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

2
00:00:05,691 --> 00:00:07,690
CONNOR HARRIS: Men jag
tror vissa spännande video

3
00:00:07,690 --> 00:00:12,570
produceras av en professionell rådgivning
som använder R mycket i sitt arbete.

4
00:00:12,570 --> 00:00:16,329
>> BERÄTTARE: Vad ligger bakom statistiken,
analytics, och visualiseringar

5
00:00:16,329 --> 00:00:19,770
att dagens smartaste uppgifter forskare
och företagsledare lita på

6
00:00:19,770 --> 00:00:22,012
att göra kraftfulla beslut?

7
00:00:22,012 --> 00:00:23,540
Du kanske inte alltid ser det.

8
00:00:23,540 --> 00:00:24,790
Men det är där.

9
00:00:24,790 --> 00:00:29,460
Det kallas R, r-- öppen källa
språk statistisk programmering

10
00:00:29,460 --> 00:00:32,630
att dataexperter världen
över användning för allt

11
00:00:32,630 --> 00:00:35,350
från kartläggning bred social
och marknadsföring trender på nätet

12
00:00:35,350 --> 00:00:39,210
att utveckla den ekonomiska och klimat
modeller som hjälper driva våra ekonomier

13
00:00:39,210 --> 00:00:40,780
och samhällen.

14
00:00:40,780 --> 00:00:44,910
>> Men vad exakt är R
och där gjorde R börja?

15
00:00:44,910 --> 00:00:48,620
Väl ursprungligen började R
här med två professorer

16
00:00:48,620 --> 00:00:51,950
som ville ha en bättre statistisk
plattform för sina elever.

17
00:00:51,950 --> 00:00:56,030
Så de skapade en modelleras
efter statistikspråket S.

18
00:00:56,030 --> 00:01:00,480
De, tillsammans med många andra,
fortsatte att arbeta på och med hjälp av R,

19
00:01:00,480 --> 00:01:05,489
skapa verktyg för R och hitta
nya användningsområden för R varje dag.

20
00:01:05,489 --> 00:01:07,750
>> Tack vare detta är
världsomspännande gemenskap ansträngning,

21
00:01:07,750 --> 00:01:11,850
R hålls växer med tusentals
användarskapade bibliotek byggs

22
00:01:11,850 --> 00:01:15,500
att öka R-funktionalitet och
tränger anskaffas kvalitet validering

23
00:01:15,500 --> 00:01:19,740
och stöd från de mest erkända
branschledande inom varje område som

24
00:01:19,740 --> 00:01:25,040
använder R. Vilket är bra, eftersom
R är bäst på vad den gör.

25
00:01:25,040 --> 00:01:28,540
Knoppande experter snabbt och
enkelt tolka, interagera med,

26
00:01:28,540 --> 00:01:33,790
och visualisera data visar deras snabbt
växande gemenskap av R användare världen över

27
00:01:33,790 --> 00:01:36,380
och se hur öppen källkod
R fortsätter att forma

28
00:01:36,380 --> 00:01:39,340
framtiden för statistisk
analys och data vetenskap.

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

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

31
00:01:47,710 --> 00:01:50,360
Så min egen presentation
kommer att vara lite mer nykter.

32
00:01:50,360 --> 00:01:54,380
Det kommer inte att innebära så mycket
spännande bakgrundsmusik.

33
00:01:54,380 --> 00:01:59,160
Men som ni såg i videon, är R sort
av ett syfte programspråks allmänhet.

34
00:01:59,160 --> 00:02:03,720
Men det skapades mestadels
för statistiskt arbete.

35
00:02:03,720 --> 00:02:07,980
>> Så det är utformat för statistik,
för dataanalys, för data mining.

36
00:02:07,980 --> 00:02:12,420
Och så du kan se detta i en hel del
konstruktions val som skaparna av R

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

38
00:02:13,320 --> 00:02:15,472
Den är utformad för hög grad,
personer som inte är

39
00:02:15,472 --> 00:02:17,930
experter inom programmering, som
bara plocka upp programmering

40
00:02:17,930 --> 00:02:23,460
på sidan så att de kan utföra sitt arbete
i samhällsvetenskap eller statistik

41
00:02:23,460 --> 00:02:25,440
eller vad som helst.

42
00:02:25,440 --> 00:02:27,850
>> Den har en hel del mycket
viktiga skillnader från C.

43
00:02:27,850 --> 00:02:33,200
Men syntaxen och paradigm
att den använder är i stort sett densamma.

44
00:02:33,200 --> 00:02:36,830
Och du ska känna dig ganska
mycket hemma just off the bat.

45
00:02:36,830 --> 00:02:38,520
Det är ett viktigt språk.

46
00:02:38,520 --> 00:02:40,260
>> Oroa dig inte för mycket om det
Om du inte känner till begreppet.

47
00:02:40,260 --> 00:02:42,676
Men det finns en skillnad
mellan imperativ, deklarativ,

48
00:02:42,676 --> 00:02:43,810
och funktionella.

49
00:02:43,810 --> 00:02:47,600
Imperativ bara innebär att du gör
uttalanden som i princip kommandon.

50
00:02:47,600 --> 00:02:52,340
Och sedan tolken eller
dator följer dem en efter en.

51
00:02:52,340 --> 00:02:56,630
Det är svagt skrivit, finns
inga typdeklarationer i R.

52
00:02:56,630 --> 00:02:59,130
>> Och sedan linjerna
mellan olika typer

53
00:02:59,130 --> 00:03:03,920
är lite mer löst än
de är i C, t ex.

54
00:03:03,920 --> 00:03:06,450
Och som jag sade att det finns
mycket omfattande faciliteter

55
00:03:06,450 --> 00:03:15,610
för grafer, för statistisk
analys, för data mining.

56
00:03:15,610 --> 00:03:19,540
Dessa är båda inbyggda i
språk och, som video sa,

57
00:03:19,540 --> 00:03:23,680
tusentals bibliotek tredje part som
du kan ladda ner och använda gratis

58
00:03:23,680 --> 00:03:25,340
med mycket lösa tillståndsvillkor.

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

60
00:03:28,800 --> 00:03:31,500
>> Så i allmänhet, skulle jag rekommendera
att du tittar på dessa två böcker

61
00:03:31,500 --> 00:03:34,610
om du kommer att arbeta med R. Ett
av dem är officiella R nybörjare

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

63
00:03:35,110 --> 00:03:38,660
Det upprätthålls av
core utvecklare av R.

64
00:03:38,660 --> 00:03:42,400
Du kan ladda ner den igen, fri från
ladda och lagligt på som länkar där.

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

66
00:03:45,430 --> 00:03:49,869
Alla dessa bilderna kommer att gå
upp på internet, på CS50 webbplats

67
00:03:49,869 --> 00:03:50,660
när det är gjort.

68
00:03:50,660 --> 00:03:53,690
Så ingen anledning att kopiera
ner saker frenetiskt.

69
00:03:53,690 --> 00:03:56,800
>> Den andra är en
lärobok av Cosma Shalizi,

70
00:03:56,800 --> 00:04:00,100
som är en statistik professor vid
Carnegie Mellon, som kallas Advanced Data

71
00:04:00,100 --> 00:04:02,160
Analys från en
Elementär Point of View.

72
00:04:02,160 --> 00:04:04,010
Detta är inte i första hand en R bok.

73
00:04:04,010 --> 00:04:07,130
Det är en statistik bok och
Det är en dataanalys bok.

74
00:04:07,130 --> 00:04:11,990
Men det är mycket tillgänglig för människor som
har ett minimum av statistik kunskap.

75
00:04:11,990 --> 00:04:13,750
>> Jag har aldrig fattat ett formellt kurs.

76
00:04:13,750 --> 00:04:17,269
Jag vet bara bitar
från olika allierade ämnen

77
00:04:17,269 --> 00:04:18,579
att jag har läst kurser i.

78
00:04:18,579 --> 00:04:21,839
Och jag kunde förstå
det mycket väl.

79
00:04:21,839 --> 00:04:25,630
>> Alla siffror är givna
i R. De är gjorda i R

80
00:04:25,630 --> 00:04:30,280
och de har också kodexempel
under varje siffra som berätta

81
00:04:30,280 --> 00:04:33,270
hur du gör varje figur med R-kod.

82
00:04:33,270 --> 00:04:37,400
Och det är mycket användbart om
du försöker efterlikna

83
00:04:37,400 --> 00:04:38,650
någon siffra du ser i en bok.

84
00:04:38,650 --> 00:04:47,840
>> Och återigen gratis nedladdning
stat.cmu.edu/cshalizi/ Tyvärr,

85
00:04:47,840 --> 00:04:50,230
som bör slash tilde cshalizi.

86
00:04:50,230 --> 00:04:53,150
Jag ska se till att rätta till det
när de officiella bilderna går upp.

87
00:04:53,150 --> 00:04:57,000
/ ADAfaEPoV vilket är precis
akronym för boktitel.

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

89
00:04:59,850 --> 00:05:02,500
>> Så allmänt caveats-- R
har en hel del funktioner.

90
00:05:02,500 --> 00:05:05,331
Jag kommer bara att kunna täcka
ytan av en hel del saker.

91
00:05:05,331 --> 00:05:08,580
Även den första delen av seminariet
kommer att bli något av ett data dumpning.

92
00:05:08,580 --> 00:05:11,437
Jag är ganska ledsen för det.

93
00:05:11,437 --> 00:05:13,770
I grund och botten, jag ska
introducera dig till en massa saker

94
00:05:13,770 --> 00:05:15,350
just off the bat, gå
så fort som möjligt.

95
00:05:15,350 --> 00:05:17,058
Och då får vi
den roliga delen, som är

96
00:05:17,058 --> 00:05:20,570
demo där jag kan visa dig allt
att vi har talat om på skärmen.

97
00:05:20,570 --> 00:05:23,321
Och du kan spela runt på egen hand.

98
00:05:23,321 --> 00:05:26,070
Så det kommer att bli en hel del
tekniska saker kastas upp här.

99
00:05:26,070 --> 00:05:28,060
Oroa dig inte för att kopiera allt ner.

100
00:05:28,060 --> 00:05:31,740
Eftersom A, kan du få all
grejer på CS50 hemsida senare.

101
00:05:31,740 --> 00:05:37,780
Och B, det är egentligen inte så viktigt
att memorera detta från objektglasen.

102
00:05:37,780 --> 00:05:40,462
Det är viktigare att du får
några intuitiv anläggning med det

103
00:05:40,462 --> 00:05:44,220
och som kommer från bara spela runt.

104
00:05:44,220 --> 00:05:45,720
>> Så varför använda R?

105
00:05:45,720 --> 00:05:49,440
I grund och botten, om du har ett projekt som
innebär gruv stora datamängder, data

106
00:05:49,440 --> 00:05:52,664
visualisering, du
bör använda R. Om du är

107
00:05:52,664 --> 00:05:55,830
gör komplicerade statistiska analyser,
som skulle vara svårt att i Excel,

108
00:05:55,830 --> 00:05:58,010
till exempel, skulle det
också good-- också

109
00:05:58,010 --> 00:06:00,506
Om du gör statistiska
analys som är automatiserad.

110
00:06:00,506 --> 00:06:02,130
Låt oss säga att du underhålla en webbplats.

111
00:06:02,130 --> 00:06:06,320
Och du vill läsa serverloggen
varje dag och sammanställa en del listan,

112
00:06:06,320 --> 00:06:10,320
som de bästa länderna att
dina användare kommer ifrån,

113
00:06:10,320 --> 00:06:15,100
några sammanfattande statistik om hur lång tid
de tillbringar på din webbplats eller vad som helst.

114
00:06:15,100 --> 00:06:16,910
Och du vill köra detta varje dag.

115
00:06:16,910 --> 00:06:20,280
>> Nu om du gör detta i Excel,
du skulle behöva gå till din server log,

116
00:06:20,280 --> 00:06:23,490
importera det till en
Excel-data kalkylblad,

117
00:06:23,490 --> 00:06:24,910
köra hela analysen manuellt.

118
00:06:24,910 --> 00:06:27,100
Med R, kan du bara skriva ett manus.

119
00:06:27,100 --> 00:06:29,520
Planera att köra varje dag
från operativsystemet.

120
00:06:29,520 --> 00:06:33,657
Och sedan varje kväll på 2:00,
eller när du planera att köra,

121
00:06:33,657 --> 00:06:35,990
det kommer att se igenom din
Internet-trafik för den dagen.

122
00:06:35,990 --> 00:06:39,010
Och sedan nästa dag, kommer du
har denna glänsande, ny rapport

123
00:06:39,010 --> 00:06:41,710
eller vad med alla
information som du bett om.

