1
00:00:00,000 --> 00:00:05,691

2
00:00:05,691 --> 00:00:07,690
CONNOR HARRIS: Stadig jeg
tror nogle spændende video

3
00:00:07,690 --> 00:00:12,570
produceret af en professionel rådgivning
der bruger R meget i sit arbejde.

4
00:00:12,570 --> 00:00:16,329
>> Fortæller: Hvad er bag statistikken,
Analytics, og visualiseringer

5
00:00:16,329 --> 00:00:19,770
at nutidens dygtigste data forskere
og erhvervsledere er afhængige af

6
00:00:19,770 --> 00:00:22,012
at gøre kraftfulde beslutninger?

7
00:00:22,012 --> 00:00:23,540
Du må ikke altid se det.

8
00:00:23,540 --> 00:00:24,790
Men det er der.

9
00:00:24,790 --> 00:00:29,460
Det hedder R, open source r-- den
statistisk programmeringssprog

10
00:00:29,460 --> 00:00:32,630
at de registrerede eksperter verden
løbet brug for alt

11
00:00:32,630 --> 00:00:35,350
fra kortlægning bred social
og markedsføring tendenser online

12
00:00:35,350 --> 00:00:39,210
at udvikle den finansielle og klima
modeller, der hjælper drive vores økonomier

13
00:00:39,210 --> 00:00:40,780
og lokalsamfund.

14
00:00:40,780 --> 00:00:44,910
>> Men hvad er R
og hvor har R starte?

15
00:00:44,910 --> 00:00:48,620
Nå oprindeligt, R startede
her med to professorer

16
00:00:48,620 --> 00:00:51,950
der ønskede en bedre statistisk
platform for deres elever.

17
00:00:51,950 --> 00:00:56,030
Så de skabte en modelleret
efter statistiske sprog S.

18
00:00:56,030 --> 00:01:00,480
De, sammen med mange andre,
holdes arbejder med og brug af R,

19
00:01:00,480 --> 00:01:05,489
skabe værktøjer til R og finde
nye ansøgninger om R hver dag.

20
00:01:05,489 --> 00:01:07,750
>> Takket være dette er
verdensomspændende fællesskab indsats,

21
00:01:07,750 --> 00:01:11,850
R holdes vokser med tusindvis
af brugeroprettede biblioteker bygget

22
00:01:11,850 --> 00:01:15,500
at øge R funktionalitet og
crowd-fremskaffede validering kvalitet

23
00:01:15,500 --> 00:01:19,740
og støtte fra de mest anerkendte
industriens ledere på alle områder, der

24
00:01:19,740 --> 00:01:25,040
bruger R. Hvilket er stor, fordi
R er den bedste til, hvad den gør.

25
00:01:25,040 --> 00:01:28,540
Spirende eksperter hurtigt og
let fortolke, interagere med,

26
00:01:28,540 --> 00:01:33,790
og visualisere data viser deres hastigt
voksende fællesskab af R-brugere på verdensplan

27
00:01:33,790 --> 00:01:36,380
og se, hvordan open source
R fortsat forme

28
00:01:36,380 --> 00:01:39,340
fremtiden for statistisk
analyse og data videnskab.

29
00:01:39,340 --> 00:01:44,660

30
00:01:44,660 --> 00:01:47,710
>> CONNOR HARRIS: OK, stor.

31
00:01:47,710 --> 00:01:50,360
Så min egen præsentation
vil være en smule mere ædru.

32
00:01:50,360 --> 00:01:54,380
Det vil ikke indebære, at meget
spændende baggrundsmusik.

33
00:01:54,380 --> 00:01:59,160
Men som du så i videoen, R er sortering
af en generel purpose program sprog.

34
00:01:59,160 --> 00:02:03,720
Men det blev oprettet meste
til statistisk arbejde.

35
00:02:03,720 --> 00:02:07,980
>> Så det er designet til statistik,
til dataanalyse, for data mining.

36
00:02:07,980 --> 00:02:12,420
Og så du kan se dette i en masse
de designvalg, at skaberne af R

37
00:02:12,420 --> 00:02:13,320
fremstillet.

38
00:02:13,320 --> 00:02:15,472
Den er designet til stort set,
folk, der ikke

39
00:02:15,472 --> 00:02:17,930
eksperter i programmering, der
er bare optagning programmering

40
00:02:17,930 --> 00:02:23,460
på den side, så de kan gøre deres arbejde
i samfundsfag eller i statistik

41
00:02:23,460 --> 00:02:25,440
eller hvad.

42
00:02:25,440 --> 00:02:27,850
>> Det har en masse meget
vigtige forskelle fra C.

43
00:02:27,850 --> 00:02:33,200
Men syntaksen og paradigmer
at den bruger stort set den samme.

44
00:02:33,200 --> 00:02:36,830
Og du bør føle sig temmelig
meget hjemme ret off the bat.

45
00:02:36,830 --> 00:02:38,520
Det er en absolut nødvendighed sprog.

46
00:02:38,520 --> 00:02:40,260
>> Må ikke bekymre dig for meget om, at
hvis du ikke kender udtrykket.

47
00:02:40,260 --> 00:02:42,676
Men der er en forskel
mellem bydende nødvendigt, deklarativ,

48
00:02:42,676 --> 00:02:43,810
og funktionelle.

49
00:02:43,810 --> 00:02:47,600
Bydende nødvendigt bare betyder, at du gør
udsagn, der er dybest set kommandoer.

50
00:02:47,600 --> 00:02:52,340
Og så tolken eller
computer følger dem én efter én.

51
00:02:52,340 --> 00:02:56,630
Det er svagt indtastet, er der
ingen type erklæringer i R.

52
00:02:56,630 --> 00:02:59,130
>> Og derefter linjerne
mellem forskellige typer

53
00:02:59,130 --> 00:03:03,920
er en smule mere løs end
de er i C, f.eks.

54
00:03:03,920 --> 00:03:06,450
Og som jeg sagde, at der er
meget omfattende faciliteter

55
00:03:06,450 --> 00:03:15,610
til graftegning, til statistisk
analyse, for data mining.

56
00:03:15,610 --> 00:03:19,540
Disse er begge indbygget i
sprog og som videoen sagde,

57
00:03:19,540 --> 00:03:23,680
tusindvis af tredjeparts biblioteker,
du kan downloade og bruge gratis

58
00:03:23,680 --> 00:03:25,340
med meget løs licensbetingelser.

59
00:03:25,340 --> 00:03:28,800

60
00:03:28,800 --> 00:03:31,500
>> Så generelt vil jeg anbefale
at du ser på disse to bøger

61
00:03:31,500 --> 00:03:34,610
Hvis du kommer til at arbejde på R. One
af dem er officielle R begynderniveau

62
00:03:34,610 --> 00:03:35,110
guide.

63
00:03:35,110 --> 00:03:38,660
Det vedligeholdes af
core udviklere af R.

64
00:03:38,660 --> 00:03:42,400
Du kan downloade det igen, fri for
opkræve og juridisk på det link der.

65
00:03:42,400 --> 00:03:45,430

66
00:03:45,430 --> 00:03:49,869
Alle disse dias kommer til at gå
op på internettet, på CS50 hjemmeside

67
00:03:49,869 --> 00:03:50,660
Når dette er gjort.

68
00:03:50,660 --> 00:03:53,690
Så ingen grund til at kopiere
ting ned febrilsk.

69
00:03:53,690 --> 00:03:56,800
>> Den anden er en
lærebog af Cosma Shalizi,

70
00:03:56,800 --> 00:04:00,100
der er en statistik professor ved
Carnegie Mellon, kaldet Advanced Data

71
00:04:00,100 --> 00:04:02,160
Analyse fra en
Elementær Point of View.

72
00:04:02,160 --> 00:04:04,010
Dette er ikke primært en R bog.

73
00:04:04,010 --> 00:04:07,130
Det er en statistik bog og
det er en dataanalyse bog.

74
00:04:07,130 --> 00:04:11,990
Men det er meget tilgængelige for folk, der
have et minimum af statistik viden.

75
00:04:11,990 --> 00:04:13,750
>> Jeg har aldrig taget en formel kursus.

76
00:04:13,750 --> 00:04:17,269
Jeg ved bare, stumper og stykker
fra forskellige allierede fag

77
00:04:17,269 --> 00:04:18,579
at jeg har taget kurser i.

78
00:04:18,579 --> 00:04:21,839
Og jeg var i stand til at forstå
det udmærket.

79
00:04:21,839 --> 00:04:25,630
>> Alle tallene er givet
i R. De er lavet i F

80
00:04:25,630 --> 00:04:30,280
og de har også kodelistningerne
under hver figur, der fortæller dig

81
00:04:30,280 --> 00:04:33,270
hvordan du gør hver figur med R-kode.

82
00:04:33,270 --> 00:04:37,400
Og det er meget nyttigt, hvis
du forsøger at efterligne

83
00:04:37,400 --> 00:04:38,650
nogle tal, du ser i en bog.

84
00:04:38,650 --> 00:04:47,840
>> Og igen gratis download
stat.cmu.edu/cshalizi/ Beklager,

85
00:04:47,840 --> 00:04:50,230
der bør skråstreg tilde cshalizi.

86
00:04:50,230 --> 00:04:53,150
Jeg vil sørge for at korrigere
når de officielle dias gå op.

87
00:04:53,150 --> 00:04:57,000
/ ADAfaEPoV som er lige det
akronym af bogen titel.

88
00:04:57,000 --> 00:04:59,850

89
00:04:59,850 --> 00:05:02,500
>> Så generelle caveats-- R
har en masse muligheder.

90
00:05:02,500 --> 00:05:05,331
Jeg vil kun være i stand til at dække
overfladen af ​​en masse ting.

91
00:05:05,331 --> 00:05:08,580
Også den første del af seminaret
kommer til at være noget af en data dump.

92
00:05:08,580 --> 00:05:11,437
Jeg er helt ked af det.

93
00:05:11,437 --> 00:05:13,770
Dybest set, vil jeg
introducere dig til en masse ting

94
00:05:13,770 --> 00:05:15,350
ret off the bat, går
så hurtigt som muligt.

95
00:05:15,350 --> 00:05:17,058
Og så får vi til
den sjove del, som er

96
00:05:17,058 --> 00:05:20,570
demoen, hvor jeg kan vise dig alt
at vi har talt om på skærmen.

97
00:05:20,570 --> 00:05:23,321
Og du kan spille rundt på egen hånd.

98
00:05:23,321 --> 00:05:26,070
Så der kommer til at være en masse af
tekniske ting kastet op på her.

99
00:05:26,070 --> 00:05:28,060
Må ikke bekymre dig om at kopiere alt det ned.

100
00:05:28,060 --> 00:05:31,740
Fordi A, kan du få alle de
ting på CS50 hjemmeside senere.

101
00:05:31,740 --> 00:05:37,780
Og B, det er egentlig ikke så vigtigt
at huske dette fra dias.

102
00:05:37,780 --> 00:05:40,462
Det er mere vigtigt, at du får
nogle intuitive anlæg med det

103
00:05:40,462 --> 00:05:44,220
og der kommer fra bare at spille rundt.

104
00:05:44,220 --> 00:05:45,720
>> Så hvorfor bruge R?

105
00:05:45,720 --> 00:05:49,440
Dybest set, hvis du har et projekt,
indebærer minedrift store datasæt, data

106
00:05:49,440 --> 00:05:52,664
visualisering, du
skal bruge R. Hvis du er

107
00:05:52,664 --> 00:05:55,830
gør komplicerede statistiske analyser,
det ville være vanskeligt i Excel,

108
00:05:55,830 --> 00:05:58,010
for eksempel, ville det
også god-- også

109
00:05:58,010 --> 00:06:00,506
hvis du laver statistisk
analyse, der er automatiseret.

110
00:06:00,506 --> 00:06:02,130
Lad os sige, at du opretholde en hjemmeside.

111
00:06:02,130 --> 00:06:06,320
Og du ønsker at læse serverens log
hver dag og kompilere nogle liste,

112
00:06:06,320 --> 00:06:10,320
Ligesom de bedste lande,
dine brugere kommer fra,

113
00:06:10,320 --> 00:06:15,100
nogle summariske statistikker om, hvor lang tid
de bruger på dit websted eller hvad.

114
00:06:15,100 --> 00:06:16,910
Og du ønsker at køre dette hver dag.

115
00:06:16,910 --> 00:06:20,280
>> Nu, hvis du gør dette i Excel,
du er nødt til at gå til din server log,

116
00:06:20,280 --> 00:06:23,490
importere det ind i en
Excel data regneark,

117
00:06:23,490 --> 00:06:24,910
kører hele analysen manuelt.

118
00:06:24,910 --> 00:06:27,100
Med R, kan du bare skrive en script.

119
00:06:27,100 --> 00:06:29,520
Planlæg det til at køre hver dag
fra styresystemet.

120
00:06:29,520 --> 00:06:33,657
Og så hver aften på 2:00 AM,
eller når du planlægge det til at køre,

121
00:06:33,657 --> 00:06:35,990
det vil se gennem din
internet trafik for den pågældende dag.

122
00:06:35,990 --> 00:06:39,010
Og så ved den næste dag, vil du
har denne skinnende, ny rapport

123
00:06:39,010 --> 00:06:41,710
eller hvad med alle de
oplysninger, du har bedt om.

124
00:06:41,710 --> 00:06:44,960

125
00:06:44,960 --> 00:06:50,217
>> Så dybest set R er til Cisco
programmering versus Cisco analyse.

126
00:06:50,217 --> 00:06:51,050
Indledende er gjort.

127
00:06:51,050 --> 00:06:53,104
Lad os komme ind i de virkelige ting.

128
00:06:53,104 --> 00:06:55,020
Så der er tre reelle
typer i sproget.

129
00:06:55,020 --> 00:06:56,120
Der er numerisk type.

130
00:06:56,120 --> 00:07:01,250
Der er en slags en forskel mellem
heltal og flydende punkter,

131
00:07:01,250 --> 00:07:02,769
men ikke rigtig.

132
00:07:02,769 --> 00:07:04,560
Der er en karakter
skriver, som er strenge.

133
00:07:04,560 --> 00:07:07,100
Og der er en logisk
skriver, hvilket er Booleans.

