49,260
Et puis, parce que ce est si longtemps,
Je vais au sous-ensemble à 20.

750
00:44:49,260 --> 00:44:49,760
D'ACCORD.

751
00:44:49,760 --> 00:44:51,570
Donc, cela devrait fonctionner.

752
00:44:51,570 --> 00:44:54,700
>> Et celui-ci sera également Trues.

753
00:44:54,700 --> 00:45:01,830
Ah, mon erreur, ce est que je I'm--
utilisent C ++ et R interchangeable donc je faire

754
00:45:01,830 --> 00:45:03,590
cette erreur tout le temps.

755
00:45:03,590 --> 00:45:05,807
L'opérateur and est
effectivement celui que vous voulez.

756
00:45:05,807 --> 00:45:08,140
Vous ne voulez pas utiliser deux
esperluette, juste un seul.

757
00:45:08,140 --> 00:45:14,970

758
00:45:14,970 --> 00:45:17,010
D'ACCORD.

759
00:45:17,010 --> 00:45:18,140
>> Voyons donc.

760
00:45:18,140 --> 00:45:20,930

761
00:45:20,930 --> 00:45:23,920
Nous avons donc des sous-ensembles à l'
PartyId où ils sont démocrate

762
00:45:23,920 --> 00:45:25,300
et ils ne sont pas les valeurs manquantes.

763
00:45:25,300 --> 00:45:27,690
Et maintenant regardons
lesquels ils ont voté.

764
00:45:27,690 --> 00:45:31,530
Donc, il semble que la plupart
d'entre eux ont voté pour une.

765
00:45:31,530 --> 00:45:36,090
Donc, je vais aller de l'avant
et dire que ce est Kerry.

766
00:45:36,090 --> 00:45:39,507
>> Et même, vous pouvez
aller aussi républicain

767
00:45:39,507 --> 00:45:41,090
et je espère, cela devrait vous donner deux.

768
00:45:41,090 --> 00:45:49,730

769
00:45:49,730 --> 00:45:51,770
Ce est juste un tas de différentes colonnes.

770
00:45:51,770 --> 00:45:53,070
Et en effet, ce est deux.

771
00:45:53,070 --> 00:45:55,750
Donc PartyId tout républicain,
plupart d'entre eux votent pour deux.

772
00:45:55,750 --> 00:45:58,390
>> Il semble donc que, tout simplement
en regardant cela,

773
00:45:58,390 --> 00:46:00,600
Républicain va être
un very-- ou PartyId

774
00:46:00,600 --> 00:46:02,790
va être une très
facteur important dans la détermination

775
00:46:02,790 --> 00:46:05,420
quel candidat ils sont
vais voter pour.

776
00:46:05,420 --> 00:46:07,120
Et ce est évidemment vrai en général.

777
00:46:07,120 --> 00:46:10,139
Et cela correspond à votre
l'intuition, bien sûr.

778
00:46:10,139 --> 00:46:11,930
Donc, il semble que je suis
de manquer de temps pour

779
00:46:11,930 --> 00:46:17,040
laissez-moi juste dois aller de l'avant
et montrer quelques images rapides.

780
00:46:17,040 --> 00:46:21,120
Alors, voici quelque chose qui est un peu
plus compliqué avec visualisation.

781
00:46:21,120 --> 00:46:26,450
Donc dans ce cas, ce est une très
simple analyse de vérifier simplement ce que

782
00:46:26,450 --> 00:46:28,500
le président de '04 est.

783
00:46:28,500 --> 00:46:33,920
>> Donc dans ce cas, disons que vous
voulu répondre à cette question.

784
00:46:33,920 --> 00:46:38,540
Donc, supposons que nous voulions connaître le vote
comportement dans l'élection 2004 de président

785
00:46:38,540 --> 00:46:41,170
et comment qui varie selon la race.

786
00:46:41,170 --> 00:46:44,380
Ainsi, non seulement vous voulez
voir le comportement de vote,

787
00:46:44,380 --> 00:46:47,860
mais vous voulez des sous-ensembles de chaque
race et genre de résumer cela.

788
00:46:47,860 --> 00:46:50,770
Et vous ne pouvez dire
par cette notation complexe

789
00:46:50,770 --> 00:46:52,580
que ce est une sorte d'obtenir brumeux.