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

125
00:06:44,960 --> 00:06:50,217
>> Så i princip R är för Cisco
programmering kontra Cisco analys.

126
00:06:50,217 --> 00:06:51,050
Preliminär görs.

127
00:06:51,050 --> 00:06:53,104
Låt oss komma in i verkliga saker.

128
00:06:53,104 --> 00:06:55,020
Så det finns tre riktiga
typer i språket.

129
00:06:55,020 --> 00:06:56,120
Det finns numerisk typ.

130
00:06:56,120 --> 00:07:01,250
Det blir liksom en skillnad mellan
heltal och flytande punkter,

131
00:07:01,250 --> 00:07:02,769
men inte riktigt.

132
00:07:02,769 --> 00:07:04,560
Det finns ett tecken
typ, vilket är strängar.

133
00:07:04,560 --> 00:07:07,100
Och det finns en logisk
typ, vilket är Booleans.

134
00:07:07,100 --> 00:07:11,080
>> Och du kan konvertera mellan olika typer
användning av dessa funktioner som numeriska,

135
00:07:11,080 --> 00:07:15,220
karaktär, som logiskt.

136
00:07:15,220 --> 00:07:17,510
Om du ringer, till exempel,
som numeriskt på ett snöre,

137
00:07:17,510 --> 00:07:20,030
det kommer att försöka läsa den strängen
som ett tal, på samma sätt

138
00:07:20,030 --> 00:07:25,897
att A2I och scanf göra, och C. Om
du ringer som numeriskt på sant eller falskt

139
00:07:25,897 --> 00:07:26,980
Det kommer att konvertera till 1 eller 0.

140
00:07:26,980 --> 00:07:29,110
Om du ringer som tecken
på något det ska

141
00:07:29,110 --> 00:07:32,550
omvandla den till en
strängrepresentation.

142
00:07:32,550 --> 00:07:34,990
>> Och sedan finns det vektorer och matriser.

143
00:07:34,990 --> 00:07:37,580
Så vektorer är i grunden
1 dimensionella arrayer.

144
00:07:37,580 --> 00:07:40,600
De är vad vi kallar arrayer i
C. Matriser, 2 dimensionella arrayer.

145
00:07:40,600 --> 00:07:42,350
Och sedan högre
dimensionella arrayer DU kan

146
00:07:42,350 --> 00:07:48,560
har 3, 4, 5 dimensioner eller vad
av numeriska värden, strängar,

147
00:07:48,560 --> 00:07:52,860
av logiska värden.

148
00:07:52,860 --> 00:07:55,380
>> Du har också listor som är
ett slags associativ array.

149
00:07:55,380 --> 00:07:57,390
Jag ska komma in i det lite.

150
00:07:57,390 --> 00:07:59,390
Så en viktig sak
som snubblar människor i R

151
00:07:59,390 --> 00:08:01,470
är att det finns ingen
verkligt, rena atomtyper.

152
00:08:01,470 --> 00:08:05,870
Det finns ingen verklig skillnad mellan
ett nummer, som ett numeriskt värde,

153
00:08:05,870 --> 00:08:07,920
och en lista med numeriska värden.

154
00:08:07,920 --> 00:08:12,370
Numeriska värden är faktiskt
samma som vektorer längd 1.

155
00:08:12,370 --> 00:08:14,959
Och detta har ett antal
viktiga konsekvenser.

156
00:08:14,959 --> 00:08:17,500
En, betyder det att du kan göra
saker mycket lätt som involverar

157
00:08:17,500 --> 00:08:21,037
som att lägga ett nummer till en vektor.

158
00:08:21,037 --> 00:08:23,120
R kommer i princip siffra
reda på vad du menar med det.

159
00:08:23,120 --> 00:08:24,610
Och jag ska få till det på en sekund.

160
00:08:24,610 --> 00:08:27,930
Det innebär också att det finns inget sätt
för den typ checker-- i den utsträckning

161
00:08:27,930 --> 00:08:30,530
att något sånt
existerar i r-- att berätta

162
00:08:30,530 --> 00:08:33,780
när du har passerat på den inre värde
när den förväntar sig en array eller vice versa.

163
00:08:33,780 --> 00:08:39,159
Och det kan orsaka vissa udda
problem som jag sprang in när

164
00:08:39,159 --> 00:08:42,252
Jag använde R under min sommarjobb.

165
00:08:42,252 --> 00:08:43,710
Och det finns inga blandad typ arrayer.

166
00:08:43,710 --> 00:08:46,543
Så du kan inte ha en matris var
första element, jag vet inte,

167
00:08:46,543 --> 00:08:49,332
strängen "John" och
andra delen är nummer 42.

168
00:08:49,332 --> 00:08:52,540
Om du försöker göra det, då får du
allt bara konverteras till en sträng.

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

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

171
00:08:58,250 --> 00:09:02,025
>> Så ovanligt syntaktiskt features-- mest
R syntax är mycket lik C.

172
00:09:02,025 --> 00:09:04,690
Det finns några viktiga skillnader.

173
00:09:04,690 --> 00:09:05,620
Inskrivning är mycket svag.

174
00:09:05,620 --> 00:09:07,360
Det finns alltså inga variabeldeklarationer.

175
00:09:07,360 --> 00:09:12,670
Uppdrag använder den märkliga
fel operatör mindre än bindestreck.

176
00:09:12,670 --> 00:09:15,340
Kommentarer är med hash varumärket.

177
00:09:15,340 --> 00:09:19,230
Jag antar att nu dagar vi kallar det hashtag
men det är inte riktigt accurate-- inte

178
00:09:19,230 --> 00:09:21,810
den dubbla snedstreck.

179
00:09:21,810 --> 00:09:24,710
>> Modulära rester är med %% tecken.

180
00:09:24,710 --> 00:09:30,172
Heltalsdivision är med% /% vilket är
mycket svårt att läsa när det projiceras

181
00:09:30,172 --> 00:09:30,880
upp på skärmen.

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

183
00:09:34,150 --> 00:09:37,200
Du kan få serier av
heltal med kolon.

184
00:09:37,200 --> 00:09:41,840
Så 2,5 kommer att ge dig en vektor
av alla nummer 2 genom 5.

185
00:09:41,840 --> 00:09:44,530
>> Arrayer är en index,
vilka skruvar en massa människor

186
00:09:44,530 --> 00:09:47,540
upp om de är från mer
typiska programmeringsspråk,

187
00:09:47,540 --> 00:09:50,450
som C, där de flesta
saker är noll-indexerade.

188
00:09:50,450 --> 00:09:54,420
Återigen, det är där R arv
som ett språk för som inte

189
00:09:54,420 --> 00:09:56,560
professionella programmerare kommer in.

190
00:09:56,560 --> 00:09:59,680
Om du är en sociolog eller
en ekonom eller något

191
00:09:59,680 --> 00:10:01,980
och du försöker använda
R i princip som ett komplement

192
00:10:01,980 --> 00:10:03,832
till viktigare
professionella arbete,

193
00:10:03,832 --> 00:10:06,040
du kommer att hitta
en-indexera lite mer naturligt.

194
00:10:06,040 --> 00:10:09,890
Eftersom du börja räkna
på en i vardagen, inte 0.

195
00:10:09,890 --> 00:10:13,260
>> För-loopar, är detta liknar
den foreach konstruktionen i PHP,

196
00:10:13,260 --> 00:10:17,090
som du får
lära in-- ganska snart.

197
00:10:17,090 --> 00:10:22,540
Vilket är för värde i vektor och
då kan du göra saker med värde.

198
00:10:22,540 --> 00:10:24,040
PUBLIK: Det har kommit upp i föreläsning.

199
00:10:24,040 --> 00:10:26,248
CONNOR HARRIS: Åh, det är
komma upp föreläsning, utmärkt.

200
00:10:26,248 --> 00:10:29,815
PUBLIK: Uppdraget, är det
ska peka från höger till vänster?

201
00:10:29,815 --> 00:10:31,440
CONNOR HARRIS: Från höger till vänster, ja.

202
00:10:31,440 --> 00:10:34,720
Du kan tänka på det som värdet på
höger stowed i variabeln

203
00:10:34,720 --> 00:10:36,240
till vänster.

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

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

206
00:10:39,770 --> 00:10:42,330
>> CONNOR HARRIS: Och slutligen
Funktionen Syntaxen är lite konstigt.

207
00:10:42,330 --> 00:10:48,460
Du har funktionsnamnet foo, tilldelas
där det ordet funktion, följt

208
00:10:48,460 --> 00:10:51,530
av alla argument och sedan
kropp av funktionen efter det.

209
00:10:51,530 --> 00:10:53,280
Återigen dessa saker får
verkar lite konstigt.

210
00:10:53,280 --> 00:10:57,181
De kommer att bli en andra natur efter
du arbetar med språket för lite.

211
00:10:57,181 --> 00:10:58,930
Så vektorer, vägen
du konstruera en vektor

212
00:10:58,930 --> 00:11:04,550
är du typ C, som är ett nyckelord, då
alla nummer du vill eller strängar

213
00:11:04,550 --> 00:11:06,490
eller vad som helst.

214
00:11:06,490 --> 00:11:07,995
Argument också vara vektorer.

215
00:11:07,995 --> 00:11:09,620
Men den resulterande arrayen blir tillplattad.

216
00:11:09,620 --> 00:11:14,385
Så du kan inte ha arrayer där
vissa delar är enstaka nummer

217
00:11:14,385 --> 00:11:17,010
och vissa delar är arrayer själva.

218
00:11:17,010 --> 00:11:20,010
>> Så om du försöker att bygga en
array var det första elementet är 4

219
00:11:20,010 --> 00:11:22,370
och det andra elementet
är arrayen 3,5 du

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

221
00:11:25,890 --> 00:11:27,760
De kan inte vara av blandad typ.

222
00:11:27,760 --> 00:11:32,290
Om du försöker läsa eller skriva
utanför gränserna för en vektor

223
00:11:32,290 --> 00:11:36,640
du får detta värde kallas NA a
som står för ett saknat värde.

224
00:11:36,640 --> 00:11:39,900
Och detta är avsett för
liknande statistiker som

225
00:11:39,900 --> 00:11:43,080
arbetar med ofullständiga datamängder.

226
00:11:43,080 --> 00:11:46,460
>> Om du använder en funktion som är tänkt
ta bara ett nummer till en matris

227
00:11:46,460 --> 00:11:49,220
vad du får är den
Funktionen karta över gruppen.

228
00:11:49,220 --> 00:11:52,130
Så om din funktion låt oss säga tar
ett nummer och returnerar den fyrkantiga.

229
00:11:52,130 --> 00:11:58,170
Du ansöker det till gruppen 2,3,5
Vad du får är arrayen 4,9,25.

230
00:11:58,170 --> 00:12:00,010
>> Och det är mycket användbar
eftersom det innebär att du

231
00:12:00,010 --> 00:12:03,374
behöver inte skriva för öglor för
gör mycket enkla saker som att tillämpa

232
00:12:03,374 --> 00:12:05,040
en funktion till alla medlemmar i en datamängd.

233
00:12:05,040 --> 00:12:08,557
Som om du arbetar med stora
datamängder, måste du göra en hel del.

234
00:12:08,557 --> 00:12:10,390
Binära funktioner är
tillämpad posten genom posten.

235
00:12:10,390 --> 00:12:12,430
Jag ska få in det.

236
00:12:12,430 --> 00:12:16,750
Du kan komma åt dem med arrayer
eller vektorer med hakparenteser.

237
00:12:16,750 --> 00:12:22,300
Så vektor namn hakparenteser 1
kommer att ge dig det första elementet.

238
00:12:22,300 --> 00:12:25,510
Vektor namn hakparenteser 2
kommer att ge dig det andra elementet.

239
00:12:25,510 --> 00:12:27,530
>> Du kan vidarebefordra en vektor
av index och du kommer

240
00:12:27,530 --> 00:12:29,640
komma tillbaka ut i grunden en sub faktor.

241
00:12:29,640 --> 00:12:34,990
Så du kan göra vektor namn fästen C, 2,4
och du får en vektor innehållande

242
00:12:34,990 --> 00:12:38,804
den andra och den fjärde
uppsättningens element.

243
00:12:38,804 --> 00:12:40,720
Och om du bara vill ha en
snabb sammanfattning statistik

244
00:12:40,720 --> 00:12:47,529
av en vektor som interquartile
intervall, median, max, vad som helst,

245
00:12:47,529 --> 00:12:49,820
Du kan bara skriva sammandrag
vektor namn och få ut det.