134
00:07:07,100 --> 00:07:11,080
>> Og du kan konvertere mellem typer
ved hjælp af disse funktioner som numerisk,

135
00:07:11,080 --> 00:07:15,220
som karakter, som logisk.

136
00:07:15,220 --> 00:07:17,510
Hvis du ringer, for eksempel,
som numerisk på en snor,

137
00:07:17,510 --> 00:07:20,030
det vil forsøge at læse, at strengen
som et tal, på samme måde

138
00:07:20,030 --> 00:07:25,897
at A2I og scanf gør, og C. Hvis
du kalder som numerisk på sand eller falsk

139
00:07:25,897 --> 00:07:26,980
det vil konvertere til 1 eller 0.

140
00:07:26,980 --> 00:07:29,110
Hvis du ringer som karakter
på noget det vil

141
00:07:29,110 --> 00:07:32,550
konvertere det til et
string repræsentation.

142
00:07:32,550 --> 00:07:34,990
>> Og så er der vektorer og matricer.

143
00:07:34,990 --> 00:07:37,580
Så vektorer er dybest set
1 dimensionelle arrays.

144
00:07:37,580 --> 00:07:40,600
De er det, vi kalder arrays i
C. Matricer, 2 dimensionelle arrays.

145
00:07:40,600 --> 00:07:42,350
Og derefter højere
dimensionelle arrays, du kan

146
00:07:42,350 --> 00:07:48,560
har 3, 4, 5 dimensioner eller hvad
af numeriske værdier, af strygere,

147
00:07:48,560 --> 00:07:52,860
af logiske værdier.

148
00:07:52,860 --> 00:07:55,380
>> Du har også lister, som er
en slags associative array.

149
00:07:55,380 --> 00:07:57,390
Jeg får ind i denne lidt.

150
00:07:57,390 --> 00:07:59,390
Så en vigtig ting
der ture folk op i F

151
00:07:59,390 --> 00:08:01,470
er, at der ikke er nogen
reelle, rene atomare typer.

152
00:08:01,470 --> 00:08:05,870
Der er ingen reelle forskel mellem
et nummer, som en numerisk værdi,

153
00:08:05,870 --> 00:08:07,920
og en liste over numeriske værdier.

154
00:08:07,920 --> 00:08:12,370
Numeriske værdier er faktisk den
samme som vektorerne med en længde 1.

155
00:08:12,370 --> 00:08:14,959
Og det har en række
vigtige konsekvenser.

156
00:08:14,959 --> 00:08:17,500
One, betyder det, at du kan gøre
ting meget let, der involverer

157
00:08:17,500 --> 00:08:21,037
gerne tilføje et nummer til en vektor.

158
00:08:21,037 --> 00:08:23,120
R vil som udgangspunkt figur
ud, hvad du mener med det.

159
00:08:23,120 --> 00:08:24,610
Og jeg vil komme til at i et sekund.

160
00:08:24,610 --> 00:08:27,930
Det betyder også, at der er ingen måde
for den type checker-- i det omfang

161
00:08:27,930 --> 00:08:30,530
at noget lignende
findes i r-- fortælle

162
00:08:30,530 --> 00:08:33,780
når du har bestået i det indre værdi
når det forventer en matrix eller omvendt.

163
00:08:33,780 --> 00:08:39,159
Og som kan forårsage nogle mærkelige
problemer, som jeg løb ind, når

164
00:08:39,159 --> 00:08:42,252
Jeg var ved hjælp af R under min sommer job.

165
00:08:42,252 --> 00:08:43,710
Og der er ingen mixed-type arrays.

166
00:08:43,710 --> 00:08:46,543
Så du kan ikke have et array var
første elementer er, ved jeg ikke,

167
00:08:46,543 --> 00:08:49,332
strengen "John" og
andet element er nummer 42.

168
00:08:49,332 --> 00:08:52,540
Hvis du forsøger at gøre det, så vil du få
alt bare omdannes til en streng.

169
00:08:52,540 --> 00:08:54,760
Så vi har strengen John, snor 42.

170
00:08:54,760 --> 00:08:58,250

171
00:08:58,250 --> 00:09:02,025
>> Så usædvanligt syntaktisk features-- fleste
R syntaks er meget lig C.

172
00:09:02,025 --> 00:09:04,690
Der er et par vigtige forskelle.

173
00:09:04,690 --> 00:09:05,620
Typing er meget svag.

174
00:09:05,620 --> 00:09:07,360
Så der er ingen variable erklæringer.

175
00:09:07,360 --> 00:09:12,670
Opgave bruger den mærkelige
fejl, mindre end bindestreg.

176
00:09:12,670 --> 00:09:15,340
Kommentarer er med hash-mærket.

177
00:09:15,340 --> 00:09:19,230
Jeg gætter nu dage vi kalder det hashtag
selvom det er ikke rigtig accurate-- ikke

178
00:09:19,230 --> 00:09:21,810
dobbelt skråstreg.

179
00:09:21,810 --> 00:09:24,710
>> Modular rester er med %% tegn.

180
00:09:24,710 --> 00:09:30,172
Heltalsdivision er med% /%, hvilket er
meget svært at læse, når det er fremskrevet

181
00:09:30,172 --> 00:09:30,880
op på skærmen.

182
00:09:30,880 --> 00:09:34,150

183
00:09:34,150 --> 00:09:37,200
Du kan få intervaller af
heltal med tyktarmen.

184
00:09:37,200 --> 00:09:41,840
Så 2,5 vil give dig en vektor
af alle de numre 2 til 5.

185
00:09:41,840 --> 00:09:44,530
>> Arrays er en indekseret,
hvilke skruer en masse mennesker

186
00:09:44,530 --> 00:09:47,540
op, hvis de er fra mere
typiske programmeringssprog,

187
00:09:47,540 --> 00:09:50,450
som C, hvor de fleste
tingene er nul-indekseret.

188
00:09:50,450 --> 00:09:54,420
Igen, dette er, hvor R arv
som et sprog for ligesom ikke

189
00:09:54,420 --> 00:09:56,560
professionelle programmører kommer i.

190
00:09:56,560 --> 00:09:59,680
Hvis du er en sociolog eller
en økonom eller noget

191
00:09:59,680 --> 00:10:01,980
og du forsøger at bruge
R dybest set som et supplement

192
00:10:01,980 --> 00:10:03,832
til din vigtigere
professionelle arbejde,

193
00:10:03,832 --> 00:10:06,040
du kommer til at finde
en indeksering lidt mere naturligt.

194
00:10:06,040 --> 00:10:09,890
Fordi du begynde at tælle
ved 1 i hverdagen, ikke er 0.

195
00:10:09,890 --> 00:10:13,260
>> For-loops, dette svarer til
den foreach konstruere i PHP,

196
00:10:13,260 --> 00:10:17,090
som du kommer til at
lære in-- temmelig snart.

197
00:10:17,090 --> 00:10:22,540
Hvilket er for værdi i vektor og
så kan du gøre ting med værdi.

198
00:10:22,540 --> 00:10:24,040
PUBLIKUM: Det er kommet op i foredrag.

199
00:10:24,040 --> 00:10:26,248
CONNOR HARRIS: Åh, det er
komme op foredrag fremragende.

200
00:10:26,248 --> 00:10:29,815
PUBLIKUM: Opgaven, er det
formodes at pege fra højre til venstre?

201
00:10:29,815 --> 00:10:31,440
CONNOR HARRIS: Fra højre til venstre, ja.

202
00:10:31,440 --> 00:10:34,720
Du kan tænke på det som værdien på
højre skubbet ind i variable

203
00:10:34,720 --> 00:10:36,240
til venstre.

204
00:10:36,240 --> 00:10:36,781
PUBLIKUM: OK.

205
00:10:36,781 --> 00:10:39,770

206
00:10:39,770 --> 00:10:42,330
>> CONNOR HARRIS: Og endelig
funktion syntaks er en smule mærkeligt.

207
00:10:42,330 --> 00:10:48,460
Du har funktionen navnet foo, tildelte
til dette nøgleordet funktion, efterfulgt

208
00:10:48,460 --> 00:10:51,530
af alle de argumenter og derefter
kroppen af ​​funktionen efter det.

209
00:10:51,530 --> 00:10:53,280
Igen disse ting kan
synes en smule mærkeligt.

210
00:10:53,280 --> 00:10:57,181
De vil blive anden karakter efter
du arbejder med sproget for lidt.

211
00:10:57,181 --> 00:10:58,930
Så vektorer, den måde
du konstruere en vektor

212
00:10:58,930 --> 00:11:04,550
er du typen C, som er et nøgleord, så
alle de numre, du ønsker eller strenge

213
00:11:04,550 --> 00:11:06,490
eller hvad.

214
00:11:06,490 --> 00:11:07,995
Argumenter også være vektorer.

215
00:11:07,995 --> 00:11:09,620
Men den resulterende matrix bliver fladtrykt.

216
00:11:09,620 --> 00:11:14,385
Så du kan ikke have arrays hvor
nogle elementer er enlige tal

217
00:11:14,385 --> 00:11:17,010
og nogle elementer er arrays selv.

218
00:11:17,010 --> 00:11:20,010
>> Så hvis du forsøger at konstruere en
matrix var det første element er 4

219
00:11:20,010 --> 00:11:22,370
og det andet element
er array 3,5 du vil

220
00:11:22,370 --> 00:11:25,890
bare få en tre elementer array, 4,3,5.

221
00:11:25,890 --> 00:11:27,760
De kan ikke være af blandet type.

222
00:11:27,760 --> 00:11:32,290
Hvis du forsøger at læse eller skrive
uden for rammerne af en vektor

223
00:11:32,290 --> 00:11:36,640
du får denne værdi kaldes NA et
som står for en manglende værdi.

224
00:11:36,640 --> 00:11:39,900
Og det er beregnet til
ligesom statistikere, der

225
00:11:39,900 --> 00:11:43,080
arbejder med ufuldstændige datasæt.

226
00:11:43,080 --> 00:11:46,460
>> Hvis du anvender en funktion, der er meningen
at tage bare ét nummer til et array

227
00:11:46,460 --> 00:11:49,220
så hvad du får, er, at
funktion vil kortlægge over array.

228
00:11:49,220 --> 00:11:52,130
Så hvis din funktion lad os sige tager
et nummer og returnerer det firkantede.

229
00:11:52,130 --> 00:11:58,170
Du anvender det til array 2,3,5
Hvad du får, er den vifte 4,9,25.

230
00:11:58,170 --> 00:12:00,010
>> Og det er meget nyttigt
fordi det betyder, at du

231
00:12:00,010 --> 00:12:03,374
behøver ikke at skrive for sløjfer til
gør meget simple ting som at anvende

232
00:12:03,374 --> 00:12:05,040
en funktion til alle medlemmer af et datasæt.

233
00:12:05,040 --> 00:12:08,557
Som, hvis du arbejder med store
datasæt, du skal gøre en masse.

234
00:12:08,557 --> 00:12:10,390
Binære funktioner er
anvendt post ved indrejse.

235
00:12:10,390 --> 00:12:12,430
Jeg vil komme ind i denne.

236
00:12:12,430 --> 00:12:16,750
Du kan få adgang til dem med arrays
eller vektorer med firkantede parenteser.

237
00:12:16,750 --> 00:12:22,300
Så vektor navn kantede parenteser 1
vil give dig det første element.

238
00:12:22,300 --> 00:12:25,510
Vector navn firkantede parenteser 2
vil give dig det andet element.

239
00:12:25,510 --> 00:12:27,530
>> Du kan videregive en vektor
af indekser og du vil

240
00:12:27,530 --> 00:12:29,640
komme tilbage ud dybest set en sub faktor.

241
00:12:29,640 --> 00:12:34,990
Så du kan gøre vektor navn parentes C, 2,4
og du får ud af en vektor, der indeholder

242
00:12:34,990 --> 00:12:38,804
den anden og fjerde
elementer af matrixen.

243
00:12:38,804 --> 00:12:40,720
Og hvis du vil have bare en
hurtig oversigt statistik

244
00:12:40,720 --> 00:12:47,529
af en vektor som interkvartilt
interval, median, maksimum, uanset hvad,

245
00:12:47,529 --> 00:12:49,820
du kan bare skrive resumé
vektor navn og få det ud.

246
00:12:49,820 --> 00:12:52,680
Det er ikke rigtig nyttig i
programmering, men hvis du spiller

247
00:12:52,680 --> 00:12:55,990
omkring datasæt, det er praktisk.

248
00:12:55,990 --> 00:12:58,650
>> Matrices-- dybest set
højere dimensionelle arrays.

249
00:12:58,650 --> 00:13:01,190
De har denne særlige notation syntaks.

250
00:13:01,190 --> 00:13:07,620
Matrix med en matrix, der får
fyldt in-- undskyld, matrix med data,

251
00:13:07,620 --> 00:13:09,780
antal rækker, antal kolonner.

252
00:13:09,780 --> 00:13:13,180
Når du har nogle data, det udfylder
array generelt vil gå fra top til bund

253
00:13:13,180 --> 00:13:13,380
først.

254
00:13:13,380 --> 00:13:14,190
Derefter venstre til højre.

255
00:13:14,190 --> 00:13:15,030
Så sådan.

256
00:13:15,030 --> 00:13:17,809

257
00:13:17,809 --> 00:13:19,600
Og R har indbygget
matrix multiplikationer,

258
00:13:19,600 --> 00:13:24,310
spektral dekomponering,
diagonalisering, en masse ting.

259
00:13:24,310 --> 00:13:27,785
Hvis du vil have højere dimensionelle
arrays, så 3, 4, 5,

260
00:13:27,785 --> 00:13:29,410
eller hvad dimensioner, du kan gøre det.

261
00:13:29,410 --> 00:13:34,400
Syntaksen er vifte dim lig c,
derefter en liste over de dimensioner.

262
00:13:34,400 --> 00:13:38,620
Så hvis du ønsker en 4 dimensionelle array
med dimensioner 4, 7, 8, 9, array,

263
00:13:38,620 --> 00:13:45,470
dim lig c (4,7,8,9).

264
00:13:45,470 --> 00:13:51,180
>> Du får adgang enkeltværdier med beslag
første post komma anden post.