790
00:46:52,580 --> 00:46:56,390
>> Donc, l'un des plus avancés R
paquets qui est aussi un peu récente

791
00:46:56,390 --> 00:47:00,070
dplyr est appelé.

792
00:47:00,070 --> 00:47:03,060
Ce est donc celui-ici.

793
00:47:03,060 --> 00:47:08,080
Et ggplot2 ggg-- est juste une belle
façon de faire de meilleures visualisations

794
00:47:08,080 --> 00:47:09,400
que celui intégré.

795
00:47:09,400 --> 00:47:11,108
>> Donc, je vais charger
ces deux bibliothèques.

796
00:47:11,108 --> 00:47:13,200

797
00:47:13,200 --> 00:47:16,950
Et puis, je vais aller
avant et exécuter cette commande.

798
00:47:16,950 --> 00:47:19,050
Vous pouvez simplement traiter cela comme une boîte noire.

799
00:47:19,050 --> 00:47:23,460
>> Ce qui se passe, ce est que ce tuyau
opérateur passait dans cet argument

800
00:47:23,460 --> 00:47:24,110
en ici.

801
00:47:24,110 --> 00:47:28,070
Donc, je suis groupe disant par dat
race et alors président 04.

802
00:47:28,070 --> 00:47:31,530
Et puis, tous ces autres commandes
filtrons puis résumant

803
00:47:31,530 --> 00:47:34,081
où je fais comte et
alors je tracer ici.

804
00:47:34,081 --> 00:47:39,980

805
00:47:39,980 --> 00:47:42,500
OK cool.

806
00:47:42,500 --> 00:47:44,620
Allons donc de l'avant et
voir à quoi cela ressemble.

807
00:47:44,620 --> 00:47:52,280

808
00:47:52,280 --> 00:47:57,290
>> Donc ce qui se passe ici, ce est que je
juste tracée chacune des courses et puis

809
00:47:57,290 --> 00:47:59,670
lesquels ils ont voté.

810
00:47:59,670 --> 00:48:03,492
Et ces deux différente
correspondent à deux valeurs et une.

811
00:48:03,492 --> 00:48:05,325
Si vous voulez être plus
élégant, vous pouvez aussi

812
00:48:05,325 --> 00:48:11,770
Il suffit de spécifier que 2 est Kerry-- ou
2 est Bush, puis 1 est Kerry.

813
00:48:11,770 --> 00:48:13,700
Et vous pouvez aussi avoir
que, dans votre légende.

814
00:48:13,700 --> 00:48:17,410
>> Et vous pouvez aussi diviser ces graphiques à barres.

815
00:48:17,410 --> 00:48:19,480
Car une chose est
que, si vous remarquez,

816
00:48:19,480 --> 00:48:24,560
ce ne est pas très facile d'identifier
laquelle de ces deux valeurs sont plus grandes.

817
00:48:24,560 --> 00:48:27,920
Donc, une chose que vous voudriez
faire est de profiter de cette zone bleue

818
00:48:27,920 --> 00:48:31,855
et juste le déplacer sur ici, donc vous
pouvons comparer ces deux côte à côte.

819
00:48:31,855 --> 00:48:34,480
Et je suppose que ce est quelque chose que je
ne ont pas le temps de faire en ce moment,

820
00:48:34,480 --> 00:48:36,660
mais ce est aussi très facile à faire.

821
00:48:36,660 --> 00:48:40,310
Vous pouvez simplement regarder dans
les pages de manuel de ggplot.

822
00:48:40,310 --> 00:48:47,170
Ainsi, vous pouvez simplement ne ggplot comme
cela et lire dans cette page de manuel.

823
00:48:47,170 --> 00:48:51,920
>> Alors permettez-moi de rapidement
vous montrer quelques choses cool.

824
00:48:51,920 --> 00:48:57,610
Allons de l'avant et aller to-- juste une
application de l'apprentissage de la machine.

825
00:48:57,610 --> 00:49:02,450
Alors disons que nous avons ces trois
paquets je vais donc les charger dans.

826
00:49:02,450 --> 00:49:05,500

827
00:49:05,500 --> 00:49:09,170
Donc, ce contente d'afficher des
information après je ai chargé dans la chose.