246
00:12:49,820 --> 00:12:52,680
Det är inte riktigt användbar i
programmering men om du spelar

247
00:12:52,680 --> 00:12:55,990
runt datamängder, är det praktiskt.

248
00:12:55,990 --> 00:12:58,650
>> Matrices-- princip
högre dimensionella arrayer.

249
00:12:58,650 --> 00:13:01,190
De har denna speciella notation syntax.

250
00:13:01,190 --> 00:13:07,620
Matrix med en array som får
fylld in-- ledsen, matris med data,

251
00:13:07,620 --> 00:13:09,780
antal rader, antal kolumner.

252
00:13:09,780 --> 00:13:13,180
När du har några uppgifter, fyller i
uppsättningen i princip går uppifrån och ned

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

254
00:13:13,380 --> 00:13:14,190
Därefter vänster till höger.

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

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

257
00:13:17,809 --> 00:13:19,600
Och R har inbyggd
matrismultiplikationer,

258
00:13:19,600 --> 00:13:24,310
spektral nedbrytning,
diagonalisering, en hel del saker.

259
00:13:24,310 --> 00:13:27,785
Om du vill ha högre dimensionell
arrayer, så 3, 4, 5,

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

261
00:13:29,410 --> 00:13:34,400
Syntaxen är array dim lika c,
då listan över dimensionerna.

262
00:13:34,400 --> 00:13:38,620
Så om du vill ha en 4 dimensionell array
med måtten 4, 7, 8, 9, arrayen,

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

264
00:13:45,470 --> 00:13:51,180
>> Du kommer åt enskilda värden med konsoler
första posten kommatecken andra posten.

265
00:13:51,180 --> 00:13:54,870
Du kan få hela skivor
rader eller kolumner.

266
00:13:54,870 --> 00:13:59,900
Med denna ofullständiga syntaxen är det
bara rad nummer kommatecken eller komma kolumnen

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 listor är ett slags associerad array.

270
00:14:04,540 --> 00:14:06,360
De har sin egen syntax här.

271
00:14:06,360 --> 00:14:08,320
Återigen inte frenetiskt
kopiera allt detta ner.

272
00:14:08,320 --> 00:14:11,370
Detta är bara så att folk
gå igenom bilderna senare

273
00:14:11,370 --> 00:14:13,089
har allt detta i en trevlig referens.

274
00:14:13,089 --> 00:14:16,130
Och detta kommer att bli mycket naturlig gång
Jag faktiskt gå igenom demos.

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

276
00:14:19,295 --> 00:14:20,920
Så visar en princip associerade matriser.

277
00:14:20,920 --> 00:14:27,040
Du kan komma åt värden med
listnamn, dollartecken, nyckel.

278
00:14:27,040 --> 00:14:31,370
Så om din lista heter foo,
då kan du få tillgång till det så.

279
00:14:31,370 --> 00:14:37,032
Du kan få en hel nyckel-värde-par
genom att passera på torget fästet index.

280
00:14:37,032 --> 00:14:39,240
Om du läser från en obefintlig
nyckel, får du null.

281
00:14:39,240 --> 00:14:41,150
Det kommer inte att fel.

282
00:14:41,150 --> 00:14:43,590
Saken är R kommer att göra som
mycket med null som möjligt.

283
00:14:43,590 --> 00:14:46,580
Och detta kan innebära att om du är
inte förväntar sig att få null ut

284
00:14:46,580 --> 00:14:51,840
vissa listan läsa, får du del
oförutsägbara fel längre ner

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

286
00:14:52,620 --> 00:14:54,890
>> Detta hände mig min
sommarjobb när jag använde R

287
00:14:54,890 --> 00:14:58,410
där jag förändrat hur en viss
Listan definierades på ett ställe

288
00:14:58,410 --> 00:15:05,410
men inte ändra senare på
kod som läser värden från det.

289
00:15:05,410 --> 00:15:10,190
Och så det som hände var att jag var
läsning null-värden av denna lista,

290
00:15:10,190 --> 00:15:13,090
passerar dem i funktioner,
och är mycket förvirrad

291
00:15:13,090 --> 00:15:16,000
när jag fick alla sorters
slumpmässiga oändlig dyka upp

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

293
00:15:16,790 --> 00:15:20,730
För om du använder viss maximal
eller minimi funktioner null,

294
00:15:20,730 --> 00:15:22,570
du får oändliga värden ut.

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

296
00:15:26,400 --> 00:15:29,180
>> Dataramar, de är en underklass av listan.

297
00:15:29,180 --> 00:15:31,170
Varje värde är en vektor
av samma längd.

298
00:15:31,170 --> 00:15:34,220
Och de är vana för att presentera,
i grund och botten, datatabeller.

299
00:15:34,220 --> 00:15:36,175
Det är det här initiering syntax.

300
00:15:36,175 --> 00:15:38,800
Detta kommer alla, återigen, vara mycket
tydligare när du kommer till demon.

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

302
00:15:42,240 --> 00:15:44,240
Och det fina
dataramar är att du

303
00:15:44,240 --> 00:15:49,380
kan ge namn åt alla kolumner
och namnen på alla rader.

304
00:15:49,380 --> 00:15:53,890
Och så det gör åtkomst
dem lite vänligare.

305
00:15:53,890 --> 00:15:59,130
Även detta är hur de flesta funktioner som
läses data från Excel

306
00:15:59,130 --> 00:16:03,820
eller från textfiler, t.ex.
kommer att läsa i sina data.

307
00:16:03,820 --> 00:16:07,555
De kommer att sätta den i
någon form av dataramen.

308
00:16:07,555 --> 00:16:09,680
Så functions-- funktionerna
Syntaxen är lite konstigt.

309
00:16:09,680 --> 00:16:16,160
Återigen är det namnet på funktionen,
tilldela, detta sökord funktion och sedan

310
00:16:16,160 --> 00:16:17,900
listan över argument.

311
00:16:17,900 --> 00:16:24,080
Så det finns några trevliga saker
om hur funktioner fungerar här.

312
00:16:24,080 --> 00:16:28,170
För en, kan du faktiskt tilldela
standardvärden till vissa argument.

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

314
00:16:32,910 --> 00:16:38,290
är en funktion där R1 är lika något
som standard om användaren anger

315
00:16:38,290 --> 00:16:39,090
inga argument.

316
00:16:39,090 --> 00:16:41,932
Annars är det vad han satte in.

317
00:16:41,932 --> 00:16:44,140
Och det är mycket praktiskt
eftersom en hel del av våra funktioner

318
00:16:44,140 --> 00:16:47,910
har ofta tiotals eller
hundratals argument.

319
00:16:47,910 --> 00:16:51,210
Till exempel de för att rita
diagram eller konspirera scatter tomter

320
00:16:51,210 --> 00:16:54,430
har argument som styr
allt från titeln och axeln

321
00:16:54,430 --> 00:16:59,512
etiketter på färgen på regressionslinjerna.

322
00:16:59,512 --> 00:17:01,470
Och så om du inte vill
att få folk att specificera

323
00:17:01,470 --> 00:17:04,050
varenda en av dessa
hundratals argument

324
00:17:04,050 --> 00:17:07,674
styra varje enskild aspekt av
en tomt eller en regression eller vad som helst,

325
00:17:07,674 --> 00:17:09,299
det är trevligt att ha dessa standardvärden.

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

327
00:17:12,700 --> 00:17:19,146
>> Och sedan kan du faktiskt
skriva så du såg tillbaka hit.

328
00:17:19,146 --> 00:17:22,869
Eller hitta ett bättre exempel.

329
00:17:22,869 --> 00:17:28,690
När du ringer funktioner som du kan faktiskt
kalla dem med hjälp av argumentnamn.

330
00:17:28,690 --> 00:17:33,919
Så här är ett exempel på
matris konstruktören.

331
00:17:33,919 --> 00:17:34,960
Det tar tre argument.

332
00:17:34,960 --> 00:17:36,760
Vanligtvis du har data,
vilket är en vektor.

333
00:17:36,760 --> 00:17:38,920
Du har N rad, vilket
är antalet rader.

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

335
00:17:41,160 --> 00:17:43,920
Saken är om du skriver
N raden är lika oavsett

336
00:17:43,920 --> 00:17:46,520
och N col lika oavsett när
du ringer denna funktion

337
00:17:46,520 --> 00:17:47,770
du kan faktiskt vända dem.

338
00:17:47,770 --> 00:17:51,590
Så du kan sätta N col först och N raden
andra och det kommer att göra någon skillnad.

339
00:17:51,590 --> 00:17:54,660
Så det är en trevlig liten funktion.

340
00:17:54,660 --> 00:17:56,260
>> Gjorde import och export.

341
00:17:56,260 --> 00:18:00,010
Detta kan göras, i princip.

342
00:18:00,010 --> 00:18:03,816
Det finns också möjligheter att skriva ut
godtycklig R invänder mot en binär fil

343
00:18:03,816 --> 00:18:05,190
och sedan läsa dem igen senare.

344
00:18:05,190 --> 00:18:08,030
Vilket är praktiskt om du gör
en stor interaktiv session R

345
00:18:08,030 --> 00:18:12,850
och du måste spara
saker mycket snabbt.

346
00:18:12,850 --> 00:18:16,460
Som standard R har en arbetskatalog
att filer får skrivas ut i

347
00:18:16,460 --> 00:18:19,410
och läsa tillbaka från.

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

349
00:18:22,350 --> 00:18:25,630
Inget särskilt intressant här

350
00:18:25,630 --> 00:18:28,270
>> Så nu är det faktiska statistiken
stuff-- multilinjär regression.

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

352
00:18:30,960 --> 00:18:34,910
Så den vanliga syntaxen
är lite komplicerat.

353
00:18:34,910 --> 00:18:37,260
Modellen är ett stort objekt i grund och botten.

354
00:18:37,260 --> 00:18:39,910
Det blir tilldelad lm,
vilket är ett funktionsanrop.

355
00:18:39,910 --> 00:18:43,840
Det första elementet, y
tilde x1 plus vad som helst.

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

357
00:18:46,574 --> 00:18:47,990
Min syntax här är lite förvirrande.

358
00:18:47,990 --> 00:18:49,490
Jag är ganska ledsen, detta
är det vanliga sättet

359
00:18:49,490 --> 00:18:50,990
att datavetenskap böcker gör detta.

360
00:18:50,990 --> 00:18:54,890
Men det är lite konstigt.

361
00:18:54,890 --> 00:18:58,200
>> Så i princip är det lm
parentes, första punkten

362
00:18:58,200 --> 00:19:06,730
är variable-- ledsen, beroende
variabel tilde x1 plus x2 plus

363
00:19:06,730 --> 00:19:10,910
men många oberoende
variabler som du har.

364
00:19:10,910 --> 00:19:14,240
Och då dessa kan antingen vara
vektorer, alla samma längd.

365
00:19:14,240 --> 00:19:16,220
Eller de kan vara kolonn
rubriker i en dataram

366
00:19:16,220 --> 00:19:18,553
att du bara anger i
andra argumentet dataram.

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

368
00:19:23,270 --> 00:19:26,380
>> Du kan även ange
en mer komplicerad formel

369
00:19:26,380 --> 00:19:31,990
så du behöver inte linjärt
regrediera en beroende variabel,

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

371
00:19:34,440 --> 00:19:38,070
Du kan göra, till exempel en
vektorkomponent y kvadrat plus 1

372
00:19:38,070 --> 00:19:42,100
och tillbakagång som mot
logga någon annan vektor.

373
00:19:42,100 --> 00:19:45,200
Du kan skriva ut sammanfattningar av
modell med det här kommandot kallas

374
00:19:45,200 --> 00:19:48,607
summary-- bara sammanfattningen Parens modell.

375
00:19:48,607 --> 00:19:50,190
Igen något annat jag bör klargöra.

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

377
00:19:55,407 --> 00:19:58,615
Något annat som kommer att få rättas
när bilderna går upp på internet.

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

379
00:20:01,127 --> 00:20:03,210
Om du bara vill beräkna
en enkel korrelation

380
00:20:03,210 --> 00:20:09,170
du kan använda korrelationsvektor
En vektor 2 funktion kärna.

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

382
00:20:11,856 --> 00:20:13,480
De är de vanliga du kan göra.

383
00:20:13,480 --> 00:20:15,990
Det finns också Spearman och
Kendell korrelationer

384
00:20:15,990 --> 00:20:19,530
vilka är några olika
rangordningskorrelation.

385
00:20:19,530 --> 00:20:23,600
Väl de inte beräkna produkten
stunder mellan vektorerna själva,

386
00:20:23,600 --> 00:20:28,511
men av vektor rang order.