265
00:13:51,180 --> 00:13:54,870
Kan du få hele skiver
af rækker eller kolonner.

266
00:13:54,870 --> 00:13:59,900
Med denne ufuldstændige syntaks er det
bare rækkenummer komma eller komma kolonne

267
00:13:59,900 --> 00:14:00,400
antal.

268
00:14:00,400 --> 00:14:02,874

269
00:14:02,874 --> 00:14:04,540
Så lister er en slags associeret array.

270
00:14:04,540 --> 00:14:06,360
De har deres egen syntaks her.

271
00:14:06,360 --> 00:14:08,320
Igen ikke febrilsk
kopiere alt dette ned.

272
00:14:08,320 --> 00:14:11,370
Dette er blot så folk
går gennem dias senere

273
00:14:11,370 --> 00:14:13,089
har alt dette i en flot reference.

274
00:14:13,089 --> 00:14:16,130
Og det vil blive meget naturlig, når
Jeg faktisk gå gennem demoer.

275
00:14:16,130 --> 00:14:19,295

276
00:14:19,295 --> 00:14:20,920
Så præsenterer en grundlæggende forbundet arrays.

277
00:14:20,920 --> 00:14:27,040
Du kan få adgang værdier med
listenavn, dollartegn, nøgle.

278
00:14:27,040 --> 00:14:31,370
Så hvis din liste er opkaldt foo,
så kan du få adgang til det på den måde.

279
00:14:31,370 --> 00:14:37,032
Du kan få en hel nøgle-værdi par
ved at passere på pladsen beslag indekset.

280
00:14:37,032 --> 00:14:39,240
Hvis du læser fra en ikke-eksisterende
nøgle, får du null.

281
00:14:39,240 --> 00:14:41,150
Det vil ikke fejl.

282
00:14:41,150 --> 00:14:43,590
Ting er, R vil gøre, som
meget med null som det kan.

283
00:14:43,590 --> 00:14:46,580
Og det kan betyde, at hvis du er
ikke forventer at komme null ud

284
00:14:46,580 --> 00:14:51,840
af nogle liste læse, får du nogle
uforudsigelige fejl længere nede

285
00:14:51,840 --> 00:14:52,620
linjen.

286
00:14:52,620 --> 00:14:54,890
>> Dette skete for mig min
sommer job, når jeg var ved hjælp R

287
00:14:54,890 --> 00:14:58,410
hvor jeg skiftede, hvordan en bestemt
Listen blev defineret på ét sted

288
00:14:58,410 --> 00:15:05,410
men ikke ændre senere på
kode, som læste værdier fra den.

289
00:15:05,410 --> 00:15:10,190
Og så hvad der skete, var jeg var
læsning null-værdier ud af denne liste,

290
00:15:10,190 --> 00:15:13,090
passerer dem i funktioner,
og bliver meget forvirret

291
00:15:13,090 --> 00:15:16,000
da jeg fik alle mulige
tilfældige uendeligheder dukker op

292
00:15:16,000 --> 00:15:16,790
i denne funktion.

293
00:15:16,790 --> 00:15:20,730
For hvis du anvender vist maksimum
eller minimum funktioner til null,

294
00:15:20,730 --> 00:15:22,570
du får uendelige værdier ud.

295
00:15:22,570 --> 00:15:26,400

296
00:15:26,400 --> 00:15:29,180
>> Datarammer, de er en underklasse af listen.

297
00:15:29,180 --> 00:15:31,170
Hver værdi er en vektor
af samme længde.

298
00:15:31,170 --> 00:15:34,220
Og de er vant til at præsentere,
dybest set, datatabeller.

299
00:15:34,220 --> 00:15:36,175
Der er denne initialisering syntaks.

300
00:15:36,175 --> 00:15:38,800
Alt dette vil igen, være meget
klarere, når du kommer til demoen.

301
00:15:38,800 --> 00:15:42,240

302
00:15:42,240 --> 00:15:44,240
Og gode ved
datarammer er, at man

303
00:15:44,240 --> 00:15:49,380
kan give navne til alle kolonner
og navne på alle rækkerne.

304
00:15:49,380 --> 00:15:53,890
Og så gør adgang
dem lidt venligere.

305
00:15:53,890 --> 00:15:59,130
Også dette er, hvordan de fleste funktioner,
læst i data fra Excel-regneark

306
00:15:59,130 --> 00:16:03,820
eller fra tekstfiler, for eksempel,
vil læse i deres data.

307
00:16:03,820 --> 00:16:07,555
De vil sætte det ind
en slags dataramme.

308
00:16:07,555 --> 00:16:09,680
Så functions-- funktionerne
syntaks er en smule underligt.

309
00:16:09,680 --> 00:16:16,160
Igen er det navnet på den funktion,
tildele, dette søgeord funktion og derefter

310
00:16:16,160 --> 00:16:17,900
listen over argumenter.

311
00:16:17,900 --> 00:16:24,080
Så der er nogle pæne ting
om, hvordan funktioner fungerer her.

312
00:16:24,080 --> 00:16:28,170
For én, kan du faktisk tildele
standardværdier til visse argumenter.

313
00:16:28,170 --> 00:16:32,910
Så du kan sige R1
equals-- du kan sige foo

314
00:16:32,910 --> 00:16:38,290
er en funktion, hvor R1 er lig med noget
som standard, hvis brugeren angiver

315
00:16:38,290 --> 00:16:39,090
ingen argumenter.

316
00:16:39,090 --> 00:16:41,932
Ellers er det hvad han lagt i.

317
00:16:41,932 --> 00:16:44,140
Og det er meget praktisk
fordi en masse af vores funktioner

318
00:16:44,140 --> 00:16:47,910
har ofte snesevis eller
hundredvis af argumenter.

319
00:16:47,910 --> 00:16:51,210
For eksempel dem til plotte
grafer eller plotte scatter plots

320
00:16:51,210 --> 00:16:54,430
har argumenter, der styrer
alt fra titlen og aksen

321
00:16:54,430 --> 00:16:59,512
etiketter til farven på regressionslinier.

322
00:16:59,512 --> 00:17:01,470
Og så hvis du ikke ønsker
at få folk til at angive

323
00:17:01,470 --> 00:17:04,050
hver enkelt af disse
hundredvis af argumenter

324
00:17:04,050 --> 00:17:07,674
kontrollerende hvert eneste aspekt af
et plot eller en regression eller hvad,

325
00:17:07,674 --> 00:17:09,299
det er rart at have disse standardværdier.

326
00:17:09,299 --> 00:17:12,700

327
00:17:12,700 --> 00:17:19,146
>> Og så kan du faktisk
skrive, som du så tilbage her.

328
00:17:19,146 --> 00:17:22,869
Eller finde en bedre eksempel.

329
00:17:22,869 --> 00:17:28,690
Når du ringer til funktioner, du kan faktisk
ringe til dem ved hjælp af argument navne.

330
00:17:28,690 --> 00:17:33,919
Så her er et eksempel på
matrix constructor.

331
00:17:33,919 --> 00:17:34,960
Det tager tre argumenter.

332
00:17:34,960 --> 00:17:36,760
Normalt du har data,
som er en vektor.

333
00:17:36,760 --> 00:17:38,920
Du har N række, som
er antallet af rækker.

334
00:17:38,920 --> 00:17:41,160
Du har N cols-- antal kolonner.

335
00:17:41,160 --> 00:17:43,920
De ting er, hvis du skriver
N rækken lig hvad

336
00:17:43,920 --> 00:17:46,520
og N er lig col uanset når
du ringer denne funktion,

337
00:17:46,520 --> 00:17:47,770
du kan faktisk vende dem.

338
00:17:47,770 --> 00:17:51,590
Så du kan sætte N col først og N rækken
sekund, og det vil gøre nogen forskel.

339
00:17:51,590 --> 00:17:54,660
Så det er en fin lille funktion.

340
00:17:54,660 --> 00:17:56,260
>> Gjorde import og eksport.

341
00:17:56,260 --> 00:18:00,010
Dette kan gøres, dybest set.

342
00:18:00,010 --> 00:18:03,816
Der er også faciliteter til at skrive ud
vilkårlige R indsigelse mod en binær fil

343
00:18:03,816 --> 00:18:05,190
og derefter læse dem tilbage i senere.

344
00:18:05,190 --> 00:18:08,030
Hvilket er praktisk, hvis du laver
en stor interaktiv session R

345
00:18:08,030 --> 00:18:12,850
og du skal gemme
tingene meget hurtigt.

346
00:18:12,850 --> 00:18:16,460
Som standard R har en arbejdsgruppe mappe
at filer bliver skrevet ud i

347
00:18:16,460 --> 00:18:19,410
og læse igen fra.

348
00:18:19,410 --> 00:18:22,350
Du kan se, at med
getwg, ændre det med setdw.

349
00:18:22,350 --> 00:18:25,630
Intet særligt interessant her

350
00:18:25,630 --> 00:18:28,270
>> Så nu de faktiske statistikker
stuff-- multilineær regression.

351
00:18:28,270 --> 00:18:30,960

352
00:18:30,960 --> 00:18:34,910
Så den sædvanlige syntaks
er en smule kompliceret.

353
00:18:34,910 --> 00:18:37,260
Modellen er en stor genstand dybest set.

354
00:18:37,260 --> 00:18:39,910
Det får tildelt til lm,
som er et funktionskald.

355
00:18:39,910 --> 00:18:43,840
Det første element, y
tilde x1 plus hvad.

356
00:18:43,840 --> 00:18:46,574

357
00:18:46,574 --> 00:18:47,990
Mit syntaks her er en smule forvirrende.

358
00:18:47,990 --> 00:18:49,490
Jeg er helt ked af det, det
er den standard måde

359
00:18:49,490 --> 00:18:50,990
at datalogiske bøger gøre dette.

360
00:18:50,990 --> 00:18:54,890
Men det er lidt underligt.

361
00:18:54,890 --> 00:18:58,200
>> Så dybest set, det er lm
parentes, første element

362
00:18:58,200 --> 00:19:06,730
er variable-- undskyld, afhængig
variabel tilde x1 plus x2 plus

363
00:19:06,730 --> 00:19:10,910
men mange uafhængige
variabler, du har.

364
00:19:10,910 --> 00:19:14,240
Og så disse kan enten være
vektorer, alle af samme længde.

365
00:19:14,240 --> 00:19:16,220
Eller de kan være kolonnen
overskrifter i en data frame

366
00:19:16,220 --> 00:19:18,553
at du bare angive i
andet argument dataramme.

367
00:19:18,553 --> 00:19:23,270

368
00:19:23,270 --> 00:19:26,380
>> Du kan også angive
en mere kompleks formel

369
00:19:26,380 --> 00:19:31,990
så du ikke behøver at lineært
relatere en en afhængig variabel,

370
00:19:31,990 --> 00:19:34,440
eller én vektor på en allerede eksisterende vektor.

371
00:19:34,440 --> 00:19:38,070
Du kan gøre, for eksempel en
vektorkomposant y kvadreret plus 1

372
00:19:38,070 --> 00:19:42,100
og relatere det mod
log af en anden vektor.

373
00:19:42,100 --> 00:19:45,200
Du kan udskrive oversigter over den
model med denne kommando kaldes

374
00:19:45,200 --> 00:19:48,607
summary-- bare resumé Parens model.

375
00:19:48,607 --> 00:19:50,190
Igen noget andet, jeg bør afklare.

376
00:19:50,190 --> 00:19:55,407

377
00:19:55,407 --> 00:19:58,615
Noget andet, der vil blive korrigeret
når slæderne gå op på internettet.

378
00:19:58,615 --> 00:20:01,127

379
00:20:01,127 --> 00:20:03,210
Hvis du blot ønsker at beregne
en simpel korrelation

380
00:20:03,210 --> 00:20:09,170
du kan bruge korrelation vektor
1 vektor 2 funktionen kerne.

381
00:20:09,170 --> 00:20:11,856
Metode er som standard
Pearson korrelationer.

382
00:20:11,856 --> 00:20:13,480
Det er de standard dem, du kan gøre.

383
00:20:13,480 --> 00:20:15,990
Der er også Spearman og
Kendell korrelationer

384
00:20:15,990 --> 00:20:19,530
der er nogle forskellige
rangorden korrelation.

385
00:20:19,530 --> 00:20:23,600
Godt de ikke beregne produkt
øjeblikke mellem vektorerne selv,

386
00:20:23,600 --> 00:20:28,511
men af ​​vektor rang ordrer.

387
00:20:28,511 --> 00:20:29,510
Jeg vil forklare det senere.

388
00:20:29,510 --> 00:20:30,120
>> PUBLIKUM: Hurtigt spørgsmål

389
00:20:30,120 --> 00:20:30,360
>> CONNER HARRIS: Selvfølgelig.

390
00:20:30,360 --> 00:20:33,151
>> PUBLIKUM: Så når du beregne
for de simple korrelationer gøre

391
00:20:33,151 --> 00:20:37,655
du antage, at der er en statistisk
betydning for sammenhængen?

392
00:20:37,655 --> 00:20:39,030
CONNER HARRIS: Du behøver ikke at.

393
00:20:39,030 --> 00:20:41,840

394
00:20:41,840 --> 00:20:43,960
En LM er dybest set bare en maskine.

395
00:20:43,960 --> 00:20:47,690
Det vil tage to ting
og det vil spytte ud

396
00:20:47,690 --> 00:20:49,770
koefficienter for den bedste pasform linje.

397
00:20:49,770 --> 00:20:52,310
Det rapporterer også standard
fejl på disse koefficienter.

398
00:20:52,310 --> 00:20:55,865
Og det vil fortælle dig, ligesom den
skæringspunkt statistisk signifikant

399
00:20:55,865 --> 00:20:56,740
eller en forskel fra 0.

400
00:20:56,740 --> 00:20:59,400
Er hældningen for den bedst
fit linjen statistisk

401
00:20:59,400 --> 00:21:01,510
forskellig fra nul, et cetera.

402
00:21:01,510 --> 00:21:06,260
Så det forudsætter noget, tror jeg
er bedste svar på dit spørgsmål.

403
00:21:06,260 --> 00:21:07,410
OKAY.