828
00:49:09,170 --> 00:49:15,220
Donc, je dis cela read.csv,
cet ensemble de données, et maintenant

829
00:49:15,220 --> 00:49:18,940
Je vais aller de l'avant et regarder et
voir ce qui est à l'intérieur de cet ensemble de données.

830
00:49:18,940 --> 00:49:22,080
>> Ainsi, les 20 premières observations.

831
00:49:22,080 --> 00:49:27,190
Donc, je ai juste X1, X2, et Y. Donc, il
semble comme un tas de ces valeurs

832
00:49:27,190 --> 00:49:31,640
sont peut-être allant de 20 à 80 ou plus.

833
00:49:31,640 --> 00:49:37,700
Puis de même pour X2 et ensuite
cette Y semble être étiquettes 0 et 1.

834
00:49:37,700 --> 00:49:49,500
>> Pour vérifier cela, je peux
il suffit de faire des données sommaires X1.

835
00:49:49,500 --> 00:49:51,660
Puis de même pour
toutes les autres colonnes.

836
00:49:51,660 --> 00:49:55,300
Donc résumé est un moyen rapide de
tout en vous montrant des valeurs rapides.

837
00:49:55,300 --> 00:49:56,330
Oh, désolé.

838
00:49:56,330 --> 00:49:58,440
Celui-ci devrait être Y.

839
00:49:58,440 --> 00:50:03,420
>> Donc dans ce cas, la donne
quantiles, médianes, plafonne ainsi.

840
00:50:03,420 --> 00:50:07,130
Dans ce cas, dataY, vous pouvez voir
qu'il va juste être 0 et 1.

841
00:50:07,130 --> 00:50:10,100
Aussi la moyenne est dit
0,6, signifie simplement qu'il

842
00:50:10,100 --> 00:50:13,380
semble que je ai plus que 1s 0s.

843
00:50:13,380 --> 00:50:16,160
>> Alors laissez-moi aller de l'avant et de montrer
vous ce que cela ressemble.

844
00:50:16,160 --> 00:50:17,470
Donc je vais juste pour tracer cette.

845
00:50:17,470 --> 00:50:22,852

846
00:50:22,852 --> 00:50:24,636
Voyons comment effacer cela.

847
00:50:24,636 --> 00:50:30,492

848
00:50:30,492 --> 00:50:31,468
Oh OK.

849
00:50:31,468 --> 00:50:35,840

850
00:50:35,840 --> 00:50:36,340
D'ACCORD.

851
00:50:36,340 --> 00:50:37,590
>> Donc, ce est à quoi il ressemble.

852
00:50:37,590 --> 00:50:46,310
Donc, il semble que je ai précisé jaunes
0, puis rouge je spécifie en 1s.

853
00:50:46,310 --> 00:50:52,190
Donc, ici, il ressemble
points labels et qu'il

854
00:50:52,190 --> 00:50:56,410
semble que vous vouliez que quelques-uns
sorte de regroupement à ce sujet.

855
00:50:56,410 --> 00:51:01,020
>> Et laissez-moi juste aller de l'avant et de montrer
vous quelques-unes de ces fonctions intégrées.

856
00:51:01,020 --> 00:51:03,580
Voici donc lm.

857
00:51:03,580 --> 00:51:06,060
Donc, ce est juste essayer
pour se adapter à une ligne à cela.

858
00:51:06,060 --> 00:51:08,640
Alors, quelle est la meilleure façon
que je peux adapter une ligne telle

859
00:51:08,640 --> 00:51:14,020
qu'il sera mieux séparer
ce genre de regroupement.

860
00:51:14,020 --> 00:51:21,790
Et idéalement, vous pouvez simplement voir
que je viens de lancer toutes ces commandes

861
00:51:21,790 --> 00:51:25,450
puis, je vais
y et ajoutez la ligne.

862
00:51:25,450 --> 00:51:28,970
>> Donc, cela semble être la meilleure estimation.

863
00:51:28,970 --> 00:51:34,150
Ce est en prenant le meilleur qui minimise
l'erreur en essayant de se adapter à cette ligne.

864
00:51:34,150 --> 00:51:40,000
Évidemment, cela ressemble sorte de
bon, mais ce ne est pas le meilleur.