387
00:20:28,511 --> 00:20:29,510
Jag ska förklara det senare.

388
00:20:29,510 --> 00:20:30,120
>> PUBLIK: Snabb fråga

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

390
00:20:30,360 --> 00:20:33,151
>> PUBLIK: Så när du beräknar
för enkla korrelationer göra

391
00:20:33,151 --> 00:20:37,655
du antar att det finns ett statistiskt
betydelse för sambandet?

392
00:20:37,655 --> 00:20:39,030
CONNER HARRIS: Du behöver inte.

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

394
00:20:41,840 --> 00:20:43,960
En lm är i princip bara en maskin.

395
00:20:43,960 --> 00:20:47,690
Det kommer att ta i två saker
och det kommer att spotta ut

396
00:20:47,690 --> 00:20:49,770
koefficienter för bästa passform linjen.

397
00:20:49,770 --> 00:20:52,310
Den rapporterar också standard
fel på dessa koefficienter.

398
00:20:52,310 --> 00:20:55,865
Och det kommer att berätta, som är den
avlyssna statistiskt signifikant

399
00:20:55,865 --> 00:20:56,740
eller skillnad från 0.

400
00:20:56,740 --> 00:20:59,400
Är lutningen på det bästa
anpassade linjen statist

401
00:20:59,400 --> 00:21:01,510
skild från noll, och så vidare.

402
00:21:01,510 --> 00:21:06,260
Så det förutsätter ingenting, tror jag
är bästa svaret på din fråga.

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

404
00:21:07,410 --> 00:21:14,650
>> Plotting-- så den främsta anledningen bör du
Använd R, som multilinjär regression.

405
00:21:14,650 --> 00:21:17,320
I grund och botten alla språk
har någon möjlighet för det.

406
00:21:17,320 --> 00:21:21,365
Och ärligt R syntax för
regressions är lite svårbegripliga.

407
00:21:21,365 --> 00:21:22,990
Men plottning är där det verkligen skiner.

408
00:21:22,990 --> 00:21:28,090
>> Arbetshästen Funktionen är tomt
och det tar två vektorer, x och y.

409
00:21:28,090 --> 00:21:33,010
Och sedan ellipser står för en mycket
stort antal valfria argument som

410
00:21:33,010 --> 00:21:39,190
styra allt från titlar på färger
av olika linjer eller olika punkter,

411
00:21:39,190 --> 00:21:40,200
den typ av tomten.

412
00:21:40,200 --> 00:21:42,250
Du kan ha scatter
tomter eller linjediagram.

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

414
00:21:47,900 --> 00:21:49,710
>> [OHÖRBAR] 2-vektorer
av samma längd.

415
00:21:49,710 --> 00:21:53,780
Du kan föregå detta med bifoga
dataram i ditt manus.

416
00:21:53,780 --> 00:22:01,220
Och detta kommer att låta du bara använder kolumnen
rubriker i stället för separata vektorer.

417
00:22:01,220 --> 00:22:05,410
Du kan lägga till bästa passform linjer och lokal
regressionskurvor till diagrammet.

418
00:22:05,410 --> 00:22:09,390
>> Dessa kommandon listade
Här ab line och linjer,

419
00:22:09,390 --> 00:22:11,640
som standard dessa får
skrivs in i pop-up fönster

420
00:22:11,640 --> 00:22:15,560
eftersom det förutsätter att
du använder R interaktivt.

421
00:22:15,560 --> 00:22:17,310
Om du inte du kan
skriva två filer som

422
00:22:17,310 --> 00:22:21,600
är verkligen alla format du vill.

423
00:22:21,600 --> 00:22:25,410
Tyvärr, jag har ett stavfel jag bara insåg.

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

425
00:22:30,887 --> 00:22:32,720
Om du vill öppna
annan grafisk enhet

426
00:22:32,720 --> 00:22:39,200
Du kan använda den här funktionen kallas PNG eller
JPEG eller en massa andra bildformat.

427
00:22:39,200 --> 00:22:42,319
Och du kan skriva grafer till
oavsett filnamn du anger.

428
00:22:42,319 --> 00:22:45,110
Om du vill avbryta att du måste use--
Jag skrev inte detta i slide--

429
00:22:45,110 --> 00:22:49,650
men det finns en funktion som kallas dev
dot utanför som tar inga argument.

430
00:22:49,650 --> 00:22:51,517
>> Sedan finns det anläggningar
för 3D plottning

431
00:22:51,517 --> 00:22:53,350
och kontur rita
Om du vill göra

432
00:22:53,350 --> 00:22:55,700
grafer av två oberoende variabler.

433
00:22:55,700 --> 00:22:57,150
Jag kommer inte att komma in i dessa just nu.

434
00:22:57,150 --> 00:22:59,130
>> Det finns också några
faciliteter för animering

435
00:22:59,130 --> 00:23:01,300
de är vanligtvis
underhålls av tredje part.

436
00:23:01,300 --> 00:23:06,330
Jag har gjort animationer med R grafer,
men jag har inte använt dessa tredje part

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

438
00:23:06,940 --> 00:23:09,929
Så jag kan inte riktigt intyga
hur bra de är.

439
00:23:09,929 --> 00:23:12,220
Vad jag rekommendera om du vill
att göra animeringar med hjälp av R

440
00:23:12,220 --> 00:23:16,480
är att du kan skriva ut alla
ramarna för animationer

441
00:23:16,480 --> 00:23:18,470
och sedan kan du använda en
tredje part program--

442
00:23:18,470 --> 00:23:23,630
typiska sådana kallas FFmpeg
eller ImageMagick-- att sy

443
00:23:23,630 --> 00:23:26,540
alla dina bilder till en animation.

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

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

446
00:23:31,030 --> 00:23:37,189
Så om du använder någon Unix liknande system
som är Linux BSD, men som använder BSD.

447
00:23:37,189 --> 00:23:39,730
OS X öppnar ett terminalfönster och
typ R vid kommandotolken.

448
00:23:39,730 --> 00:23:42,820
Om du har R studio eller
liknande, som också fungerar.

449
00:23:42,820 --> 00:23:46,270
För Windows-användare bör du vara
kunna hitta R i Start-menyn.

450
00:23:46,270 --> 00:23:50,390
Det bör kallas något
som R x64 tre poäng oavsett.

451
00:23:50,390 --> 00:23:53,110
Öppna upp det där.

452
00:23:53,110 --> 00:23:58,850
>> Så låt mig nu bara
Öppna ett terminalfönster.

453
00:23:58,850 --> 00:24:02,562
Okej, sök.

454
00:24:02,562 --> 00:24:03,520
PUBLIK: kommando-mellanslag

455
00:24:03,520 --> 00:24:06,675
CONNER HARRIS: Command-Space, tack.

456
00:24:06,675 --> 00:24:10,030
Jag inte normalt använder Mac.

457
00:24:10,030 --> 00:24:13,310
Terminal visar nytt fönster.

458
00:24:13,310 --> 00:24:18,120
New window är inställningar
grundläggande, R. så ska du få

459
00:24:18,120 --> 00:24:22,230
ett välkomstmeddelande, ungefär så här.

460
00:24:22,230 --> 00:24:31,060
>> Så jag använder R interaktivt.

461
00:24:31,060 --> 00:24:32,719
Du kan också skriva R manus naturligtvis.

462
00:24:32,719 --> 00:24:34,510
I grund och botten skript körs
på exakt samma sätt som

463
00:24:34,510 --> 00:24:40,250
om du satt vid datorn
skriver i varje rad en i taget.

464
00:24:40,250 --> 00:24:42,660
Så låt oss börja med att göra 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, visst.

468
00:24:50,050 --> 00:24:51,630
Jag kan göra teckenstorleken större.

469
00:24:51,630 --> 00:24:53,030
>> PUBLIK: 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
Okej, hur är det?

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

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

476
00:25:01,551 --> 00:25:03,300
Så låt oss börja med
förklara en vektorlista.

477
00:25:03,300 --> 00:25:08,710
Gör 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
Oroa dig inte fästet där.

480
00:25:12,680 --> 00:25:18,590
Konsolerna är så om du skriver ut
mycket långa arrayer, vi kan var du befinner dig.

481
00:25:18,590 --> 00:25:26,987
Ett exempel skulle vara om jag
vill bara intervallet 2-200.

482
00:25:26,987 --> 00:25:28,820
Om jag tryckt en mycket
långa array, konsolerna

483
00:25:28,820 --> 00:25:31,060
bara så jag kan hålla
reda på vilket index

484
00:25:31,060 --> 00:25:33,250
vi är på om jag ser
genom denna visuellt.

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

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

487
00:25:38,280 --> 00:25:43,326
>> Så jag sa innan att arrayer samverkar
mycket snyggt med, till exempel,

488
00:25:43,326 --> 00:25:44,450
unära operationer som denna.

489
00:25:44,450 --> 00:25:46,500
Så vad du tycker jag ska
få om jag skriver ett plus ett?

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

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

492
00:25:51,140 --> 00:25:54,250
Rätt, nu ska jag göra
denna annorlunda array.

493
00:25:54,250 --> 00:26:01,650
Låt oss säga b c 20,40, 80.

494
00:26:01,650 --> 00:26:03,400
Så vad tycker du
detta kommando kommer att göra?

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

496
00:26:09,962 --> 00:26:10,670
Lägg elementen.

497
00:26:10,670 --> 00:26:14,950
Och så i princip det är vad det gör.

498
00:26:14,950 --> 00:26:16,740
Så det här är ganska bekvämt.

499
00:26:16,740 --> 00:26:23,800
Så jag hur jag gör detta. c
är, låt oss säga, 6 gånger 1-10.

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

501
00:26:26,789 --> 00:26:28,830
Så vad gör jag vill se
innehöll tror du?

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

503
00:26:37,110 --> 00:26:38,110
Så alla multiplar av sex.

504
00:26:38,110 --> 00:26:42,170
Nu, vad tror du
kommer att hända om jag gör det?

505
00:26:42,170 --> 00:26:48,090
Jag ska göra detta lite tydligare, c, c.

506
00:26:48,090 --> 00:26:50,365
Så vad händer, gör du
tror, ​​om jag gör det?

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

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

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

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

511
00:26:58,552 --> 00:27:02,350
>> PUBLIK: Antingen ett fel eller det
bara lägger de första tre delarna.

512
00:27:02,350 --> 00:27:04,510
>> CONNER HARRIS: Inte riktigt.

513
00:27:04,510 --> 00:27:05,522
Detta är vad vi fick.

514
00:27:05,522 --> 00:27:08,910
Vad som händer är en kortare
array, en, fick cyklade.

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

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

517
00:27:15,710 --> 00:27:18,940
Och i princip kan du visa
detta beteende innan, ett plus ett,

518
00:27:18,940 --> 00:27:22,190
som en underklass av detta beteende, där
den kortaste arrayen är bara antalet

519
00:27:22,190 --> 00:27:25,410
1, som är en en elementgrupp.

520
00:27:25,410 --> 00:27:27,740
Jag vara bara säga vektor alla
tiden i stället för matris,

521
00:27:27,740 --> 00:27:30,290
eftersom det är vad r
dokumentation brukar.

522
00:27:30,290 --> 00:27:33,070
Det är en ingrodd c vana.

523
00:27:33,070 --> 00:27:37,590
>> OK, så nu har vi denna uppsättning.

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

525
00:27:38,830 --> 00:27:41,380
Vi kan få sammandrag
statistik om c, sammanfattande c.

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

527
00:27:46,920 --> 00:27:48,280
Och det är trevligt.

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

529
00:27:51,070 --> 00:27:52,670
Så nu ska vi göra några matris saker.

530
00:27:52,670 --> 00:27:56,160
Låt oss säga att m är en matris.

531
00:27:56,160 --> 00:27:57,780
Låt oss göra det till en tre och tre en.

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

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

534
00:28:04,190 --> 00:28:10,710
Och för data låt oss do-- så vad
tror du kommer att göra?

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

536
00:28:15,310 --> 00:28:16,580
>> Höger, det är nästa.

537
00:28:16,580 --> 00:28:17,970
Det är nrow och ncolumn.

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

539
00:28:22,164 --> 00:28:24,580
Så vad jag har gjort är att jag har
förklarade en tre gånger tre matris

540
00:28:24,580 --> 00:28:26,950
och jag har klarat i en nio-elementgrupp.

541
00:28:26,950 --> 00:28:30,530
Så logaritmen av alla
element en till nio.

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

543
00:28:33,400 --> 00:28:37,285
Och alla dessa värden fylla
upp array-- ledsen?