404
00:21:07,410 --> 00:21:14,650
>> Plotting-- så den vigtigste årsag bør du
bruge R, ligesom multilineær regression.

405
00:21:14,650 --> 00:21:17,320
Dybest set alle sprog
har nogle anlæg for det.

406
00:21:17,320 --> 00:21:21,365
Og ærligt R'er syntaks for
regression er en smule mystisk.

407
00:21:21,365 --> 00:21:22,990
Men plotte er hvor det virkelig skinner.

408
00:21:22,990 --> 00:21:28,090
>> Den arbejdshest funktionen er plot
og det tager to vektorer, x og y.

409
00:21:28,090 --> 00:21:33,010
Og derefter ellipser står for en meget
stort antal valgfrie argumenter,

410
00:21:33,010 --> 00:21:39,190
styre alt fra titler til farver
af forskellige linjer eller forskellige punkter,

411
00:21:39,190 --> 00:21:40,200
til den type plot.

412
00:21:40,200 --> 00:21:42,250
Du kan have scatter
parceller eller line plots.

413
00:21:42,250 --> 00:21:47,900

414
00:21:47,900 --> 00:21:49,710
>> [Uhørligt] 2 vektorer
af samme længde.

415
00:21:49,710 --> 00:21:53,780
Du kan gå forud for dette med vedhæfte
data ramme i dit script.

416
00:21:53,780 --> 00:22:01,220
Og dette vil lade dig bare bruge kolonne
overskrifter i stedet for separate vektorer.

417
00:22:01,220 --> 00:22:05,410
Du kan tilføje bedst tilpassede linjer og lokale
regression kurver for din graf.

418
00:22:05,410 --> 00:22:09,390
>> Disse kommandoer opført
her, ab linje og linjer,

419
00:22:09,390 --> 00:22:11,640
som standard disse bliver
skrevet ind pop up-vinduer

420
00:22:11,640 --> 00:22:15,560
fordi det forudsætter, at
du bruger R interaktivt.

421
00:22:15,560 --> 00:22:17,310
Hvis du ikke er, du kan
skrive to filer,

422
00:22:17,310 --> 00:22:21,600
er i virkeligheden helst format du ønsker.

423
00:22:21,600 --> 00:22:25,410
Undskyld, jeg har en tastefejl Jeg har lige indset.

424
00:22:25,410 --> 00:22:30,887

425
00:22:30,887 --> 00:22:32,720
Hvis du vil åbne
anden grafiske indretning

426
00:22:32,720 --> 00:22:39,200
du kan bruge denne funktion kaldet PNG eller
JPEG eller en masse andre billedformater.

427
00:22:39,200 --> 00:22:42,319
Og du kan skrive grafer til
hvad filnavn, du angiver.

428
00:22:42,319 --> 00:22:45,110
Hvis du vil annullere, at du skal use--
Jeg skrev ikke dette i slide--

429
00:22:45,110 --> 00:22:49,650
men der er en funktion kaldet dev
prik det tager ingen argumenter.

430
00:22:49,650 --> 00:22:51,517
>> Så der er faciliteter
til 3D plotte

431
00:22:51,517 --> 00:22:53,350
og for konturen plotte
Hvis du ønsker at gøre

432
00:22:53,350 --> 00:22:55,700
grafer af to uafhængige variable.

433
00:22:55,700 --> 00:22:57,150
Jeg vil ikke komme ind disse lige nu.

434
00:22:57,150 --> 00:22:59,130
>> Der er også nogle
faciliteter til animation

435
00:22:59,130 --> 00:23:01,300
de er normalt
vedligeholdes af tredjemand.

436
00:23:01,300 --> 00:23:06,330
Jeg har gjort animationer med R grafer,
men jeg har ikke brugt disse tredjeparts

437
00:23:06,330 --> 00:23:06,940
biblioteker.

438
00:23:06,940 --> 00:23:09,929
Så jeg kan ikke rigtig bevidne
til hvor gode de er.

439
00:23:09,929 --> 00:23:12,220
Hvad jeg anbefale, hvis du ønsker
at gøre animationer med R

440
00:23:12,220 --> 00:23:16,480
er du kan skrive ud af alle
rammerne for animationerne

441
00:23:16,480 --> 00:23:18,470
og så kan du bruge en
tredjeparts program--

442
00:23:18,470 --> 00:23:23,630
typiske dem kaldes FFmpeg
eller ImageMagick-- at sy

443
00:23:23,630 --> 00:23:26,540
alle dine frames i én animation.

444
00:23:26,540 --> 00:23:28,380
>> Så tid til demo.

445
00:23:28,380 --> 00:23:31,030

446
00:23:31,030 --> 00:23:37,189
Så hvis du bruger en Unix lignende system
som er Linux BSD men som bruger BSD.

447
00:23:37,189 --> 00:23:39,730
OS X åbner et terminal vindue og
Type R ved kommandoprompten.

448
00:23:39,730 --> 00:23:42,820
Hvis du har R studie eller
lignende, der også fungerer.

449
00:23:42,820 --> 00:23:46,270
For Windows-brugere bør du være
stand til at finde R i menuen Start.

450
00:23:46,270 --> 00:23:50,390
Det bør hedde noget
ligesom R x64 3 punkt uanset hvad.

451
00:23:50,390 --> 00:23:53,110
Åbn det deroppe.

452
00:23:53,110 --> 00:23:58,850
>> Så lad mig nu bare
åbne et terminalvindue.

453
00:23:58,850 --> 00:24:02,562
Okay, søgning.

454
00:24:02,562 --> 00:24:03,520
PUBLIKUM: Kommando-Space

455
00:24:03,520 --> 00:24:06,675
CONNER HARRIS: Kommando-Space, tak.

456
00:24:06,675 --> 00:24:10,030
Jeg har ikke normalt bruger Macs.

457
00:24:10,030 --> 00:24:13,310
Terminal, viser nyt vindue.

458
00:24:13,310 --> 00:24:18,120
Nyt vindue er indstillinger
grundlæggende, R. Så bør du få

459
00:24:18,120 --> 00:24:22,230
en velkomst besked, noget som dette.

460
00:24:22,230 --> 00:24:31,060
>> Så jeg bruger R interaktivt.

461
00:24:31,060 --> 00:24:32,719
Du kan også skrive R scripts selvfølgelig.

462
00:24:32,719 --> 00:24:34,510
Dybest set scripts køre
på nøjagtig samme måde som

463
00:24:34,510 --> 00:24:40,250
hvis du sad ved computeren
skrive i hver linje ad gangen.

464
00:24:40,250 --> 00:24:42,660
Så lad os starte med at lave en vektor.

465
00:24:42,660 --> 00:24:46,230
En pil C 1, 2.

466
00:24:46,230 --> 00:24:49,400
1, 2, 4.

467
00:24:49,400 --> 00:24:50,050
OK, helt sikkert.

468
00:24:50,050 --> 00:24:51,630
Jeg kan gøre skriftstørrelsen større.

469
00:24:51,630 --> 00:24:53,030
>> PUBLIKUM: Kommando-Plus

470
00:24:53,030 --> 00:24:53,650
>> CONNER HARRIS: Kommando-Plus.

471
00:24:53,650 --> 00:24:54,191
Kommando-Plus.

472
00:24:54,191 --> 00:24:57,610

473
00:24:57,610 --> 00:25:00,370
Okay, hvordan er det?

474
00:25:00,370 --> 00:25:00,870
God?

475
00:25:00,870 --> 00:25:01,551
OKAY.

476
00:25:01,551 --> 00:25:03,300
Så lad os starte med at
om en vektor listen.

477
00:25:03,300 --> 00:25:08,710
Må en, pil, C 1,2,4.

478
00:25:08,710 --> 00:25:11,181
Vi kan se en.

479
00:25:11,181 --> 00:25:12,680
Må ikke bekymre dig om beslaget der.

480
00:25:12,680 --> 00:25:18,590
Beslagene er så hvis du udskrive
meget lange arrays, vi kan, hvor du er.

481
00:25:18,590 --> 00:25:26,987
Et eksempel ville være, hvis jeg
vil bare interval 2-200.

482
00:25:26,987 --> 00:25:28,820
Hvis jeg udskrevet en meget
lange array, konsollerne

483
00:25:28,820 --> 00:25:31,060
er bare så jeg kan holde
styr på, hvilke indeks

484
00:25:31,060 --> 00:25:33,250
vi er på, hvis jeg søger
gennem denne visuelt.

485
00:25:33,250 --> 00:25:36,570

486
00:25:36,570 --> 00:25:38,280
Så alligevel har vi en.

487
00:25:38,280 --> 00:25:43,326
>> Så jeg sagde før, at arrays interagerer
meget pænt med for eksempel

488
00:25:43,326 --> 00:25:44,450
unære operationer som denne.

489
00:25:44,450 --> 00:25:46,500
Så hvad du tror, ​​jeg vil
få, hvis jeg skriver et plus 1?

490
00:25:46,500 --> 00:25:49,630

491
00:25:49,630 --> 00:25:51,140
Yep.

492
00:25:51,140 --> 00:25:54,250
Lige nu vil jeg gøre
denne anderledes array.

493
00:25:54,250 --> 00:26:01,650
Lad os sige b c 20,40, 80.

494
00:26:01,650 --> 00:26:03,400
Så hvad tror du
denne kommando vil gøre?

495
00:26:03,400 --> 00:26:09,962

496
00:26:09,962 --> 00:26:10,670
Tilføj elementerne.

497
00:26:10,670 --> 00:26:14,950
Og så dybest set det er, hvad det gør.

498
00:26:14,950 --> 00:26:16,740
Så dette er temmelig praktisk.

499
00:26:16,740 --> 00:26:23,800
Så jeg hvordan om jeg gør dette. c
er, lad os sige, 6 gange 1 til 10.

500
00:26:23,800 --> 00:26:26,789

501
00:26:26,789 --> 00:26:28,830
Så hvad gør jeg ønsker at se
indeholdt, tror du?

502
00:26:28,830 --> 00:26:37,110

503
00:26:37,110 --> 00:26:38,110
Så alle multipla af seks.

504
00:26:38,110 --> 00:26:42,170
Nu, hvad tror du
vil ske, hvis jeg gør det?

505
00:26:42,170 --> 00:26:48,090
Jeg vil gøre det en smule klarere, C, C.

506
00:26:48,090 --> 00:26:50,365
Så hvad sker der, gør du
tror, ​​hvis jeg gør det?

507
00:26:50,365 --> 00:26:51,488
et plus c.

508
00:26:51,488 --> 00:26:55,550

509
00:26:55,550 --> 00:26:56,050
[Uhørligt]

510
00:26:56,050 --> 00:26:58,552

511
00:26:58,552 --> 00:27:02,350
>> PUBLIKUM: Enten en fejl eller det
øger blot de første tre elementer.

512
00:27:02,350 --> 00:27:04,510
>> CONNER HARRIS: Ikke helt.

513
00:27:04,510 --> 00:27:05,522
Dette er, hvad vi fik.

514
00:27:05,522 --> 00:27:08,910
Hvad sker der er en kortere
array, a, fik cykluser.

515
00:27:08,910 --> 00:27:13,990
Så fik vi 124, 124, 124.

516
00:27:13,990 --> 00:27:15,710
Ja.

517
00:27:15,710 --> 00:27:18,940
Og dybest set, kan du se
denne adfærd før, et plus 1,

518
00:27:18,940 --> 00:27:22,190
som en underklasse af denne adfærd, hvor
den korteste array er blot antallet

519
00:27:22,190 --> 00:27:25,410
1, som er et ét element array.

520
00:27:25,410 --> 00:27:27,740
Jeg bare være at sige vektor alle
tiden i stedet for array,

521
00:27:27,740 --> 00:27:30,290
fordi det er hvad r
dokumentation normalt gør.

522
00:27:30,290 --> 00:27:33,070
Det er en indgroet c vane.

523
00:27:33,070 --> 00:27:37,590
>> OK, og så nu har vi dette array.

524
00:27:37,590 --> 00:27:38,830
Så vi har dette array, c.

525
00:27:38,830 --> 00:27:41,380
Vi kan få resumé
statistikker om C, resumé C.

526
00:27:41,380 --> 00:27:46,920

527
00:27:46,920 --> 00:27:48,280
Og det er rart.

528
00:27:48,280 --> 00:27:51,070

529
00:27:51,070 --> 00:27:52,670
Så lad os nu gøre nogle matrix ting.

530
00:27:52,670 --> 00:27:56,160
Lad os sige, m er en matrix.

531
00:27:56,160 --> 00:27:57,780
Lad os gøre det til en tre med tre en.

532
00:27:57,780 --> 00:28:01,630
Så nrows lig med 3, og ncols lig med 3.

533
00:28:01,630 --> 00:28:04,190

534
00:28:04,190 --> 00:28:10,710
Og for data lad os do-- så hvad
tror du, det kommer til at gøre?

535
00:28:10,710 --> 00:28:15,310

536
00:28:15,310 --> 00:28:16,580
>> Ret, det er den næste.

537
00:28:16,580 --> 00:28:17,970
Det er nrow og ncolumn.

538
00:28:17,970 --> 00:28:22,164

539
00:28:22,164 --> 00:28:24,580
Så hvad jeg har gjort, er jeg har
erklæret en tre med tre matrix

540
00:28:24,580 --> 00:28:26,950
og jeg har bestået i en ni-element array.

541
00:28:26,950 --> 00:28:30,530
Så logaritmen af ​​alle
elementer én gennem ni.

542
00:28:30,530 --> 00:28:33,400

543
00:28:33,400 --> 00:28:37,285
Og alle disse værdier fylde
op array-- undskyld?

544
00:28:37,285 --> 00:28:38,660
PUBLIKUM: Det er basen 10 logfiler?

545
00:28:38,660 --> 00:28:41,284
CONNER HARRIS: Nej, log er
naturlige logaritmer, så basen e.

546
00:28:41,284 --> 00:28:44,886

547
00:28:44,886 --> 00:28:47,010
Ja, hvis du ønsker bunden
10 log, jeg tror du ville have

548
00:28:47,010 --> 00:28:51,620
at logge uanset, divideret med log 10.