865
00:51:40,000 --> 00:51:43,130
Et, dans les modèles linéaires
général, vont être

866
00:51:43,130 --> 00:51:46,811
vraiment super pour la théorie et la sorte juste
des fondamentaux de construction de la machine

867
00:51:46,811 --> 00:51:47,310
apprentissage.

868
00:51:47,310 --> 00:51:50,330
Mais dans la pratique, vous allez
vouloir faire quelque chose de plus général.

869
00:51:50,330 --> 00:51:54,280
>> Ainsi, vous pouvez juste essayer de lancer
ce qu'on appelle un réseau neuronal.

870
00:51:54,280 --> 00:51:57,110
Ces choses sont
de plus en plus commun.

871
00:51:57,110 --> 00:52:00,530
Et ils fonctionnent fantastiquement
pour les grands ensembles de données.

872
00:52:00,530 --> 00:52:07,080
Donc dans ce cas, nous ne have--
nous allons see-- nous avons nrow.

873
00:52:07,080 --> 00:52:09,010
Donc nrow dit simplement le nombre de lignes.

874
00:52:09,010 --> 00:52:11,790
Donc dans ce cas, je
avoir 100 observations.

875
00:52:11,790 --> 00:52:15,010
>> Alors laissez-moi aller de l'avant et
faire un réseau neuronal.

876
00:52:15,010 --> 00:52:18,620
Donc, ce est vraiment sympa
parce que je peux juste dire nnet

877
00:52:18,620 --> 00:52:21,767
et puis je suis régression Y.
Ainsi, le Y est cette colonne.

878
00:52:21,767 --> 00:52:23,850
Et puis régresser sur
les deux autres variables.

879
00:52:23,850 --> 00:52:27,360
Donc, ce est plus court
notation de X1 et X2.

880
00:52:27,360 --> 00:52:29,741
>> Donc, nous allons aller de l'avant et exécutez ce.

881
00:52:29,741 --> 00:52:30,240
Oh, désolé.

882
00:52:30,240 --> 00:52:32,260
Je ai besoin de courir toute cette affaire.

883
00:52:32,260 --> 00:52:37,500
Et ce ne est que l'impression notation
pour combien rapidement ou pas rapidement, il

884
00:52:37,500 --> 00:52:38,460
convergé.

885
00:52:38,460 --> 00:52:41,420
Donc, il semble que ce ne convergent.

886
00:52:41,420 --> 00:52:44,970
Alors laissez-moi aller de l'avant et d'impression
à quoi cela ressemble.

887
00:52:44,970 --> 00:52:51,260
>> Voir ici est l'image et est ici
un contour montrant comment il se adapte.

888
00:52:51,260 --> 00:52:56,380
Et ce est just-- vous pouvez voir
ce que ce est très, très agréable.

889
00:52:56,380 --> 00:52:59,400
Il pourrait même être
overfitting, mais vous pouvez aussi

890
00:52:59,400 --> 00:53:03,390
rendre compte de ce que d'autres
des techniques telles que la validation croisée.

891
00:53:03,390 --> 00:53:06,180
Et ceux-ci sont également intégrés dans R.

892
00:53:06,180 --> 00:53:09,170
>> Et permettez-moi de vous montrer
Machine à vecteurs de support.

893
00:53:09,170 --> 00:53:12,470
Ce est une autre très commun
technique dans l'apprentissage de la machine.

894
00:53:12,470 --> 00:53:18,550
Il est très similaire aux modèles linéaires, mais
il utilise ce qu'on appelle une méthode du noyau.

895
00:53:18,550 --> 00:53:22,790
Et nous allons voir comment bien que cela fait.

896
00:53:22,790 --> 00:53:26,430
Ainsi, celui-ci est très semblable à la façon dont
et un réseau neuronal exécute,

897
00:53:26,430 --> 00:53:27,900
mais ce est beaucoup plus lisse.

898
00:53:27,900 --> 00:53:35,740
Et ce est basé sur
des what-- comment SVM travail.

899
00:53:35,740 --> 00:53:40,250
>> Donc, ce est juste une très
aperçu rapide de certains

900
00:53:40,250 --> 00:53:43,822
des fonctions intégrées que vous pouvez faire
et également une partie de l'exploration de données.