544
00:28:37,285 --> 00:28:38,660
PUBLIK: De är bas 10 stockar?

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

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

547
00:28:44,886 --> 00:28:47,010
Ja, om du ville bas
10 log, jag tror att du skulle ha

548
00:28:47,010 --> 00:28:51,620
logga vad som helst, dividerat med log 10.

549
00:28:51,620 --> 00:28:56,750
Och så uppgifterna i nätverket [OHÖRBAR] bara
fyller upp arrayen, så uppifrån och ned,

550
00:28:56,750 --> 00:28:59,490
sedan från vänster till höger.

551
00:28:59,490 --> 00:29:06,890
Och om du ville göra något annat
array, låt oss säga n är matris.

552
00:29:06,890 --> 00:29:10,317
Låt oss göra, jag vet inte, 2-13.

553
00:29:10,317 --> 00:29:11,900
Eller jag ska göra något mer intressant.

554
00:29:11,900 --> 00:29:13,770
Jag gör 2-4.

555
00:29:13,770 --> 00:29:15,780
nrow är lika, låt oss säga, 3.

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

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

558
00:29:20,360 --> 00:29:22,090
Så vi har fått det här.

559
00:29:22,090 --> 00:29:26,130
>> Och nu om vi vill multiplicera dessa,
vi skulle göra n procent tider procent,

560
00:29:26,130 --> 00:29:27,680
eftersom det är n.

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

562
00:29:30,234 --> 00:29:31,400
Och vi har matrisprodukter.

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

564
00:29:33,970 --> 00:29:37,810
Genom de sätt, såg du hur
när jag förklarade n, den 2-4

565
00:29:37,810 --> 00:29:43,570
vektor fick cyklade tills
den fyllde upp alla n?

566
00:29:43,570 --> 00:29:45,710
Om du ville ta
egenvärde nedbrytning,

567
00:29:45,710 --> 00:29:46,960
Detta är något som vi kan göra mycket lätt.

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

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

570
00:29:52,290 --> 00:29:54,600
Och så detta är vår första
möter med en lista.

571
00:29:54,600 --> 00:29:57,000
>> Så eigen n är en lista med två nycklar.

572
00:29:57,000 --> 00:29:58,430
Värden, som är denna matris här.

573
00:29:58,430 --> 00:30:01,030
Och vektorer, som är denna array här.

574
00:30:01,030 --> 00:30:08,240
Så om du ville att extrahera,
säg, denna tredje kolumnen

575
00:30:08,240 --> 00:30:13,080
från egenvektorer matrisen, eftersom
egenvektorerna är kolumnvektorer.

576
00:30:13,080 --> 00:30:24,400
Så vi kan göra vec eigen n dollartecken
vektorer, kommatecken 3 i [OHÖRBAR].

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
Är det, som du kanske tror.

580
00:30:34,100 --> 00:30:39,210
>> Då säga n gånger procent tider vec.

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

582
00:30:42,610 --> 00:30:48,320
Så resultatet här verkligen ser ut
om vi tog tredje egenvärde här,

583
00:30:48,320 --> 00:30:50,390
vilket överensstämmer med
den tredje egenvektor.

584
00:30:50,390 --> 00:30:53,190
Det multiplicerade bara allt
denna egenvektor, komponent-wise,

585
00:30:53,190 --> 00:30:53,990
av egenvärdet.

586
00:30:53,990 --> 00:30:57,760
Och det är vad vi skulle förvänta oss,
eftersom det är vad egenvärden är.

587
00:30:57,760 --> 00:31:00,890
Har någon här inte
tagit linjär algebra?

588
00:31:00,890 --> 00:31:02,530
Ett par personer, OK.

589
00:31:02,530 --> 00:31:04,030
Bara stänga din hjärna av för lite.

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

591
00:31:07,490 --> 00:31:20,720
Och faktiskt om vi tar eigen n
dollar teckenvärden 3 gånger vec,

592
00:31:20,720 --> 00:31:21,810
väl få samma sak.

593
00:31:21,810 --> 00:31:24,726
Det är formaterad annorlunda som en rad
vektor i stället för en kolumnvektor,

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
Och så de är i stort sett trevliga
saker som vi kan göra med matriser,

597
00:31:35,170 --> 00:31:36,489
påvisade listor.

598
00:31:36,489 --> 00:31:39,030
Jag ska visa den fina
saker om funktioner.

599
00:31:39,030 --> 00:31:41,750
>> Så låt oss säga-- [OHÖRBAR]
funktion, låt oss kalla

600
00:31:41,750 --> 00:31:51,960
det funk mot funktion n squared--
faktiskt, det är inte riktigt den bästa.

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

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

603
00:31:58,547 --> 00:32:00,380
Så en sak om
funktioner, återigen, är de

604
00:32:00,380 --> 00:32:01,963
behöver inte explicita retur uttalanden.

605
00:32:01,963 --> 00:32:04,250
Så du kan bara-- den
sista uttalande utvärderas

606
00:32:04,250 --> 00:32:07,502
kommer att vara ett uttalande tillbaka,
eller returnerade värdet.

607
00:32:07,502 --> 00:32:10,460
Så i det här fallet, är vi bara utvärdera
ett uttalande, en fyrkantig plus b.

608
00:32:10,460 --> 00:32:12,043
Det kommer att vara standardreturvärdet.

609
00:32:12,043 --> 00:32:14,530
Det skadar aldrig att sätta in
returvärden explicit,

610
00:32:14,530 --> 00:32:16,880
speciellt om du arbetar med en
funktion av mycket komplicerad logik

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

612
00:32:17,380 --> 00:32:18,450
Men du inte behöver dem.

613
00:32:18,450 --> 00:32:24,890
Så nu kan vi göra funk 5, 1, och
Detta är i princip vad du kan förvänta dig.

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

615
00:32:29,146 --> 00:32:31,270
Något annat vi kan göra,
vi faktiskt kan göra funk b

616
00:32:31,270 --> 00:32:33,260
är lika med 1, en lika 5.

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

618
00:32:36,870 --> 00:32:40,770
Så om vi anger vilket nummer här,
som argument går till som argument

619
00:32:40,770 --> 00:32:44,680
i funktionen, kan vi vända runt
Dessa värden var vi vill.

620
00:32:44,680 --> 00:32:48,405
>> PUBLIK: Finns det en anledning
att skriva ut med b

621
00:32:48,405 --> 00:32:52,404
lika i motsats till bara använda
siffror och kommatecknet?

622
00:32:52,404 --> 00:32:54,820
CONNER HARRIS: Ja, vanligtvis
göra detta om du har funktioner

623
00:32:54,820 --> 00:32:58,540
med en massa argument.

624
00:32:58,540 --> 00:33:00,690
Det kan ofta vara
flaggor som du skulle bara

625
00:33:00,690 --> 00:33:03,130
vill använda i sällsynta fall.

626
00:33:03,130 --> 00:33:06,740
Och detta sätt kan du only-- dig
kan hänvisa till de specifika argument

627
00:33:06,740 --> 00:33:09,110
som du vill använda
icke-standardvärden för,

628
00:33:09,110 --> 00:33:14,470
och du behöver inte skriva ut ett
gäng flaggor lika falskt efter dem.

629
00:33:14,470 --> 00:33:19,710
Eller jag kan skriva det igen med
ett standardvärde som b är lika med två.

630
00:33:19,710 --> 00:33:26,289
Och då kunde jag göra f funk,
Jag ska göra 4, 1 den här gången.

631
00:33:26,289 --> 00:33:28,580
Och 17, vilket är 4 kvadrat
plus 1, som du kanske tror.

632
00:33:28,580 --> 00:33:34,290
>> Men jag kunde också bara
kallar detta med funk 4,

633
00:33:34,290 --> 00:33:36,970
och jag ska få 18, eftersom
Jag inte anger b.

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

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

636
00:33:41,700 --> 00:33:47,200
>> OK, så nu om du är
efter tillsammans med demo,

637
00:33:47,200 --> 00:33:51,010
skriver denna linje på ditt kommando
uppmana och se vad som kommer upp.

638
00:33:51,010 --> 00:33:52,090
Egentligen inte göra det.

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

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

641
00:33:57,780 --> 00:34:01,000
Du bör få något sånt här.

642
00:34:01,000 --> 00:34:04,780
Så mtcars är en inbyggd uppgifter
fastställts för denna demonstration

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

644
00:34:13,550 --> 00:34:19,211
Detta är en sammanställning av statistik från
en 1974 frågan om Motor Trend magazine

645
00:34:19,211 --> 00:34:20,710
på ett antal olika bilmodeller.

646
00:34:20,710 --> 00:34:28,270
>> Så det finns miles per gallon, cylinders--
Jag har glömt vad disp är-- hästkrafter.

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

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

649
00:34:32,420 --> 00:34:36,920
Om du bara Google MT bilar,
då en av de första resultaten

650
00:34:36,920 --> 00:34:38,730
kommer att vara från
officiell r dokumentation

651
00:34:38,730 --> 00:34:41,080
och det kommer att förklara
alla dessa datafält.

652
00:34:41,080 --> 00:34:47,020
Så vikt är-- vikt är
vikten på bilen i ton.

653
00:34:47,020 --> 00:34:48,880
Q sek är fjärdedel mil tiden.

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

655
00:34:52,409 --> 00:34:55,850
Så nu kan vi göra några roliga saker
om MT bilar är ett datafält.

656
00:34:55,850 --> 00:35:01,640
>> Så vi kan göra saker
som rad namn, mt bilar.

657
00:35:01,640 --> 00:35:05,490
Och detta är en lista över alla rader i
datauppsättningen som är namn på bilar.

658
00:35:05,490 --> 00:35:10,780
Vi kan göra colnames, mt bilar här.

659
00:35:10,780 --> 00:35:15,500
Om du gör mt bilar,
sub-numeriskt index, som 2.

660
00:35:15,500 --> 00:35:18,177
vi får den andra kolumnen av
detta, vilket skulle vara cylindrar.

661
00:35:18,177 --> 00:35:19,370
>> PUBLIK: Vad gjorde du?

662
00:35:19,370 --> 00:35:21,570
>> CONNER HARRIS: jag skrev
mt bilar, konsoler e,

663
00:35:21,570 --> 00:35:24,180
som gav mig den andra
kolonn av mt bilar.

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

665
00:35:34,501 --> 00:35:38,110
Eller om vi vill ha en rad, kan jag skriva
mtcars Comma 2, till exempel.

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

667
00:35:41,850 --> 00:35:46,390
Annat v 2 kommatecken, sådär.

668
00:35:46,390 --> 00:35:48,880
Och som går i rad.

669
00:35:48,880 --> 00:35:54,680
Detta här bara ger dig en
kolonn, men kolonnen som en vektor.

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

671
00:36:04,634 --> 00:36:06,425
Jag insåg just nu har jag
glömde att demonstrera

672
00:36:06,425 --> 00:36:09,150
några coola saker om vektorer
som du kan göra med index.

673
00:36:09,150 --> 00:36:10,480
Så låt mig göra det just nu.

674
00:36:10,480 --> 00:36:17,130
Så låt oss göra c gets-- sätta
detta på pause-- 2 gånger 1 till 10.

675
00:36:17,130 --> 00:36:21,360
Så c är bara kommer att bli
vektorn 2 genom 20.

676
00:36:21,360 --> 00:36:24,640
Jag kan ta element som denna, C2.

677
00:36:24,640 --> 00:36:30,942
Jag kan passera i en vektor
så här, C- låt mig

678
00:36:30,942 --> 00:36:34,470
använda annat namn än c, som vec c.

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

680
00:36:37,591 --> 00:36:39,340
I grund och botten, jag gör
detta så att du inte får

681
00:36:39,340 --> 00:36:45,010
förvirrad mellan c som en
vektorkonstruktion funktion,

682
00:36:45,010 --> 00:36:48,800
och sedan c som ett variabelnamn.

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

684
00:36:53,120 --> 00:36:56,540
Detta får mig den fjärde, femte,
och sju element i uppsättningen.

685
00:36:56,540 --> 00:37:01,740
Jag kan göra vec, lägg i en negativ
index, liksom negativ 4.

686
00:37:01,740 --> 00:37:06,500
Det kommer att få mig ut detta med
det fjärde elementet avlägsnas.

687
00:37:06,500 --> 00:37:10,140
Sen om jag ville göra skivor,
Jag kan göra vec 2 till 6.

688
00:37:10,140 --> 00:37:15,480
2 kolon 6 är bara en annan
vektor, som är 2, 3, 4, 5, 6.

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

690
00:37:18,230 --> 00:37:20,770
>> Så hur som helst, tillbaka till mt bilar.