549
00:28:51,620 --> 00:28:56,750
Og så data i [højttalersystemet] lige
fylder arrayet, så top til bund,

550
00:28:56,750 --> 00:28:59,490
derefter fra venstre mod højre.

551
00:28:59,490 --> 00:29:06,890
Og hvis du ønskede at gøre nogle andre
array, lad os sige n matrix.

552
00:29:06,890 --> 00:29:10,317
Lad os gøre, ved jeg ikke, 2 til 13.

553
00:29:10,317 --> 00:29:11,900
Eller jeg vil gøre noget mere interessant.

554
00:29:11,900 --> 00:29:13,770
Jeg vil gøre 2 til 4.

555
00:29:13,770 --> 00:29:15,780
nrow lig, lad os sige, 3.

556
00:29:15,780 --> 00:29:18,992
Ncol lig 4.

557
00:29:18,992 --> 00:29:20,360
n.

558
00:29:20,360 --> 00:29:22,090
Så vi har fået dette.

559
00:29:22,090 --> 00:29:26,130
>> Og nu, hvis vi ønsker at formere disse,
vi ville gøre n procent gange procent,

560
00:29:26,130 --> 00:29:27,680
fordi det er n.

561
00:29:27,680 --> 00:29:30,234

562
00:29:30,234 --> 00:29:31,400
Og vi har matrix produkter.

563
00:29:31,400 --> 00:29:33,970

564
00:29:33,970 --> 00:29:37,810
Af de måde, har du se, hvordan
da jeg erklærede n, de 2 til 4

565
00:29:37,810 --> 00:29:43,570
vektor fik cyklet indtil
det fyldes op alle n?

566
00:29:43,570 --> 00:29:45,710
Hvis du ønskede at tage
egenværdi nedbrydning,

567
00:29:45,710 --> 00:29:46,960
det er noget, vi kan gøre meget nemt.

568
00:29:46,960 --> 00:29:47,709
Vi kan gøre eigen n.

569
00:29:47,709 --> 00:29:52,290

570
00:29:52,290 --> 00:29:54,600
Og så dette er vores første
møde med en liste.

571
00:29:54,600 --> 00:29:57,000
>> Så eigen n er en liste med to nøgler.

572
00:29:57,000 --> 00:29:58,430
Værdier, hvilket er dette array her.

573
00:29:58,430 --> 00:30:01,030
Og vektorer, som er dette array her.

574
00:30:01,030 --> 00:30:08,240
Så hvis du ønsker at udtrække,
sige, at dette tredje kolonne

575
00:30:08,240 --> 00:30:13,080
fra egenvektorer matrix, fordi
egenvektorerne søjlevektorer.

576
00:30:13,080 --> 00:30:24,400
Så vi kan gøre VEC eigen n dollartegn
vektorer, komma 3, i [uhørligt].

577
00:30:24,400 --> 00:30:29,800

578
00:30:29,800 --> 00:30:30,900
Vec.

579
00:30:30,900 --> 00:30:34,100
Er det, som man kunne forvente.

580
00:30:34,100 --> 00:30:39,210
>> Så siger n gange procent gange vec.

581
00:30:39,210 --> 00:30:42,610

582
00:30:42,610 --> 00:30:48,320
Så resultatet her helt sikkert ligner
hvis vi tog den tredje egenværdi her,

583
00:30:48,320 --> 00:30:50,390
som svarer til
den tredje egenvektor.

584
00:30:50,390 --> 00:30:53,190
Det bare ganget alt i
dette egenvektor, komponent-kloge,

585
00:30:53,190 --> 00:30:53,990
af egenværdi.

586
00:30:53,990 --> 00:30:57,760
Og det er, hvad vi ville forvente,
fordi det er hvad egenværdier er.

587
00:30:57,760 --> 00:31:00,890
Har nogen her ikke
taget lineær algebra?

588
00:31:00,890 --> 00:31:02,530
Et par mennesker, OK.

589
00:31:02,530 --> 00:31:04,030
Bare slå din hjerne fra for lidt.

590
00:31:04,030 --> 00:31:07,490

591
00:31:07,490 --> 00:31:20,720
Og faktisk hvis vi tager eigen n
dollartegn værdier 3 gange VEC,

592
00:31:20,720 --> 00:31:21,810
godt få det samme.

593
00:31:21,810 --> 00:31:24,726
Det er formateret forskelligt som en række
vektor i stedet for en søjle vektor,

594
00:31:24,726 --> 00:31:25,640
men big deal.

595
00:31:25,640 --> 00:31:29,430

596
00:31:29,430 --> 00:31:35,170
Og så dem er dybest set den flot
ting, som vi kan gøre med matricer,

597
00:31:35,170 --> 00:31:36,489
demonstreret lister.

598
00:31:36,489 --> 00:31:39,030
Jeg skal vise den pæne
ting om funktioner samt.

599
00:31:39,030 --> 00:31:41,750
>> Så lad os say-- [uhørligt]
funktion, lad os kalde

600
00:31:41,750 --> 00:31:51,960
det funk mod funktion n n squared--
faktisk, det er egentlig ikke den bedste.

601
00:31:51,960 --> 00:31:55,632
a, b, en kvadreret plus b.

602
00:31:55,632 --> 00:31:58,547

603
00:31:58,547 --> 00:32:00,380
Så én ting om
funktioner, igen, er de

604
00:32:00,380 --> 00:32:01,963
behøver ikke eksplicitte return udsagn.

605
00:32:01,963 --> 00:32:04,250
Så du kan bare-- den
evalueret sidste udtalelse

606
00:32:04,250 --> 00:32:07,502
bliver meddelelsen tilbage,
eller værdien returneres.

607
00:32:07,502 --> 00:32:10,460
Så i dette tilfælde, er vi kun at evaluere
én sætning, en kvadratisk plus b.

608
00:32:10,460 --> 00:32:12,043
Det vil være standard returværdien.

609
00:32:12,043 --> 00:32:14,530
Det skader aldrig at sætte i
returnere værdier eksplicit,

610
00:32:14,530 --> 00:32:16,880
især hvis du har at gøre med en
funktion af meget kompliceret logik

611
00:32:16,880 --> 00:32:17,380
flyde.

612
00:32:17,380 --> 00:32:18,450
Men du behøver ikke dem.

613
00:32:18,450 --> 00:32:24,890
Så nu kan vi gøre funk 5, 1, og
dette er dybest set, hvad du ville forvente.

614
00:32:24,890 --> 00:32:29,146

615
00:32:29,146 --> 00:32:31,270
Noget andet, vi kan gøre,
Vi kan faktisk gøre funk b

616
00:32:31,270 --> 00:32:33,260
er lig med 1, a er lig 5.

617
00:32:33,260 --> 00:32:36,870

618
00:32:36,870 --> 00:32:40,770
Så hvis vi angiver hvilket nummer her,
som argument går til hvilke argumenter

619
00:32:40,770 --> 00:32:44,680
i funktion, kan vi vende rundt
disse værdier overalt, hvor vi ønsker.

620
00:32:44,680 --> 00:32:48,405
>> PUBLIKUM: Er der en grund
at skrive det ud med b

621
00:32:48,405 --> 00:32:52,404
lig i modsætning til blot at bruge
numre og kommaet?

622
00:32:52,404 --> 00:32:54,820
CONNER HARRIS: Ja, som regel
gøre dette, hvis du har funktioner

623
00:32:54,820 --> 00:32:58,540
med en masse argumenter.

624
00:32:58,540 --> 00:33:00,690
Det kunne ofte være ligesom
flag, som du ville kun

625
00:33:00,690 --> 00:33:03,130
vil bruge i sjældne tilfælde.

626
00:33:03,130 --> 00:33:06,740
Og denne måde kan du only-- dig
kan henvise til de specifikke argumenter

627
00:33:06,740 --> 00:33:09,110
at du ønsker at bruge
ikke-standardværdier for,

628
00:33:09,110 --> 00:33:14,470
og du behøver ikke at skrive en
flok af flag lig falsk efter dem.

629
00:33:14,470 --> 00:33:19,710
Eller jeg kan skrive dette igen med
en standard værdi som b er lig med 2.

630
00:33:19,710 --> 00:33:26,289
Og så kunne jeg gøre f funk,
Jeg vil gøre 4, 1 denne gang.

631
00:33:26,289 --> 00:33:28,580
Og 17, hvilket er 4 kvadreret
plus 1, som man kunne forvente.

632
00:33:28,580 --> 00:33:34,290
>> Men jeg kunne også bare
kalde dette med funk 4,

633
00:33:34,290 --> 00:33:36,970
og jeg får 18, fordi
Jeg kan ikke angive b.

634
00:33:36,970 --> 00:33:38,550
Så b får standardværdien på 2.

635
00:33:38,550 --> 00:33:41,700

636
00:33:41,700 --> 00:33:47,200
>> OK, så nu, hvis du er
efter sammen med demoen,

637
00:33:47,200 --> 00:33:51,010
skrive denne linje på din kommando
Spørg og se, hvad der kommer op.

638
00:33:51,010 --> 00:33:52,090
Faktisk gør det ikke.

639
00:33:52,090 --> 00:33:52,590
Skriver dette.

640
00:33:52,590 --> 00:33:57,780

641
00:33:57,780 --> 00:34:01,000
Du bør få noget som dette.

642
00:34:01,000 --> 00:34:04,780
Så mtcars er en indbygget data
indstillet for denne demonstration

643
00:34:04,780 --> 00:34:13,550
formål, der kommer med-- der kommer
i som standard med din r distribution.

644
00:34:13,550 --> 00:34:19,211
Dette er en samling af statistikker fra
en 1974 udgave af motordrevne tendens magasin

645
00:34:19,211 --> 00:34:20,710
på en række forskellige bilmodeller.

646
00:34:20,710 --> 00:34:28,270
>> Så der er miles per gallon, cylinders--
Jeg glemmer, hvad disp is-- hestekræfter.

647
00:34:28,270 --> 00:34:31,610

648
00:34:31,610 --> 00:34:32,420
Sandsynligvis.

649
00:34:32,420 --> 00:34:36,920
Hvis du bare Google MT biler,
derefter en af ​​de første resultater

650
00:34:36,920 --> 00:34:38,730
vil være fra
officielle r dokumentation

651
00:34:38,730 --> 00:34:41,080
og det vil forklare
alle disse datafelter.

652
00:34:41,080 --> 00:34:47,020
Så vægten is-- wt er
bilens vægt i ton.

653
00:34:47,020 --> 00:34:48,880
Q sek er kvart mile tid.

654
00:34:48,880 --> 00:34:52,409

655
00:34:52,409 --> 00:34:55,850
Så nu kan vi gøre nogle sjove ting
om MT biler er et datafelt.

656
00:34:55,850 --> 00:35:01,640
>> Så vi kan gøre ting
ligesom row navne, mt biler.

657
00:35:01,640 --> 00:35:05,490
Og dette er en liste over alle rækkerne i
datasættet, der er navne på biler.

658
00:35:05,490 --> 00:35:10,780
Vi kan gøre colnames, mt biler dette.

659
00:35:10,780 --> 00:35:15,500
Hvis du gør mt biler,
sub-numeriske indeks, ligesom 2.

660
00:35:15,500 --> 00:35:18,177
vi får den anden kolonne ud af
dette, hvilket ville være cylindre.

661
00:35:18,177 --> 00:35:19,370
>> PUBLIKUM: Hvad gjorde du?

662
00:35:19,370 --> 00:35:21,570
>> CONNER HARRIS: jeg har skrevet
mt biler, beslag e,

663
00:35:21,570 --> 00:35:24,180
som gav mig den anden
kolonne ud af mt biler.

664
00:35:24,180 --> 00:35:34,501

665
00:35:34,501 --> 00:35:38,110
Eller hvis vi ønsker en række, kan jeg skrive
mtcars komma 2, f.eks.

666
00:35:38,110 --> 00:35:41,850

667
00:35:41,850 --> 00:35:46,390
Andet runde 2 komma, sådan.

668
00:35:46,390 --> 00:35:48,880
Og der går i din række.

669
00:35:48,880 --> 00:35:54,680
Det her bare giver dig en
kolonne, men kolonnen som en vektor.

670
00:35:54,680 --> 00:36:04,634

671
00:36:04,634 --> 00:36:06,425
Jeg har lige indset nu har jeg
glemte at påvise

672
00:36:06,425 --> 00:36:09,150
nogle seje ting om vektorer
at du kan gøre med indeks.

673
00:36:09,150 --> 00:36:10,480
Så lad mig gøre det lige nu.

674
00:36:10,480 --> 00:36:17,130
Så lad os gøre c gets-- sætte
dette på pause-- 2 gange 1 til 10.

675
00:36:17,130 --> 00:36:21,360
Så C er bare at være
vektoren 2 til 20.

676
00:36:21,360 --> 00:36:24,640
Jeg kan tage elementer som dette, c2.

677
00:36:24,640 --> 00:36:30,942
Jeg kan passere i en vektor
som dette, så lad C-- mig

678
00:36:30,942 --> 00:36:34,470
bruge andet navn end c, ligesom VEC c.

679
00:36:34,470 --> 00:36:37,591

680
00:36:37,591 --> 00:36:39,340
Dybest set, jeg gør
dette, så du ikke får

681
00:36:39,340 --> 00:36:45,010
forvirret mellem C som en
vektorkonstruktionen funktion,

682
00:36:45,010 --> 00:36:48,800
og derefter c som en variabel navn.

683
00:36:48,800 --> 00:36:53,120
Vec beslag c 4, 5, 7.

684
00:36:53,120 --> 00:36:56,540
Dette får mig ud den fjerde, femte,
og syv elementer i arrayet.

685
00:36:56,540 --> 00:37:01,740
Jeg kan gøre VEC, sat i en negativ
indeks, ligesom negativ 4.

686
00:37:01,740 --> 00:37:06,500
Det vil få mig ud af dette med
det fjerde element fjernes.

687
00:37:06,500 --> 00:37:10,140
Så hvis jeg ønskede at gøre skiver,
Jeg kan gøre vec 2 til 6.

688
00:37:10,140 --> 00:37:15,480
2 kolon 6 er bare en anden
vektor, som er 2, 3, 4, 5, 6.