901
00:53:43,822 --> 00:53:45,905
Permettez-moi donc aller de l'avant
et revenir sur les lames.

902
00:53:45,905 --> 00:53:50,290

903
00:53:50,290 --> 00:53:53,670
>> Alors, évidemment, ce est
pas très complet.

904
00:53:53,670 --> 00:53:57,140
Et ce est vraiment juste un teaser
vous montrer ce que vous pouvez vraiment faire dans R.

905
00:53:57,140 --> 00:53:59,100
Donc, si vous voudrais juste
pour en savoir plus, voici

906
00:53:59,100 --> 00:54:01,210
sont un tas de différentes ressources.

907
00:54:01,210 --> 00:54:06,890
>> Donc, si vous êtes friands de manuels ou vous êtes
simplement friands de lecture des choses en ligne,

908
00:54:06,890 --> 00:54:09,670
alors ce est un fantastique
Hadley par une Wickham,

909
00:54:09,670 --> 00:54:13,010
qui a également créé tous ces
paquets vraiment cool.

910
00:54:13,010 --> 00:54:17,420
Si vous êtes friands de vidéos, puis
Berkeley a un bootcamp génial

911
00:54:17,420 --> 00:54:21,060
ce est several-- ce est sorte de long.

912
00:54:21,060 --> 00:54:24,210
Et il va vous apprendre presque
tout ce que vous souhaitez savoir sur R.

913
00:54:24,210 --> 00:54:27,770
>> Et de même, il ya Codeacademy
et toutes ces autres tri

914
00:54:27,770 --> 00:54:29,414
sites du interactifs.

915
00:54:29,414 --> 00:54:31,580
Ils obtiennent aussi
common-- plus en plus commun.

916
00:54:31,580 --> 00:54:33,749
Donc, ce est très similaire à Codeacademy.

917
00:54:33,749 --> 00:54:35,790
Et enfin, si vous venez de
Communauté et veulent aider,

918
00:54:35,790 --> 00:54:38,800
ceux-ci sont un tas de
choses que vous pouvez aller.

919
00:54:38,800 --> 00:54:40,880
De toute évidence, nous avons encore
utiliser des listes de diffusion, tout simplement

920
00:54:40,880 --> 00:54:44,860
comme presque tous les autres
communauté de langage de programmation.

921
00:54:44,860 --> 00:54:47,880
Et #rstats, ce est
notre communauté Twitter.

922
00:54:47,880 --> 00:54:49,580
Ce est tout à fait commun.

923
00:54:49,580 --> 00:54:50,850
Et puis utilisateur!

924
00:54:50,850 --> 00:54:52,340
Est juste notre conférence.

925
00:54:52,340 --> 00:54:55,390
>> Et puis, bien sûr, vous pouvez
utiliser tous ces autres Q & A des choses,

926
00:54:55,390 --> 00:54:57,680
comme Stack Overflow,
Google, puis GitHub.

927
00:54:57,680 --> 00:55:00,490
Parce que la plupart de ces paquets
et beaucoup de la communauté

928
00:55:00,490 --> 00:55:03,420
sera centré autour du développement
code, car il est open source.

929
00:55:03,420 --> 00:55:05,856
Et ce est vraiment gentil sur GitHub.

930
00:55:05,856 --> 00:55:08,730
Et enfin, vous pouvez me contacter si
vous avez juste des questions rapides.

931
00:55:08,730 --> 00:55:13,530
Ainsi, vous pouvez me retrouver sur Twitter ici,
mon site, et juste mon email.

932
00:55:13,530 --> 00:55:17,840
Donc, je espère, que ce était
quelque chose-- juste un teaser court

933
00:55:17,840 --> 00:55:20,900
de ce que R est vraiment capable de faire.

934
00:55:20,900 --> 00:55:23,990
Et je espère, que vous venez de
vérifier ces trois liens

935
00:55:23,990 --> 00:55:25,760
et voyez ce que vous pouvez faire plus.

936
00:55:25,760 --> 00:55:28,130
Et je suppose que ce est juste à ce sujet.

937
00:55:28,130 --> 00:55:28,630
Merci.

938
00:55:28,630 --> 00:55:30,780
>> [Applaudissements]

939
00:55:30,780 --> 00:55:31,968