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

692
00:37:26,650 --> 00:37:28,450
Så låt oss göra några regressioner.

693
00:37:28,450 --> 00:37:34,240
Låt oss säga att modellen gets-- låt oss
linjärt regress-- Jag vet inte.

694
00:37:34,240 --> 00:37:41,780
Först ska vi fäster mtcars, naturligtvis.

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

696
00:37:44,870 --> 00:38:00,010
Så [OHÖRBAR] modell lm, låt oss regrediera
miles per gallon på tilde vikt.

697
00:38:00,010 --> 00:38:03,300
Och sedan dataram är mtcars.

698
00:38:03,300 --> 00:38:06,830
Så sammanfattande modell.

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

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

701
00:38:15,595 --> 00:38:19,380
Men i grund och botten, ser ut som om vi
försöka uttrycka miles per gallon

702
00:38:19,380 --> 00:38:23,970
som en linjär funktion av vikt,
sedan fick vi denna linje här,

703
00:38:23,970 --> 00:38:28,730
vilka fångar upp vid 37,28.

704
00:38:28,730 --> 00:38:33,830
37,28 skulle vara de teoretiska miles
per gallon en bil som väger noll.

705
00:38:33,830 --> 00:38:41,210
Och sedan för varje ytterligare ton,
du slår ungefär fem miles per gallon

706
00:38:41,210 --> 00:38:42,440
bort av detta.

707
00:38:42,440 --> 00:38:45,120
Båda dessa koefficienter du
kan se, standardfel där.

708
00:38:45,120 --> 00:38:47,870
Och de är mycket
statistiskt signifikant.

709
00:38:47,870 --> 00:38:55,740
>> Så vi kan vara mycket säkert
1 e 10 till -10.

710
00:38:55,740 --> 00:38:59,510
Så 1 gånger något till negativa
10, att om du gör en tyngre bil,

711
00:38:59,510 --> 00:39:01,440
Det kommer att ha sämre miles per gallon.

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

713
00:39:04,940 --> 00:39:07,250
Eller vi kan testa någon annan modell.

714
00:39:07,250 --> 00:39:09,230
Liksom i stället för
regression detta på vikt,

715
00:39:09,230 --> 00:39:12,600
låt oss regrediera det på logg över vikt,
eftersom kanske en effektiv vikt

716
00:39:12,600 --> 00:39:15,690
på körsträcka är på något sätt inte är linjär.

717
00:39:15,690 --> 00:39:18,540
>> Detta gav oss en r kvadrat 0,7528.

718
00:39:18,540 --> 00:39:19,610
Så låt oss prova det här.

719
00:39:19,610 --> 00:39:21,485
Den här gången ska vi göra en
annan variabel, också.

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

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

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

723
00:39:28,200 --> 00:39:31,390
Okej, så igen, vi
fick våra bästa anpassade linjen här.

724
00:39:31,390 --> 00:39:36,160
Och detta time-- detta säger,
i princip att varje gång du

725
00:39:36,160 --> 00:39:38,090
öka vikten av
en bil med en faktor e

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

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

728
00:39:43,210 --> 00:39:50,326
>> Och så denna gång vår resterande standard
fel det-- det spelar ingen roll, egentligen.

729
00:39:50,326 --> 00:39:53,540
Den återstående medelfelet är
i princip bara standardfelet

730
00:39:53,540 --> 00:39:57,760
att du har kvar efter att du
ta bort trendlinjen.

731
00:39:57,760 --> 00:40:02,805
Och vår r kvadrat här är 0,81,
som är lite bättre än vad

732
00:40:02,805 --> 00:40:07,640
vi hade tidigare, 0,52.

733
00:40:07,640 --> 00:40:09,750
>> Och så nu ska vi lägga till en
sikt för att denna regression.

734
00:40:09,750 --> 00:40:13,020
Så låt oss regrediera miles per gallon
både på stocken av vikterna

735
00:40:13,020 --> 00:40:21,130
och låt oss göra, q miles,
fjärdedel mil tid.

736
00:40:21,130 --> 00:40:26,190
OK, måste den ha the-- okej, 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-- ledsen, vad?

740
00:40:35,000 --> 00:40:37,000
Låt mig kalla detta något
annat än model2.

741
00:40:37,000 --> 00:40:38,000
Låt mig kalla detta model3.

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

743
00:40:40,860 --> 00:40:42,900
Och så nu kan vi göra sammandrag model3.

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

745
00:40:46,850 --> 00:40:49,100
Och så igen, detta är i grunden
vad man kan förvänta sig.

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

747
00:40:51,750 --> 00:40:54,550
Den effektiva ökande
vikt är negativ.

748
00:40:54,550 --> 00:40:58,490
Och effektiva
ökande fjärdedel mil tid

749
00:40:58,490 --> 00:41:02,420
är positivt, men trots
i mindre grad än vikt.

750
00:41:02,420 --> 00:41:06,010
Nu intuitivt, kan du göra känsla av
detta genom att säga tänka på sportbilar.

751
00:41:06,010 --> 00:41:08,950
Det finns en mycket snabb acceleration,
en mycket kort fjärdedel mil tider.

752
00:41:08,950 --> 00:41:13,729
De kommer även att använda mer gas,
medan mer förnuftiga bilar går

753
00:41:13,729 --> 00:41:16,020
att ha långsammare acceleration,
högre kvartalet mile gånger,

754
00:41:16,020 --> 00:41:20,890
och använder mindre gas ,, så
högre miles per gallon.

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

756
00:41:21,390 --> 00:41:23,431
Och så nu är det dags att
rita något sådant.

757
00:41:23,431 --> 00:41:27,810
Så låt oss do-- så nakna
ben vi kan göra plots--

758
00:41:27,810 --> 00:41:35,280
eftersom jag har bifogat denna dataram
before-- vi kan bara göra tomter, vikt mpg.

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

760
00:41:38,762 --> 00:41:39,720
Gör detta till en lite större.

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

762
00:41:55,050 --> 00:41:57,350
Där vi i stort sett har en
punktdiagram, men poängen

763
00:41:57,350 --> 00:41:58,690
är ganska svårt att se på detta.

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

765
00:42:04,860 --> 00:42:10,900
>> Jag minns inte på rak arm vad
syntax är för att ändra handlingen.

766
00:42:10,900 --> 00:42:14,100
Så jag antar att detta kommer att vara
ett bra tillfälle att ta upp,

767
00:42:14,100 --> 00:42:18,000
Det är en mycket trevlig inbyggd hjälp
funktionen hjälp citat funktion namn.

768
00:42:18,000 --> 00:42:21,690
Vi kommer att ta upp i princip
vad du vill.

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

770
00:42:28,010 --> 00:42:32,730
Jag tror jag ska faktiskt göra detta
typ lika p för poäng tomter.

771
00:42:32,730 --> 00:42:34,369
Visste att ändra på något?

772
00:42:34,369 --> 00:42:35,160
Och nej, inte riktigt.

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

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

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

776
00:42:46,760 --> 00:42:49,580
>> Av någon anledning, när jag gjorde detta
på min egen dator för ett tag sedan,

777
00:42:49,580 --> 00:42:52,080
alla scatter punkter
var mycket tydligare.

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

779
00:43:06,390 --> 00:43:13,970
Hur som helst, är scatter typ av synligt?

780
00:43:13,970 --> 00:43:15,124
Det finns en där.

781
00:43:15,124 --> 00:43:16,165
Några där, några där.

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

783
00:43:18,860 --> 00:43:21,185
Du kan sortera av se dem, eller hur?

784
00:43:21,185 --> 00:43:24,310
Så om vi vill lägga till en bäst anpassade linjen
med denna kurva här, vilket är lite nakna

785
00:43:24,310 --> 00:43:29,290
bones-- låt mig göra det lite trevligare.

786
00:43:29,290 --> 00:43:38,075
Huvud lika kontra vikt.

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
Återigen, kan du se hur användbar
valfria argument är här med också

790
00:43:53,570 --> 00:43:58,090
inte behöva sätta saker i en
viss ordning med tangentbord argument

791
00:43:58,090 --> 00:44:01,600
när du har tomter, eftersom
dessa tar en hel del argument.

792
00:44:01,600 --> 00:44:07,490
>> Xlab lika vikt, vikt, ton.

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

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

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

796
00:44:17,340 --> 00:44:21,480
OK, ja, den här enheten
är att vara lite irriterande.

797
00:44:21,480 --> 00:44:30,160
Men du kan se slags uppe,
det finns en graf titel på sidan.

798
00:44:30,160 --> 00:44:35,260
Här borta there's-- på botten
här finns axeletiketter.

799
00:44:35,260 --> 00:44:37,700
Jag minns inte rak arm
vad kommandona ars--

800
00:44:37,700 --> 00:44:41,000
vad funktioner är att öka
storleken på dessa etiketter och titlar,

801
00:44:41,000 --> 00:44:43,110
men de är där.

802
00:44:43,110 --> 00:44:46,625
>> Och så om vi vill
lägg bäst anpassade linjen,

803
00:44:46,625 --> 00:44:49,250
vi kunde göra något like-- jag
har syntaxen skrivit upp här.

804
00:44:49,250 --> 00:44:52,280

805
00:44:52,280 --> 00:45:11,130
Så minns vi bara lägga modell
var mpg, vikt, mtcars.

806
00:45:11,130 --> 00:45:16,470
Och så om jag ville lägga till en bästa passform
line, jag kunde göra a, b linje modell.

807
00:45:16,470 --> 00:45:18,556
Och bom, har vi en bäst anpassad linje.

808
00:45:18,556 --> 00:45:19,970
Det är ganska svårt att se igen.

809
00:45:19,970 --> 00:45:22,178
Jag är ganska ledsen om
tekniska svårigheter.

810
00:45:22,178 --> 00:45:25,230
Men det går i princip
övre vänstra till nedre högra hörnet.

811
00:45:25,230 --> 00:45:27,550
>> Och om skalan var
större kunde man se

812
00:45:27,550 --> 00:45:31,260
att avlyssna är vad du kan
hitta från sammanfattande statistik

813
00:45:31,260 --> 00:45:34,790
Om du skriver sammanfattande modell.

814
00:45:34,790 --> 00:45:40,130
OK, så jag hoppas att alla får
något av en känsla av vad

815
00:45:40,130 --> 00:45:42,030
R är, vad det är bra för.

816
00:45:42,030 --> 00:45:45,520
Du kan göra mycket trevligare tomter än
detta på din egen tid, om du vill.

817
00:45:45,520 --> 00:45:50,100

818
00:45:50,100 --> 00:45:53,950
>> Så den främmande funktionsgränssnittet.

819
00:45:53,950 --> 00:46:00,330
Detta är något som inte är normalt
omfattas av introduktionsföreläsningar

820
00:46:00,330 --> 00:46:03,560
eller introduktions något för r.

821
00:46:03,560 --> 00:46:05,584
Det är inte troligt att du kommer att behöva det.

822
00:46:05,584 --> 00:46:08,000
Men hittade jag den användbar i
mina egna projekt i det förflutna.

823
00:46:08,000 --> 00:46:10,984
Och det är inte bra
handledning för det på nätet.

824
00:46:10,984 --> 00:46:12,900
Så jag ska bara
bråttom du hela denna

825
00:46:12,900 --> 00:46:16,606
och då är du fri att lämna.

826
00:46:16,606 --> 00:46:18,480
Och så främmande
funktion gränssnitt är vad

827
00:46:18,480 --> 00:46:23,130
du kan använda för att ringa ut för att se
funktioner med en R. Internt

828
00:46:23,130 --> 00:46:29,850
R bygger på C. R aritmetik är bara
C: s 64-bitars flyttal aritmetik,

829
00:46:29,850 --> 00:46:32,852
som är typ dubbelt [OHÖRBAR].

830
00:46:32,852 --> 00:46:35,060
Och kanske du vill göra
detta för ett gäng skäl.

831
00:46:35,060 --> 00:46:39,250
För en, är R tolkas, är det
inte samman ner till maskinkod.

832
00:46:39,250 --> 00:46:42,170
Så du kan skriva din
inre loopar i C och sedan få

833
00:46:42,170 --> 00:46:45,920
Fördelen med att använda R. Gillar
det är lite bekvämare än C.

834
00:46:45,920 --> 00:46:48,899
Den har bättre graf
faciliteter och allt.

835
00:46:48,899 --> 00:46:51,690
Och samtidigt som de kan få
toppfart av de inre öglorna,

836
00:46:51,690 --> 00:46:53,650
som är där du verkligen behöver det.