689
00:37:15,480 --> 00:37:18,230
Spytter det.

690
00:37:18,230 --> 00:37:20,770
>> Så alligevel, tilbage til mt biler.

691
00:37:20,770 --> 00:37:26,650

692
00:37:26,650 --> 00:37:28,450
Så lad os gøre nogle regressioner.

693
00:37:28,450 --> 00:37:34,240
Lad os sige, model gets-- lad os
lineært regress-- ved jeg ikke.

694
00:37:34,240 --> 00:37:41,780
Først lad os gøre vedhæfte mtcars, selvfølgelig.

695
00:37:41,780 --> 00:37:44,870

696
00:37:44,870 --> 00:38:00,010
Så [uhørligt] model lm, lad os relatere
miles per gallon på tilde vægt.

697
00:38:00,010 --> 00:38:03,300
Og så dataramme er mtcars.

698
00:38:03,300 --> 00:38:06,830
Så sammenfattende model.

699
00:38:06,830 --> 00:38:12,900

700
00:38:12,900 --> 00:38:15,595
>> OK, så det ser lidt kompliceret.

701
00:38:15,595 --> 00:38:19,380
Men dybest set, at se, som om vi
forsøge at udtrykke miles per gallon

702
00:38:19,380 --> 00:38:23,970
som en lineær funktion af vægt,
så fik vi denne linje her,

703
00:38:23,970 --> 00:38:28,730
som opfanger på 37,28.

704
00:38:28,730 --> 00:38:33,830
37,28 ville være de teoretiske miles
per gallon på en bil, der vejer nul.

705
00:38:33,830 --> 00:38:41,210
Og så for hver ekstra ton,
du banke omkring fem miles per gallon

706
00:38:41,210 --> 00:38:42,440
ud af det.

707
00:38:42,440 --> 00:38:45,120
Begge disse koefficienter dig
kan se, standardafvigelser der.

708
00:38:45,120 --> 00:38:47,870
Og de er meget
statistisk signifikant.

709
00:38:47,870 --> 00:38:55,740
>> Så vi kan være meget sikker på at
1 e 10 til den negative 10.

710
00:38:55,740 --> 00:38:59,510
Så 1 gange noget at den negative
10, at hvis du laver en tungere bil,

711
00:38:59,510 --> 00:39:01,440
det vil have dårligere miles per gallon.

712
00:39:01,440 --> 00:39:04,940

713
00:39:04,940 --> 00:39:07,250
Eller vi kan teste nogle andre model.

714
00:39:07,250 --> 00:39:09,230
Ligesom i stedet for
regression dette på vægt,

715
00:39:09,230 --> 00:39:12,600
lad os relatere det på log over vægt,
fordi måske den effektive vægt

716
00:39:12,600 --> 00:39:15,690
om kilometertal er en eller anden måde ikke er lineær.

717
00:39:15,690 --> 00:39:18,540
>> Dette gav os en r kvadreret på 0,7528.

718
00:39:18,540 --> 00:39:19,610
Så lad os prøve dette.

719
00:39:19,610 --> 00:39:21,485
Denne gang lad os gøre en
anden variabel, også.

720
00:39:21,485 --> 00:39:22,500
Model2.

721
00:39:22,500 --> 00:39:24,800
Så resumé, model2.

722
00:39:24,800 --> 00:39:28,200

723
00:39:28,200 --> 00:39:31,390
Okay, så igen, vi
fik vores bedste pasform linje her.

724
00:39:31,390 --> 00:39:36,160
Og det time-- dette siger,
udgangspunkt, at hver gang du

725
00:39:36,160 --> 00:39:38,090
øge vægten af
en bil med en faktor e

726
00:39:38,090 --> 00:39:40,580
du mister så mange miles per gallon.

727
00:39:40,580 --> 00:39:43,210

728
00:39:43,210 --> 00:39:50,326
>> Og så denne gang vores resterende standard
fejl det-- det gør ikke noget, virkelig.

729
00:39:50,326 --> 00:39:53,540
Residualstandardafvigelsen er
dybest set bare standardfejlen

730
00:39:53,540 --> 00:39:57,760
at du har tilbage, efter at du
tage væk tendensen linje.

731
00:39:57,760 --> 00:40:02,805
Og vores R kvadreret her er 0,81,
som er en smule bedre end det

732
00:40:02,805 --> 00:40:07,640
vi havde før, 0,52.

733
00:40:07,640 --> 00:40:09,750
>> Og så lad os nu tilføje en
Udtrykket denne regression.

734
00:40:09,750 --> 00:40:13,020
Så lad os relatere miles per gallon
både på log over vægtene

735
00:40:13,020 --> 00:40:21,130
og, lad os gøre, Q miles,
kvart mil tid.

736
00:40:21,130 --> 00:40:26,190
OK, skal det have til-- okay, qsec.

737
00:40:26,190 --> 00:40:26,690
Qsec.

738
00:40:26,690 --> 00:40:30,630

739
00:40:30,630 --> 00:40:35,000
Actually-- undskyld, hvad?

740
00:40:35,000 --> 00:40:37,000
Lad mig kalde det noget
andet udover model2.

741
00:40:37,000 --> 00:40:38,000
Lad mig kalde dette model3.

742
00:40:38,000 --> 00:40:40,860

743
00:40:40,860 --> 00:40:42,900
Og så nu kan vi gøre resumé model3.

744
00:40:42,900 --> 00:40:46,850

745
00:40:46,850 --> 00:40:49,100
Og så igen, det er dybest set
hvad man kunne forvente.

746
00:40:49,100 --> 00:40:51,750
Du har positiv opsnappe.

747
00:40:51,750 --> 00:40:54,550
Den effektive stigende
vægt er negativ.

748
00:40:54,550 --> 00:40:58,490
Og den effektive
stigende kvart mile tid

749
00:40:58,490 --> 00:41:02,420
er positive, men selv
mindre end vægten.

750
00:41:02,420 --> 00:41:06,010
Nu intuitivt, kan du få mening ud af
dette ved at sige at tænke over sportsvogne.

751
00:41:06,010 --> 00:41:08,950
Der er en meget hurtig acceleration,
en meget kort kvart mil gange.

752
00:41:08,950 --> 00:41:13,729
De er også kommer til at bruge mere gas,
mens mere fornuftige biler går

753
00:41:13,729 --> 00:41:16,020
at have langsommere acceleration,
højere kvartal mile gange,

754
00:41:16,020 --> 00:41:20,890
og bruger mindre gas ,, så
højere miles per gallon.

755
00:41:20,890 --> 00:41:21,390
Alle tiders.

756
00:41:21,390 --> 00:41:23,431
Og så nu er det tid til
plot noget som dette.

757
00:41:23,431 --> 00:41:27,810
Så lad os do-- så nøgne
knogler, vi kan gøre plots--

758
00:41:27,810 --> 00:41:35,280
fordi jeg har vedhæftet denne dataramme
before-- vi kan bare gøre plots, vægt mpg.

759
00:41:35,280 --> 00:41:38,762

760
00:41:38,762 --> 00:41:39,720
Gør dette til en lidt større.

761
00:41:39,720 --> 00:41:55,050

762
00:41:55,050 --> 00:41:57,350
Der, vi dybest set har en
scatter plot, men de punkter

763
00:41:57,350 --> 00:41:58,690
er lidt svært at se på dette.

764
00:41:58,690 --> 00:42:04,860

765
00:42:04,860 --> 00:42:10,900
>> Jeg husker ikke overfladiskhed hvad
syntaks er til at ændre plottet.

766
00:42:10,900 --> 00:42:14,100
Så jeg tror det vil være
et godt tidspunkt at opdrage,

767
00:42:14,100 --> 00:42:18,000
der er en meget flot indbygget hjælp
funktion, hjælp citater fungerer navn.

768
00:42:18,000 --> 00:42:21,690
Vi vil opdrage dybest set
noget, du gerne vil.

769
00:42:21,690 --> 00:42:28,010

770
00:42:28,010 --> 00:42:32,730
Jeg tror, ​​jeg vil faktisk gøre dette
typen er lig p for point plots.

771
00:42:32,730 --> 00:42:34,369
Vidste at ændre noget?

772
00:42:34,369 --> 00:42:35,160
Og nej, ikke rigtig.

773
00:42:35,160 --> 00:42:39,160

774
00:42:39,160 --> 00:42:39,660
Okay.

775
00:42:39,660 --> 00:42:46,760

776
00:42:46,760 --> 00:42:49,580
>> Af en eller anden grund, da jeg gjorde det
på min egen computer et stykke tid siden,

777
00:42:49,580 --> 00:42:52,080
alle scatter punkter
var meget klarere.

778
00:42:52,080 --> 00:43:06,390

779
00:43:06,390 --> 00:43:13,970
Under alle omstændigheder, er scatter slags synlige?

780
00:43:13,970 --> 00:43:15,124
Der er en der.

781
00:43:15,124 --> 00:43:16,165
Et par der, et par der.

782
00:43:16,165 --> 00:43:18,860

783
00:43:18,860 --> 00:43:21,185
Du kan slags se dem, ikke?

784
00:43:21,185 --> 00:43:24,310
Så hvis vi ønsker at tilføje en bedste pasform linje
til dette plot her, som er lidt nøgne

785
00:43:24,310 --> 00:43:29,290
bones-- lad mig gøre det lidt pænere.

786
00:43:29,290 --> 00:43:38,075
Main lig versus vægt.

787
00:43:38,075 --> 00:43:46,322

788
00:43:46,322 --> 00:43:49,740
Miles per gallon.

789
00:43:49,740 --> 00:43:53,570
Igen, kan du se, hvor nyttig
valgfrie argumenter er her med også

790
00:43:53,570 --> 00:43:58,090
ikke at skulle sætte tingene i et
bestemt rækkefølge med tastatur argumenter

791
00:43:58,090 --> 00:44:01,600
når du har parceller, fordi
disse tage en masse argumenter.

792
00:44:01,600 --> 00:44:07,490
>> XLAB lig vægt, vægt, tons.

793
00:44:07,490 --> 00:44:10,091

794
00:44:10,091 --> 00:44:10,590
Okay.

795
00:44:10,590 --> 00:44:17,340

796
00:44:17,340 --> 00:44:21,480
OK, ja, denne enhed
er at være lidt irriterende.

797
00:44:21,480 --> 00:44:30,160
Men du kan se slags deroppe,
der er en graf titel på siden.

798
00:44:30,160 --> 00:44:35,260
Herovre there's-- på bunden
her er akseetiketterne.

799
00:44:35,260 --> 00:44:37,700
Jeg kan ikke huske stående fod
hvad kommandoerne ars--

800
00:44:37,700 --> 00:44:41,000
hvad funktioner er at øge
størrelsen af ​​disse etiketter og titler,

801
00:44:41,000 --> 00:44:43,110
men de er der.

802
00:44:43,110 --> 00:44:46,625
>> Og så hvis vi ønsker at
tilføje bedst tilpassede linje,

803
00:44:46,625 --> 00:44:49,250
vi kunne gøre noget like-- jeg
har syntaksen skrevet op her.

804
00:44:49,250 --> 00:44:52,280

805
00:44:52,280 --> 00:45:11,130
Så husk vi blot tilføje model
var mpg, vægt, mtcars.

806
00:45:11,130 --> 00:45:16,470
Og så hvis jeg ønskede at tilføje en bedste pasform
linje, jeg kunne gøre a, b linje model.

807
00:45:16,470 --> 00:45:18,556
Og boom, vi har en bedste pasform linje.

808
00:45:18,556 --> 00:45:19,970
Det er lidt svært at se igen.

809
00:45:19,970 --> 00:45:22,178
Jeg er helt ked af det
teknologiske vanskeligheder.

810
00:45:22,178 --> 00:45:25,230
Men det kører stort set
øverste venstre hjørne til nederste højre.

811
00:45:25,230 --> 00:45:27,550
>> Og hvis vægten var
større, var det tydeligt,

812
00:45:27,550 --> 00:45:31,260
at opsnappe er, hvad du kan
finde fra de summariske statistikker

813
00:45:31,260 --> 00:45:34,790
hvis du skriver sammenfattende model.

814
00:45:34,790 --> 00:45:40,130
OK, så jeg håber, at alle får
noget af en fornemmelse af, hvad

815
00:45:40,130 --> 00:45:42,030
R er, hvad det er godt for.

816
00:45:42,030 --> 00:45:45,520
Du kunne gøre langt pænere parceller end
dette på din egen tid, hvis du vil.

817
00:45:45,520 --> 00:45:50,100

818
00:45:50,100 --> 00:45:53,950
>> Så det fremmede funktion interface.

819
00:45:53,950 --> 00:46:00,330
Det er noget, der ikke typisk
dækket i indledende foredrag

820
00:46:00,330 --> 00:46:03,560
eller indledende noget for r.

821
00:46:03,560 --> 00:46:05,584
Det er ikke sandsynligt, du får brug for det.

822
00:46:05,584 --> 00:46:08,000
Men jeg fandt det nyttigt i
mine egne projekter i fortiden.

823
00:46:08,000 --> 00:46:10,984
Og der er ingen god
tutorial til det online.

824
00:46:10,984 --> 00:46:12,900
Så jeg vil blot
skynder jer alle gennem denne

825
00:46:12,900 --> 00:46:16,606
og så er du fri til at forlade.

826
00:46:16,606 --> 00:46:18,480
Og så den udenlandske
Funktionen interface er hvad

827
00:46:18,480 --> 00:46:23,130
du kan bruge til at ringe ud for at se
funktioner med et R. Internt

828
00:46:23,130 --> 00:46:29,850
R er bygget på C. R'er aritmetiske er bare
C s 64-bit floating point aritmetik,

829
00:46:29,850 --> 00:46:32,852
der er type dobbelt [uhørligt].

830
00:46:32,852 --> 00:46:35,060
Og du måske ønsker at gøre
dette for en flok grunde.

831
00:46:35,060 --> 00:46:39,250
For én, er R fortolkes, er det
ikke kompileret ned til maskinkode.

832
00:46:39,250 --> 00:46:42,170
Så du kan omskrive din
indre sløjfer i C og derefter få

833
00:46:42,170 --> 00:46:45,920
Fordelen ved at benytte R. lide
det er en smule mere praktisk end C.