837
00:46:53,650 --> 00:46:56,330
>> Återanvändning existerande bibliotek C,
det är också viktigt.

838
00:46:56,330 --> 00:47:00,320
Om du har några C-biblioteket för lika,
Jag vet inte, Fouriertransformer,

839
00:47:00,320 --> 00:47:05,190
eller några mycket Arkeiska
statistik förfarande som används

840
00:47:05,190 --> 00:47:09,470
i högenergiastrofysik
eller något, jag vet inte.

841
00:47:09,470 --> 00:47:13,058
Högenergiastrofysik
är inte ens en tanke, tror jag.

842
00:47:13,058 --> 00:47:16,480
Men du kan göra det istället för att ha
att skriva en infödd R port av dem.

843
00:47:16,480 --> 00:47:22,725
Och på the-- och igen, som om du
titta i de flesta av R: s standardbibliotek,

844
00:47:22,725 --> 00:47:25,600
på interna, de interna är
kommer att använda utländska funktionen

845
00:47:25,600 --> 00:47:26,724
gränssnitt i mycket stor utsträckning.

846
00:47:26,724 --> 00:47:31,630
De kommer att ha saker som Fourier
omvandlar eller computing korrelation

847
00:47:31,630 --> 00:47:34,890
koefficienter skriven i C, och de kommer
bara R omslag runt dem.

848
00:47:34,890 --> 00:47:38,230
Gränssnittet är en
lite svårt. Jag tror

849
00:47:38,230 --> 00:47:43,750
dess svårigheter är överdriven i en
Många av de instruktioner som du hittar.

850
00:47:43,750 --> 00:47:46,200
Men ändå, det är lite förvirrande.

851
00:47:46,200 --> 00:47:48,650
Och jag har inte kunnat
hitta en bra handledning för det,

852
00:47:48,650 --> 00:47:51,980
så detta är det just nu.

853
00:47:51,980 --> 00:47:55,360
Återigen, detta hela segment
är mer för senare bruk.

854
00:47:55,360 --> 00:47:57,687
Oroa dig inte för kopiering
allt ner just nu.

855
00:47:57,687 --> 00:48:00,020
Så följande instruktioner
är för Unix-liknande system,

856
00:48:00,020 --> 00:48:05,150
Linux, BSD, OS X. Jag vet inte
hur det fungerar på Windows,

857
00:48:05,150 --> 00:48:08,280
men snälla bara inte gör din
slutprojekt i Windows.

858
00:48:08,280 --> 00:48:10,790

859
00:48:10,790 --> 00:48:12,460
Du verkligen inte vill.

860
00:48:12,460 --> 00:48:14,770
Unix är mycket bättre uppsättning
upp för casual programmering.

861
00:48:14,770 --> 00:48:19,320

862
00:48:19,320 --> 00:48:21,390
Så i princip utländska
funktionsgränssnitt.

863
00:48:21,390 --> 00:48:24,420
Om du vill skriva en C
funktion för användning med R,

864
00:48:24,420 --> 00:48:27,250
Det måste vidta alla
argument som pekare.

865
00:48:27,250 --> 00:48:30,666
>> Så för enskilda värden, detta
betyder det också framhållit vikten.

866
00:48:30,666 --> 00:48:33,040
För matriser, är detta en pekare
till det första elementet, vilket

867
00:48:33,040 --> 00:48:36,750
är vad array namn egentligen betyder.

868
00:48:36,750 --> 00:48:40,140
Återigen, detta är något du bör ha
ganska helt ned efter p set fem.

869
00:48:40,140 --> 00:48:43,334
Array namn är bara pekare
till det första elementet,

870
00:48:43,334 --> 00:48:44,750
Flyttalstypen är dubbel.

871
00:48:44,750 --> 00:48:47,310
Och din funktion måste återvända ogiltiga.

872
00:48:47,310 --> 00:48:50,810
Det enda sättet att det kan
faktiskt berätta R vad som hände

873
00:48:50,810 --> 00:48:54,410
är genom att ändra det minne som R gav
det genom det utländska funktion

874
00:48:54,410 --> 00:48:54,910
gränssnitt.

875
00:48:54,910 --> 00:48:58,180

876
00:48:58,180 --> 00:49:00,127
>> Så jag har skrivit här
exempel här, är detta

877
00:49:00,127 --> 00:49:02,460
en funktion som beräknar användning
skalärprodukten av två vektorer.

878
00:49:02,460 --> 00:49:05,060
Det tar två argument, vec1, vec2,
som är vektorerna själva,

879
00:49:05,060 --> 00:49:06,934
och sedan på n, som är en
längd, eftersom igen,

880
00:49:06,934 --> 00:49:12,630
R har inbyggd [OHÖRBAR] för att ta reda på
längden av vektorer, men C inte.

881
00:49:12,630 --> 00:49:16,182
I C är en godtycklig vektorer
avgränsad del av minnet.

882
00:49:16,182 --> 00:49:17,890
Så sätt kan du
beräkna skalärprodukter

883
00:49:17,890 --> 00:49:23,470
är bara ställa denna parameter
till noll och sedan iterera genom

884
00:49:23,470 --> 00:49:28,760
från 1 till stjärna n, eftersom
n är en pekare till längden,

885
00:49:28,760 --> 00:49:32,929
bara lägga till något till
denna ut parametern.

886
00:49:32,929 --> 00:49:34,970
Och det kan vara bra praxis
Om du ska göra

887
00:49:34,970 --> 00:49:37,270
detta för att skriva två separata C-funktioner.

888
00:49:37,270 --> 00:49:41,970
En av dem has-- En av dem bara
tar de argument och vilka typer

889
00:49:41,970 --> 00:49:43,970
att de normalt skulle vara i C.

890
00:49:43,970 --> 00:49:47,780
>> Så det tar en array
argument som pekare.

891
00:49:47,780 --> 00:49:57,090
Men enda värde argument som n,
Det tar bara som värden genom att kopiera,

892
00:49:57,090 --> 00:49:57,917
utan pekare.

893
00:49:57,917 --> 00:49:59,750
Och då är det inte
[OHÖRBAR] ut pekare.

894
00:49:59,750 --> 00:50:01,290
Och då kan du ha
en annan, i princip,

895
00:50:01,290 --> 00:50:03,623
wrapper funktion som i princip
hanterar kraven

896
00:50:03,623 --> 00:50:07,740
av utländska funktion
gränssnitt för dig.

897
00:50:07,740 --> 00:50:11,840
>> Sättet du kallar detta i R är, en gång
du har din funktion skriven i C,

898
00:50:11,840 --> 00:50:17,770
du skriver R cmd shlib, R
kommando delat bibliotek,

899
00:50:17,770 --> 00:50:20,110
foo dot c, eller vad
filnamnet är,

900
00:50:20,110 --> 00:50:23,020
och OS skal inte i R terminalen.

901
00:50:23,020 --> 00:50:25,200
Och detta kommer att skapa en
bibliotek som heter foo prick så.

902
00:50:25,200 --> 00:50:28,180
Och då kan du ladda den i
vårt skript eller interaktivt

903
00:50:28,180 --> 00:50:32,310
med kommandot dyn punktbelastning.

904
00:50:32,310 --> 00:50:35,720
Sedan finns det en funktion
i R kallas dot c.

905
00:50:35,720 --> 00:50:39,310
>> Detta tar argument som är
första namnet på funktionen i C

906
00:50:39,310 --> 00:50:40,970
som du vill ringa.

907
00:50:40,970 --> 00:50:43,920
Och sedan alla parametrar
till denna funktion,

908
00:50:43,920 --> 00:50:45,420
de måste vara i rätt ordning.

909
00:50:45,420 --> 00:50:48,580
Du måste använda denna typ
tvång fungerar som heltal, såsom

910
00:50:48,580 --> 00:50:52,050
dubbel, karaktär, och som logiskt.

911
00:50:52,050 --> 00:50:54,710
Och sedan när den återgår den
listan, som återigen är bara

912
00:50:54,710 --> 00:50:57,550
en tillhörande uppsättning av
parameternamn och värden

913
00:50:57,550 --> 00:51:00,950
efter att funktionen har körts.

914
00:51:00,950 --> 00:51:08,520
>> Så i detta fall, eftersom punkt prod har
argument vec1, vec2 och int n n ut.

915
00:51:08,520 --> 00:51:11,980
Till prick c vi har dot prod,
namnet på funktionen

916
00:51:11,980 --> 00:51:16,250
vi ringer, vec1, vec2, typ coerce.

917
00:51:16,250 --> 00:51:20,060
Längden av endera vektor,
Jag valde bara vec1 godtyckligt.

918
00:51:20,060 --> 00:51:25,479
Det skulle vara mer robust för att säga s
heltal min längd vec1, längd vec2.

919
00:51:25,479 --> 00:51:27,520
Sedan är det bara som dubbellåga,
eftersom vi egentligen inte

920
00:51:27,520 --> 00:51:29,644
bry sig om vad går in i
out parameter eftersom vi är

921
00:51:29,644 --> 00:51:32,270
ställer in det till noll i alla fall.

922
00:51:32,270 --> 00:51:37,560
>> Och då resultaten kommer att vara en
stora tillhörande uppsättning av grunden

923
00:51:37,560 --> 00:51:42,090
vec1 är vad som helst, är vad vec2.

924
00:51:42,090 --> 00:51:44,330
Men vi är intresserade av
ut, så att vi kan få ut det.

925
00:51:44,330 --> 00:51:47,780
Detta är återigen en mycket leksak exempel
av en utländsk funktion gränssnitt.

926
00:51:47,780 --> 00:51:54,160
Men om du måste beräkna dot
produkter av massiva vektorer i slingor,

927
00:51:54,160 --> 00:51:56,960
eller om du har att göra
något annat i en slinga,

928
00:51:56,960 --> 00:51:59,850
och du inte vill förlita sig på R,
som har en bit av overhead

929
00:51:59,850 --> 00:52:02,830
inbyggd i den, kan detta vara användbart.

930
00:52:02,830 --> 00:52:05,870
>> Återigen, detta är inte vanligtvis
en inledande ämne att R.

931
00:52:05,870 --> 00:52:08,571
Det är inte mycket väl dokumenterat.

932
00:52:08,571 --> 00:52:11,070
Jag bara inklusive det eftersom
Jag fann det lämpligt i det förflutna.

933
00:52:11,070 --> 00:52:13,654
Så dåliga metoder.

934
00:52:13,654 --> 00:52:15,820
Jag nämnde att det finns en
for-loop i funktionen.

935
00:52:15,820 --> 00:52:21,150
Generellt bör du inte i
språket, inte använda den.

936
00:52:21,150 --> 00:52:26,100
Baserat på hur R genomför iteration
internt, kan det vara långsam.

937
00:52:26,100 --> 00:52:28,540
De bara också ser ful.

938
00:52:28,540 --> 00:52:32,410
>> R hanterar vektorer mycket snyggt, så
Ofta du inte behöver använda den.

939
00:52:32,410 --> 00:52:35,050

940
00:52:35,050 --> 00:52:38,900
Då kan du vanligtvis
ersätta en vektor ofta

941
00:52:38,900 --> 00:52:42,490
med dessa funktioner kallas hög
ordningens funktioner, karta, Minska,

942
00:52:42,490 --> 00:52:44,404
Hitta eller Filter.

943
00:52:44,404 --> 00:52:46,320
Jag ska bara ge några
exempel på vad dessa gör.

944
00:52:46,320 --> 00:52:49,957
Map är en högre ordningens funktion eftersom
det tar en funktion som ett argument.

945
00:52:49,957 --> 00:52:52,290
Så du kan ge den en funktion,
du kan ge det en array,

946
00:52:52,290 --> 00:52:54,640
och det kommer att tillämpa funktionen
till varje element i arrayen

947
00:52:54,640 --> 00:52:55,681
och returnera den nya arrayen.

948
00:52:55,681 --> 00:52:58,035

949
00:52:58,035 --> 00:53:00,160
Minska, i princip du ge
det är en array, ger du det

950
00:53:00,160 --> 00:53:02,930
en funktion som tar två argument.

951
00:53:02,930 --> 00:53:07,100
Det kommer att tillämpa funktionen först,
första argumentet med viss startvärde.

952
00:53:07,100 --> 00:53:09,440
Sedan till detta resultat i den andra.

953
00:53:09,440 --> 00:53:12,590
Sedan till detta resultat i den tredje,
sedan till det resultatet i det fjärde.

954
00:53:12,590 --> 00:53:14,870
Och sedan tillbaka när det kommer till slutet.