834
00:46:45,920 --> 00:46:48,899
Det har bedre graftegning
faciliteter og whatnot.

835
00:46:48,899 --> 00:46:51,690
Og mens den stadig er i stand til at få
tophastighed ud af de indre sløjfer,

836
00:46:51,690 --> 00:46:53,650
der er, hvor du virkelig har brug for det.

837
00:46:53,650 --> 00:46:56,330
>> Genbrug af eksisterende C-biblioteker,
det er også vigtigt.

838
00:46:56,330 --> 00:47:00,320
Hvis du har nogle C bibliotek for lignende,
Jeg ved ikke, Fourier transformationer,

839
00:47:00,320 --> 00:47:05,190
eller nogle meget Archean
statistik, der er anvendt

840
00:47:05,190 --> 00:47:09,470
i høj energi astrofysik
eller noget, ved jeg ikke.

841
00:47:09,470 --> 00:47:13,058
Høj energi astrofysik
er ikke engang en tror, ​​tror jeg.

842
00:47:13,058 --> 00:47:16,480
Men du kan gøre det i stedet for at
at skrive en indfødt R havn af dem.

843
00:47:16,480 --> 00:47:22,725
Og på til-- og igen, ligesom hvis du
ser i de fleste af R standardindstillinger biblioteker,

844
00:47:22,725 --> 00:47:25,600
på interne, den interne er
kommer til at bruge den udenlandske funktion

845
00:47:25,600 --> 00:47:26,724
grænseflade meget udførligt.

846
00:47:26,724 --> 00:47:31,630
De vil have ting som Fourier
transformerer eller computing korrelation

847
00:47:31,630 --> 00:47:34,890
koefficienter skrevet i C, og de vil
bare have R indpakning omkring dem.

848
00:47:34,890 --> 00:47:38,230
Interfacet er en
smule vanskeligt. jeg synes

849
00:47:38,230 --> 00:47:43,750
dens problemer er overdrevet i en
masse af de instruktioner, du finder.

850
00:47:43,750 --> 00:47:46,200
Men ikke desto mindre, det er lidt forvirrende.

851
00:47:46,200 --> 00:47:48,650
Og jeg har ikke været i stand til
finde en god tutorial for det,

852
00:47:48,650 --> 00:47:51,980
så dette er det lige nu.

853
00:47:51,980 --> 00:47:55,360
Igen, dette hele segment
er mere til senere brug.

854
00:47:55,360 --> 00:47:57,687
Må ikke bekymre dig om kopiering
alt ned lige nu.

855
00:47:57,687 --> 00:48:00,020
Så følgende instruktioner
er for Unix-lignende systemer,

856
00:48:00,020 --> 00:48:05,150
Linux, BSD, OS X. Jeg kender ikke
hvordan det virker på Windows,

857
00:48:05,150 --> 00:48:08,280
men du bare ikke gør dit
afgangsprojekt på Windows.

858
00:48:08,280 --> 00:48:10,790

859
00:48:10,790 --> 00:48:12,460
Du virkelig ikke ønsker at.

860
00:48:12,460 --> 00:48:14,770
Unix er meget bedre sæt
op til afslappet programmering.

861
00:48:14,770 --> 00:48:19,320

862
00:48:19,320 --> 00:48:21,390
Så dybest set fremmed
funktion interface.

863
00:48:21,390 --> 00:48:24,420
Hvis du ønsker at skrive en C
funktion til brug sammen med R,

864
00:48:24,420 --> 00:48:27,250
det har at tage alle de
argumenter som pejlemærker.

865
00:48:27,250 --> 00:48:30,666
>> Så for enkeltværdier Dette
betyder, at det påpeget værdien.

866
00:48:30,666 --> 00:48:33,040
For arrays, dette er en pegepind
til det første element, som

867
00:48:33,040 --> 00:48:36,750
er, hvad array-navne egentlig betyder.

868
00:48:36,750 --> 00:48:40,140
Igen, det er noget du skal have
temmelig totalt ned efter p sæt fem.

869
00:48:40,140 --> 00:48:43,334
Array navne er blot pointere
til det første element,

870
00:48:43,334 --> 00:48:44,750
Det floating-point type er dobbelt.

871
00:48:44,750 --> 00:48:47,310
Og din funktion har til at returnere ugyldige.

872
00:48:47,310 --> 00:48:50,810
Den eneste måde, at det kan
faktisk fortælle R, hvad der skete

873
00:48:50,810 --> 00:48:54,410
er ved at ændre den hukommelse, at R gav
til det gennem udenlandske funktion

874
00:48:54,410 --> 00:48:54,910
grænseflade.

875
00:48:54,910 --> 00:48:58,180

876
00:48:58,180 --> 00:49:00,127
>> Så jeg har skrevet dette
eksempel her, er

877
00:49:00,127 --> 00:49:02,460
en funktion, der beregner anvendelse
prikproduktet af to vektorer.

878
00:49:02,460 --> 00:49:05,060
Det tager to argumenter, vec1, vec2,
som er vektorerne selv,

879
00:49:05,060 --> 00:49:06,934
og derefter n, som er en
længde, fordi igen,

880
00:49:06,934 --> 00:49:12,630
R har indbygget [uhørligt] for at finde ud af
længden af ​​vektorer, men C ikke.

881
00:49:12,630 --> 00:49:16,182
I C, vektorer er en vilkårlig
afgrænset luns af hukommelse.

882
00:49:16,182 --> 00:49:17,890
Så den måde, du kan
beregne skalarprodukter

883
00:49:17,890 --> 00:49:23,470
bare sætte dette ud parameter
til nul, og derefter gentage gennem

884
00:49:23,470 --> 00:49:28,760
fra 1. til stjerne n, fordi
n er en pointer til længden,

885
00:49:28,760 --> 00:49:32,929
blot tilføje noget til
det ud parameter.

886
00:49:32,929 --> 00:49:34,970
Og det kan være god praksis
hvis du vil gøre

887
00:49:34,970 --> 00:49:37,270
dette at skrive to separate C-funktioner.

888
00:49:37,270 --> 00:49:41,970
En af dem has-- En af dem bare
tager de argumenter og de typer

889
00:49:41,970 --> 00:49:43,970
at de normalt ville være i C.

890
00:49:43,970 --> 00:49:47,780
>> Så det tager en række
argumenter som pejlemærker.

891
00:49:47,780 --> 00:49:57,090
Men single-værdi argumenter som n,
det tager bare som værdier ved kopiering,

892
00:49:57,090 --> 00:49:57,917
uden pointere.

893
00:49:57,917 --> 00:49:59,750
Og så er det ikke gør
[Uhørligt] ud pointer.

894
00:49:59,750 --> 00:50:01,290
Og så kan du få
en anden, dybest set,

895
00:50:01,290 --> 00:50:03,623
wrapper funktion, stort set
håndterer kravene

896
00:50:03,623 --> 00:50:07,740
af den udenlandske funktion
grænseflade for dig.

897
00:50:07,740 --> 00:50:11,840
>> Den måde du kalder dette i R er, når
du har din funktion skrevet i C,

898
00:50:11,840 --> 00:50:17,770
du skriver R cmd shlib, R
kommando delt bibliotek,

899
00:50:17,770 --> 00:50:20,110
foo dot c, eller hvad
din fil hedder,

900
00:50:20,110 --> 00:50:23,020
og OS shell ikke i R-terminalen.

901
00:50:23,020 --> 00:50:25,200
Og det vil skabe en
bibliotek kaldet foo dot så.

902
00:50:25,200 --> 00:50:28,180
Og så kan du indlæse den i
vores script eller interaktivt

903
00:50:28,180 --> 00:50:32,310
med kommandoen dyn dot belastning.

904
00:50:32,310 --> 00:50:35,720
Så er der en funktion
i F kaldes dot c.

905
00:50:35,720 --> 00:50:39,310
>> Dette tager argumenter, der er
først navnet på funktionen i C

906
00:50:39,310 --> 00:50:40,970
at du vil ringe til.

907
00:50:40,970 --> 00:50:43,920
Og så alle de parametre
til denne funktion,

908
00:50:43,920 --> 00:50:45,420
de skal være i den rigtige rækkefølge.

909
00:50:45,420 --> 00:50:48,580
Du er nødt til at bruge denne type
tvang fungerer som heltal, som

910
00:50:48,580 --> 00:50:52,050
dobbelt, som karakter, og som logisk.

911
00:50:52,050 --> 00:50:54,710
Og så når det vender tilbage den
listen, som igen er lige

912
00:50:54,710 --> 00:50:57,550
en tilknyttet række af
parameter navne og de værdier

913
00:50:57,550 --> 00:51:00,950
efter at funktionen er kørt.

914
00:51:00,950 --> 00:51:08,520
>> Så i dette tilfælde, fordi dot prod har
argumenter vec1, vec2, og int n, n ud.

915
00:51:08,520 --> 00:51:11,980
Til prik c vi har dot prod,
navnet på funktionen

916
00:51:11,980 --> 00:51:16,250
vi kalder, vec1, vec2, type tvinge.

917
00:51:16,250 --> 00:51:20,060
Længden af ​​enten vektor,
Jeg valgte vec1 vilkårligt.

918
00:51:20,060 --> 00:51:25,479
Det ville være mere robust at sige s
heltal min længde vec1, længde vec2.

919
00:51:25,479 --> 00:51:27,520
Så lige så dobbelt nul,
fordi vi ikke rigtig

920
00:51:27,520 --> 00:51:29,644
ligeglad med, hvad går ind i
ud parameter, fordi vi er

921
00:51:29,644 --> 00:51:32,270
sætte den til nul alligevel.

922
00:51:32,270 --> 00:51:37,560
>> Og så resultaterne vil være en
store associeret array af grundlæggende

923
00:51:37,560 --> 00:51:42,090
vec1 er uanset hvad, vec2 er hvad.

924
00:51:42,090 --> 00:51:44,330
Men vi er interesseret i
ud, så vi kan få det ud.

925
00:51:44,330 --> 00:51:47,780
Dette er igen, en meget eksempel legetøj
af en udenlandsk funktion interface.

926
00:51:47,780 --> 00:51:54,160
Men hvis du har til at beregne dot
produkter af massive vektorer i loops,

927
00:51:54,160 --> 00:51:56,960
eller hvis du skal gøre
noget andet i en løkke,

928
00:51:56,960 --> 00:51:59,850
og du ikke ønsker at stole på R,
som ikke har lidt af overliggende

929
00:51:59,850 --> 00:52:02,830
bygget ind i det, kan det være nyttigt.

930
00:52:02,830 --> 00:52:05,870
>> Igen, det er ikke normalt
en indledende emne til R.

931
00:52:05,870 --> 00:52:08,571
Det er ikke meget veldokumenteret.

932
00:52:08,571 --> 00:52:11,070
Jeg er bare inklusive det, fordi
Jeg har fundet det nyttigt i fortiden.

933
00:52:11,070 --> 00:52:13,654
Så dårlig praksis.

934
00:52:13,654 --> 00:52:15,820
Jeg nævnte, at der er en
for-løkke i funktion.

935
00:52:15,820 --> 00:52:21,150
Generelt bør du ikke, i
sproget, ikke bruge det.

936
00:52:21,150 --> 00:52:26,100
Baseret på, hvordan R implementerer iteration
internt, kan det være langsom.

937
00:52:26,100 --> 00:52:28,540
De bare ser også grimt.

938
00:52:28,540 --> 00:52:32,410
>> R håndterer vektorer meget pænt, så
oftentimes behøver du ikke at bruge det.

939
00:52:32,410 --> 00:52:35,050

940
00:52:35,050 --> 00:52:38,900
Så kan du normalt
erstatte en vektor ofte

941
00:52:38,900 --> 00:52:42,490
med disse funktioner kaldes høj
ordens funktioner, kort, Reducer,

942
00:52:42,490 --> 00:52:44,404
Find, eller Filter.

943
00:52:44,404 --> 00:52:46,320
Jeg vil bare give nogle
eksempler på, hvad disse gør.

944
00:52:46,320 --> 00:52:49,957
Kort er en højere orden funktion, fordi
det tager en funktion som et argument.

945
00:52:49,957 --> 00:52:52,290
Så du kan give det en funktion,
kan du give det et array,

946
00:52:52,290 --> 00:52:54,640
og det vil anvende funktionen
til hvert element i arrayet

947
00:52:54,640 --> 00:52:55,681
og returnere den nye array.

948
00:52:55,681 --> 00:52:58,035

949
00:52:58,035 --> 00:53:00,160
Reducer, dybest set du give
det et array, du giver det

950
00:53:00,160 --> 00:53:02,930
en funktion, der tager to argumenter.

951
00:53:02,930 --> 00:53:07,100
Den vil anvende funktionen først,
første argument med en vis forret værdi.

952
00:53:07,100 --> 00:53:09,440
Derefter til dette resultat i den anden.

953
00:53:09,440 --> 00:53:12,590
Derefter til dette resultat i den tredje,
derefter til dette resultat i fjerde.

954
00:53:12,590 --> 00:53:14,870
Og derefter vende tilbage når det bliver til enden.

955
00:53:14,870 --> 00:53:17,620
Så for eksempel, hvis du ønsker at
beregne summen af ​​alle de elementer

956
00:53:17,620 --> 00:53:23,240
i et array, end man kunne kalde reducere
med [uhørligt] reducere en tilføjelse

957
00:53:23,240 --> 00:53:26,620
funktion, ligesom funk
a, b, returnere et plus b.

958
00:53:26,620 --> 00:53:28,960
Og start derefter en værdi på 0.

959
00:53:28,960 --> 00:53:32,950
>> Og alle disse, kan du finde dem
beskrevet i F-dokumentationen,

960
00:53:32,950 --> 00:53:35,720
i enhver lærebog om
funktionel programmering.

961
00:53:35,720 --> 00:53:38,330
Der er også denne klasse af
funktioner godkend funktioner,

962
00:53:38,330 --> 00:53:42,807
som jeg don't-- de er
lidt svært at forklare,

963
00:53:42,807 --> 00:53:45,640
men hvis du kigger i [uhørligt]
reserveret, jeg citerede i starten,

964
00:53:45,640 --> 00:53:48,615
Han forklarer dem ganske godt i
hans tillæg på F programmering.

965
00:53:48,615 --> 00:53:51,599

966
00:53:51,599 --> 00:53:53,390
Mere om praksis,
tilføje til vektorer.

967
00:53:53,390 --> 00:53:57,570

968
00:53:57,570 --> 00:53:58,070
Ja?

969
00:53:58,070 --> 00:54:01,651

970
00:54:01,651 --> 00:54:02,900
Jeg tror, ​​jeg skal rette det.

971
00:54:02,900 --> 00:54:07,450
I den første linje, VEC pil,
at pilen ikke bør være der.

972
00:54:07,450 --> 00:54:10,920
Du kan tildele til en vektor,
igen, ved at tage sin længde plus 1

973
00:54:10,920 --> 00:54:13,220
og tildele en vis værdi for det.

974
00:54:13,220 --> 00:54:18,970
Det vil forlænge vektoren, eller du
kan gøre VEC ligemænd c, vec newvalue.

975
00:54:18,970 --> 00:54:21,540
Igen, hvis du bruger C med
ét argument som en vektor,

976
00:54:21,540 --> 00:54:23,300
den resulterende hierarki bliver fladtrykt.

977
00:54:23,300 --> 00:54:27,160
Så du bare få en vektor
der er udvidet med 1.

978
00:54:27,160 --> 00:54:30,410
Aldrig gøre dette.

979
00:54:30,410 --> 00:54:33,330
>> Grunden til at du
ikke bør gøre dette er det.

980
00:54:33,330 --> 00:54:37,430
Når du tildele en vektor, det
giver det en vis chunk hukommelse.

981
00:54:37,430 --> 00:54:40,680
Hvis du øger den vektor størrelse,
det har at omfordele vektoren

982
00:54:40,680 --> 00:54:43,820
et andet sted.

983
00:54:43,820 --> 00:54:46,980
Og så omfordeling er ret dyrt.

984
00:54:46,980 --> 00:54:50,530
Jeg vil ikke gå i detaljer om, hvordan
hukommelse målere gennemføres

985
00:54:50,530 --> 00:54:57,280
af operativsystemet niveau,
men det tager en masse tid

986
00:54:57,280 --> 00:54:58,962
at finde en ny bid af hukommelse.

987
00:54:58,962 --> 00:55:00,920
Og også, hvis du er
omfordeling af masser og masser

988
00:55:00,920 --> 00:55:03,500
gradvist større
bidder, du ender

989
00:55:03,500 --> 00:55:06,420
med noget, der hedder
hukommelse fragmentering,

990
00:55:06,420 --> 00:55:09,390
hvor den tilgængelige hukommelse er
opdelt i masser af små blokke

991
00:55:09,390 --> 00:55:11,500
i hukommelsen målere synspunkt.

992
00:55:11,500 --> 00:55:15,340
Og det bliver sværere og sværere
at finde hukommelse til andre ting.

993
00:55:15,340 --> 00:55:19,455
Så i stedet, hvis du har brug for at gøre dette, hvis
du har brug for at vokse en vektor fra den ene ende

994
00:55:19,455 --> 00:55:24,240
til den næste, i stedet for at tilføje til det
konstant, skal du på forhånd tildele den.

995
00:55:24,240 --> 00:55:29,310
Vec pil, vektor længde
lig 1.000, eller hvad.

996
00:55:29,310 --> 00:55:33,200
>> Og så kan du bare tildele
til vektoren værdier én

997
00:55:33,200 --> 00:55:36,000
en tid, efter du har tildelt det én gang.

998
00:55:36,000 --> 00:55:40,140
Jeg løb ind i dette, igen, min sommer job
da jeg skrev NRA forskellen

999
00:55:40,140 --> 00:55:42,120
ligningsløseren.

1000
00:55:42,120 --> 00:55:43,180
Ikke symbolsk numerisk.

1001
00:55:43,180 --> 00:55:49,290
Ideen er, at når du har
en værdi for din løsning,

1002
00:55:49,290 --> 00:55:51,240
du bruge den til at beregne den næste.

1003
00:55:51,240 --> 00:55:53,700
Så min naturlige naiv
hældning var at sige OK,

1004
00:55:53,700 --> 00:55:56,930
så jeg vil starte med en vektor
det er en væsentlig værdi.

1005
00:55:56,930 --> 00:56:01,260
Beregn fra, at den næste værdi
der går på min løsning vektor,

1006
00:56:01,260 --> 00:56:02,630
og tilføje det.

1007
00:56:02,630 --> 00:56:05,290
>> Opret noget andet, tilføj det.

1008
00:56:05,290 --> 00:56:08,120
Det gik meget, meget langsomt.

1009
00:56:08,120 --> 00:56:11,540
Og når jeg indset dette
og jeg har ændret mit system

1010
00:56:11,540 --> 00:56:16,020
fra at tilføje til denne vektor
Ligesom 10.000 til 100.000 gange,

1011
00:56:16,020 --> 00:56:18,910
bare pre-tildeling af en vektor
og bare kører med.

1012
00:56:18,910 --> 00:56:22,100
Jeg fik mere end 1.000 gange hastighed op.

1013
00:56:22,100 --> 00:56:26,280
Så dette er en meget almindelig
fælde for R-programmering.

1014
00:56:26,280 --> 00:56:31,560
Hvis du har brug for at opbygge en vektor
stykke for stykke, præ-allokere den.

1015
00:56:31,560 --> 00:56:35,360

1016
00:56:35,360 --> 00:56:40,240
>> Et andet fælles tur up-- dette er min sidste
slide, ikke worry-- er fejlhåndtering.

1017
00:56:40,240 --> 00:56:42,890
R, at være ærlig, ikke
virkelig gør dette meget godt.

1018
00:56:42,890 --> 00:56:45,010
Der er en masse af
problemer, der kan dukke op.

1019
00:56:45,010 --> 00:56:48,360
For eksempel, hvis du får et array
eller en vektor ud af en funktion

1020
00:56:48,360 --> 00:56:52,377
at du havde forventet en enkelt
værdi kommer fra, eller omvendt,

1021
00:56:52,377 --> 00:56:55,460
og du passerer det ind i en funktion,
du skrev forventer en enkelt værdi,

1022
00:56:55,460 --> 00:56:57,270
der kan være et problem.

1023
00:56:57,270 --> 00:57:01,440
>> Visse funktioner
returnere null som gør, siger,

1024
00:57:01,440 --> 00:57:05,560
læser fra et
ikke-eksisterende nøgle i en liste.

1025
00:57:05,560 --> 00:57:08,527
Men null er ikke som C
hvor, hvis du forsøger at læse

1026
00:57:08,527 --> 00:57:11,360
fra en gammel pointer, [uhørligt]
til null pointer, det bare seg fejl

1027
00:57:11,360 --> 00:57:14,109
og hvis du er i dit debugger det
fortæller dig præcis hvor du er.

1028
00:57:14,109 --> 00:57:17,080

1029
00:57:17,080 --> 00:57:20,772
I stedet null vil do-- funktioner
vil gøre uforudsigelige ting

1030
00:57:20,772 --> 00:57:21,730
hvis de er afleveret null.

1031
00:57:21,730 --> 00:57:24,575
Ligesom hvis du er afleveret max null,
Det vil give dig negative uendelighed.

1032
00:57:24,575 --> 00:57:27,230

1033
00:57:27,230 --> 00:57:28,190
Og så, ja.

1034
00:57:28,190 --> 00:57:30,880

1035
00:57:30,880 --> 00:57:32,630
Og så dette skete
til mig en gang, da jeg havde

1036
00:57:32,630 --> 00:57:34,771
ændret en masse felter
på min liste struktur

1037
00:57:34,771 --> 00:57:37,520
gang uden at ændre dem andre steder
da jeg læste fra dem.

1038
00:57:37,520 --> 00:57:40,670
Og så fik jeg alle mulige tilfældige
uendeligt resultater dukker op

1039
00:57:40,670 --> 00:57:43,080
og jeg ingen idé om, hvor de kom fra.

1040
00:57:43,080 --> 00:57:45,310
Og desværre er der
ingen reel R streng tilstand

1041
00:57:45,310 --> 00:57:48,940
hvor man kan sige, hvis noget
ser ud som det kunne være en fejl,

1042
00:57:48,940 --> 00:57:51,960
bare stoppe der, så jeg kan være
disciplineret og løse det.

1043
00:57:51,960 --> 00:57:55,282

1044
00:57:55,282 --> 00:57:57,240
Men der er noget
kaldet stop, hvis ikke.

1045
00:57:57,240 --> 00:58:00,480
Det svarer til C s hævde,
hvis du har talt om det.

1046
00:58:00,480 --> 00:58:02,690
Jeg tror ikke, C hævde
er et foredrag emne,

1047
00:58:02,690 --> 00:58:06,370
men din sektionsleder
kunne være gået over det.

1048
00:58:06,370 --> 00:58:10,393
Og stoppe hvis ikke dybest set tager nogen
prædikat, så eventuelle erklæringer, som

1049
00:58:10,393 --> 00:58:11,824
kan være sande eller falske.

1050
00:58:11,824 --> 00:58:13,490
Og hvis det er falsk, stopper programmet.

1051
00:58:13,490 --> 00:58:18,260
Det fortæller dig præcis, hvad linje du
var på og hvilken tilstand mislykkedes.

1052
00:58:18,260 --> 00:58:21,910
>> Og denne meget nyttige, for eksempel,
tilregnelighed kontrol, funktion indgange.

1053
00:58:21,910 --> 00:58:25,110
Så hvis du har en funktion
og du forventer, siger,

1054
00:58:25,110 --> 00:58:29,640
hvis du skulle give mig en dato, jeg ønsker
datoerne være bare en vektor af længde 1

1055
00:58:29,640 --> 00:58:31,735
og et sted mellem 1 og 31.

1056
00:58:31,735 --> 00:58:34,420

1057
00:58:34,420 --> 00:58:36,170
Og hvis ikke, jeg kender
noget er gået galt.

1058
00:58:36,170 --> 00:58:40,280
Og jeg vælger at stoppe der, før denne
har tilfældig banke på effekter med kode

1059
00:58:40,280 --> 00:58:44,190
at det er sværere at spore igennem.

1060
00:58:44,190 --> 00:58:47,170
Så det er en mulig
bruge til stop, hvis ikke.

1061
00:58:47,170 --> 00:58:48,660
>> Under alle omstændigheder, OK.

1062
00:58:48,660 --> 00:58:49,690
Så det er slut.

1063
00:58:49,690 --> 00:58:51,290
Tak så meget for at komme.

1064
00:58:51,290 --> 00:58:53,710
Jeg er en rang amatør på dette.

1065
00:58:53,710 --> 00:58:57,270
Så ked af, hvis du keder eller
forvirret eller hvad har du.

1066
00:58:57,270 --> 00:59:01,670
Jeg er glad for at tage spørgsmål via e-mail
ved connorharris@college.harvard.edu.

1067
00:59:01,670 --> 00:59:07,230
Det gælder også for alle
ser denne live eller senere.

1068
00:59:07,230 --> 00:59:10,190
Også selvom jeg ikke er
en TF, er jeg også meget

1069
00:59:10,190 --> 00:59:13,900
villige til at tjene som en uofficiel
rådgiver for alle, der er

1070
00:59:13,900 --> 00:59:15,460
hjælp R i et afsluttende projekt.

1071
00:59:15,460 --> 00:59:19,900
>> Hvis du gerne vil det,
så bare tale med din TF

1072
00:59:19,900 --> 00:59:23,750
og derefter skrive mig en mail, så
Jeg ved, hvad du arbejder på

1073
00:59:23,750 --> 00:59:26,680
og så jeg kan oprette møde
gange med dig, hvis du ønsker.

1074
00:59:26,680 --> 00:59:27,990
Så igen, mange tak.

1075
00:59:27,990 --> 00:59:28,960
Jeg håber du nød det.

1076
00:59:28,960 --> 00:59:29,450
>> PUBLIKUM: [uhørligt].

1077
00:59:29,450 --> 00:59:30,617
>> CONNER HARRIS: Selvfølgelig.

1078
00:59:30,617 --> 00:59:34,910
>> PUBLIKUM: Hvilken slags af et projekt
ville en CS-studerende bruge R for?

1079
00:59:34,910 --> 00:59:37,427

1080
00:59:37,427 --> 00:59:40,510
CONNER HARRIS: Så hvis du ikke gør
noget, der er rent i data mining,

1081
00:59:40,510 --> 00:59:43,790
for eksempel, og der
er masser af ting

1082
00:59:43,790 --> 00:59:46,692
du kunne gøre med det med data
minedrift og machine learning.

1083
00:59:46,692 --> 00:59:48,900
Du vil måske bruge R for
en bestanddel af noget.

1084
00:59:48,900 --> 00:59:52,022
Jeg opdraget oprindeligt eksemplet
af hvis du skriver en hjemmeside

1085
00:59:52,022 --> 00:59:54,730
og du vil køre automatiseret
statistisk analyse af din server

1086
00:59:54,730 --> 00:59:57,990
logfiler på et bestemt tidspunkt hver dag,
der kan være noget, der er

1087
00:59:57,990 --> 01:00:01,260
meget let at gøre på bare et kort
R script, som du kan planlægge

1088
01:00:01,260 --> 01:00:04,200
at køre hver nat, f.eks.

1089
01:00:04,200 --> 01:00:06,550
>> Og jeg er sikker på, hvis
der er nogen grund til du ville

1090
01:00:06,550 --> 01:00:11,520
ønsker statistikker eller graffaciliteten
og har denne kørsel automatisk i stedet

1091
01:00:11,520 --> 01:00:13,790
for at skulle interagere
med ting i Excel,

1092
01:00:13,790 --> 01:00:16,750
for eksempel, det er noget
du måske ønsker at bruge R for.

1093
01:00:16,750 --> 01:00:21,190
Så flere spørgsmål, før jeg forlader?

1094
01:00:21,190 --> 01:00:21,690
Ingen?

1095
01:00:21,690 --> 01:00:24,960
Okay, godt, igen, tak
tak for at komme.

1096
01:00:24,960 --> 01:00:29,417