955
00:53:14,870 --> 00:53:17,620
Så till exempel, om du vill
beräkna summan av alla element

956
00:53:17,620 --> 00:53:23,240
i en grupp, än man kan kalla minska
med [OHÖRBAR] minska ett tillägg

957
00:53:23,240 --> 00:53:26,620
funktion, som funk
a, b, returnera en plus b.

958
00:53:26,620 --> 00:53:28,960
Och sedan börja ett värde av 0.

959
00:53:28,960 --> 00:53:32,950
>> Och alla dessa, kan du hitta dem
beskrivs i R dokumentation,

960
00:53:32,950 --> 00:53:35,720
i någon lärobok på
funktionell programmering.

961
00:53:35,720 --> 00:53:38,330
Det finns också denna klass av
funktioner som anropas gäller funktioner,

962
00:53:38,330 --> 00:53:42,807
som jag don't-- de är
lite svårt att förklara,

963
00:53:42,807 --> 00:53:45,640
men om du tittar i [OHÖRBAR]
bokade som jag citerade i början,

964
00:53:45,640 --> 00:53:48,615
förklarar han dem ganska bra i
hans appendix på forskning programmering.

965
00:53:48,615 --> 00:53:51,599

966
00:53:51,599 --> 00:53:53,390
Mer om metoder,
lägga till 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
Jag tror att jag ska rätta till det.

971
00:54:02,900 --> 00:54:07,450
I den första raden, vec pil,
att pilen ska inte vara där.

972
00:54:07,450 --> 00:54:10,920
Du kan tilldela en vektor,
igen, genom att ta sin längd plus 1

973
00:54:10,920 --> 00:54:13,220
och tilldela något värde till det.

974
00:54:13,220 --> 00:54:18,970
Det kommer att förlänga vektorn, eller så
kan göra vec jämlikar c, vec newValue.

975
00:54:18,970 --> 00:54:21,540
Återigen, om du använder C med
ett argument som en vektor,

976
00:54:21,540 --> 00:54:23,300
den resulterande hierarkin blir tillplattad.

977
00:54:23,300 --> 00:54:27,160
Så du ska bara få en vektor
som är förlängas med ett.

978
00:54:27,160 --> 00:54:30,410
Gör aldrig detta.

979
00:54:30,410 --> 00:54:33,330
>> Anledningen till att du
inte bör göra detta är det.

980
00:54:33,330 --> 00:54:37,430
När du allokerar en vektor, det
ger det en viss bit av minne.

981
00:54:37,430 --> 00:54:40,680
Om du ökar denna vektor storlek,
Det måste omfördela vektorn

982
00:54:40,680 --> 00:54:43,820
någonannanstans.

983
00:54:43,820 --> 00:54:46,980
Och så omfördelning är ganska dyra.

984
00:54:46,980 --> 00:54:50,530
Jag kommer inte att gå in på detaljer om hur
minnesFördelningsgenomförs

985
00:54:50,530 --> 00:54:57,280
på operativsystemnivå,
men det tar en hel del tid

986
00:54:57,280 --> 00:54:58,962
att hitta en ny bit av minne.

987
00:54:58,962 --> 00:55:00,920
Och även om du är
omfördelning av massor

988
00:55:00,920 --> 00:55:03,500
progressivt större
bitar, hamnar man

989
00:55:03,500 --> 00:55:06,420
med något som kallas
minne fragmentering,

990
00:55:06,420 --> 00:55:09,390
där det tillgängliga minnet är
uppdelat i massor av små block

991
00:55:09,390 --> 00:55:11,500
i minnesfördelningssynpunkt.

992
00:55:11,500 --> 00:55:15,340
Och det blir svårare och svårare
att hitta minne för annat.

993
00:55:15,340 --> 00:55:19,455
Så istället, om du behöver göra detta, om
du behöver för att växa en vektor från den ena änden

994
00:55:19,455 --> 00:55:24,240
till nästa, i stället för att lägga till det
hela tiden, bör du förallokera det.

995
00:55:24,240 --> 00:55:29,310
Vec pil, vektorlängden
lika 1000, eller något annat.

996
00:55:29,310 --> 00:55:33,200
>> Och då kan du bara tilldela
till vektorn värderingar en

997
00:55:33,200 --> 00:55:36,000
en tid efter att du har tilldelats det en gång.

998
00:55:36,000 --> 00:55:40,140
Jag sprang in i detta, igen, mitt sommarjobb
när jag skrev NRA differential

999
00:55:40,140 --> 00:55:42,120
ekvationslösaren.

1000
00:55:42,120 --> 00:55:43,180
Inte symboliska numeriska.

1001
00:55:43,180 --> 00:55:49,290
Tanken är att när du har
ett värde för din lösning,

1002
00:55:49,290 --> 00:55:51,240
du använda detta för att beräkna nästa en.

1003
00:55:51,240 --> 00:55:53,700
Så min naturliga naiv
lutning var att säga OK,

1004
00:55:53,700 --> 00:55:56,930
så jag ska börja med en vektor
det är ett betydande värde.

1005
00:55:56,930 --> 00:56:01,260
Beräkna från att nästa värde
som går på min lösning vektor,

1006
00:56:01,260 --> 00:56:02,630
och bifoga denna.

1007
00:56:02,630 --> 00:56:05,290
>> Skapa något annat, bifoga denna.

1008
00:56:05,290 --> 00:56:08,120
Det gick mycket, mycket långsamt.

1009
00:56:08,120 --> 00:56:11,540
Och när jag insåg detta
och jag har ändrat mitt system

1010
00:56:11,540 --> 00:56:16,020
från bifogande till denna vektor
liknande 10 tusen till 100 tusen gånger,

1011
00:56:16,020 --> 00:56:18,910
att bara pre-allokering av en vektor
och bara köra med det.

1012
00:56:18,910 --> 00:56:22,100
Jag fick mer än 1000 gånger påskynda.

1013
00:56:22,100 --> 00:56:26,280
Så det här är en mycket vanlig
fälla för R programmering.

1014
00:56:26,280 --> 00:56:31,560
Om du behöver för att bygga upp en vektor
bit för bit, pre-fördela det.

1015
00:56:31,560 --> 00:56:35,360

1016
00:56:35,360 --> 00:56:40,240
>> En annan vanlig resa up-- detta är min sista
slide, inte worry-- är felhantering.

1017
00:56:40,240 --> 00:56:42,890
R, att vara uppriktig, inte
verkligen gör detta mycket väl.

1018
00:56:42,890 --> 00:56:45,010
Det finns många
problem som kan dyka upp.

1019
00:56:45,010 --> 00:56:48,360
Till exempel, om du får en array
eller en vektor av en funktion

1020
00:56:48,360 --> 00:56:52,377
att du väntade en enda
värde för att komma från, eller vice versa,

1021
00:56:52,377 --> 00:56:55,460
och du passerar det till en funktion som
du skrev förväntar ett enda värde,

1022
00:56:55,460 --> 00:56:57,270
som kan vara ett problem.

1023
00:56:57,270 --> 00:57:01,440
>> Vissa funktioner
returnera null som gör, säger,

1024
00:57:01,440 --> 00:57:05,560
läsa från en
obefintlig nyckel i en lista.

1025
00:57:05,560 --> 00:57:08,527
Men null är inte som C
där om du försöker läsa

1026
00:57:08,527 --> 00:57:11,360
från en gammal pekare, [OHÖRBAR]
till null pointer, bara seg det fel

1027
00:57:11,360 --> 00:57:14,109
och om du är i din debugger det
talar om exakt var du befinner dig.

1028
00:57:14,109 --> 00:57:17,080

1029
00:57:17,080 --> 00:57:20,772
Istället null kommer do-- funktioner
kommer att göra oförutsägbara saker

1030
00:57:20,772 --> 00:57:21,730
om de är handed null.

1031
00:57:21,730 --> 00:57:24,575
Som om du räckte max null,
Det ska ge dig negativ oändlighet.

1032
00:57:24,575 --> 00:57:27,230

1033
00:57:27,230 --> 00:57:28,190
Och så, ja.

1034
00:57:28,190 --> 00:57:30,880

1035
00:57:30,880 --> 00:57:32,630
Och så detta hände
till mig en gång när jag hade

1036
00:57:32,630 --> 00:57:34,771
förändrats en massa områden
i min lista struktur

1037
00:57:34,771 --> 00:57:37,520
en gång utan att ändra dem någon annanstans
när jag läste dem.

1038
00:57:37,520 --> 00:57:40,670
Och sedan fick jag alla sorters slump
oändlighet resultat dyka upp

1039
00:57:40,670 --> 00:57:43,080
och jag ingen aning om var de kom ifrån.

1040
00:57:43,080 --> 00:57:45,310
Och tyvärr, det finns
ingen riktig R strikt läge

1041
00:57:45,310 --> 00:57:48,940
där du kan säga om något
ser ut som det skulle vara ett misstag,

1042
00:57:48,940 --> 00:57:51,960
bara stanna där så jag kan vara
disciplinerade och fixa det.

1043
00:57:51,960 --> 00:57:55,282

1044
00:57:55,282 --> 00:57:57,240
Men det finns något
kallas stopp om inte.

1045
00:57:57,240 --> 00:58:00,480
Detta motsvarar C: s hävda,
Om du har pratat om det.

1046
00:58:00,480 --> 00:58:02,690
Jag tror inte att C hävda
är en föreläsning ämne,

1047
00:58:02,690 --> 00:58:06,370
men din sektionsledare
kan ha gått över den.

1048
00:58:06,370 --> 00:58:10,393
Och sluta om inte i grund och botten tar någon
predikat, så de uttalanden som

1049
00:58:10,393 --> 00:58:11,824
kan vara sant eller falskt.

1050
00:58:11,824 --> 00:58:13,490
Och om det är falskt, stannar sitt program.

1051
00:58:13,490 --> 00:58:18,260
Den talar om exakt vad linje du
var på och vilka villkor misslyckades.

1052
00:58:18,260 --> 00:58:21,910
>> Och detta mycket användbart, till exempel,
sanity kontroll, funktionsingångar.

1053
00:58:21,910 --> 00:58:25,110
Så om du har en funktion
och du förväntar dig, säg,

1054
00:58:25,110 --> 00:58:29,640
Om du ska ge mig en dag, jag vill
datum vara bara en vektor med längden 1

1055
00:58:29,640 --> 00:58:31,735
och någonstans mellan 1 och 31.

1056
00:58:31,735 --> 00:58:34,420

1057
00:58:34,420 --> 00:58:36,170
Och om inte, jag vet
något har gått fel.

1058
00:58:36,170 --> 00:58:40,280
Och jag väljer att stoppa det innan
har slumpmässig dominoeffekter med kod

1059
00:58:40,280 --> 00:58:44,190
att det är svårare att spåra igenom.

1060
00:58:44,190 --> 00:58:47,170
Så det är en möjlig
använda för stopp om inte.

1061
00:58:47,170 --> 00:58:48,660
>> Hur som helst, OK.

1062
00:58:48,660 --> 00:58:49,690
Så det är slutet.

1063
00:58:49,690 --> 00:58:51,290
Tack så mycket för att ni kom.

1064
00:58:51,290 --> 00:58:53,710
Jag är en rang amatör på detta.

1065
00:58:53,710 --> 00:58:57,270
Så ledsen om du är uttråkad eller
förvirrade eller vad har du.

1066
00:58:57,270 --> 00:59:01,670
Jag är glad att svara på frågor via e-post
vid connorharris@college.harvard.edu.

1067
00:59:01,670 --> 00:59:07,230
Detta gäller även för alla
titta på detta levande eller senare.

1068
00:59:07,230 --> 00:59:10,190
Dessutom, även om jag inte
en TF, jag är också mycket

1069
00:59:10,190 --> 00:59:13,900
villiga att fungera som en inofficiell
rådgivare för alla som är

1070
00:59:13,900 --> 00:59:15,460
med hjälp av R i ett slutprojekt.

1071
00:59:15,460 --> 00:59:19,900
>> Om du vill det,
sedan bara prata med din TF

1072
00:59:19,900 --> 00:59:23,750
och sedan skriva mig ett mail så
Jag vet vad du arbetar med

1073
00:59:23,750 --> 00:59:26,680
och så jag kan ställa in mötet
gånger med dig om du vill.

1074
00:59:26,680 --> 00:59:27,990
Så återigen, tack så mycket.

1075
00:59:27,990 --> 00:59:28,960
Jag hoppas du gillade det.

1076
00:59:28,960 --> 00:59:29,450
>> PUBLIK: [OHÖRBAR].

1077
00:59:29,450 --> 00:59:30,617
>> CONNER HARRIS: Självklart.

1078
00:59:30,617 --> 00:59:34,910
>> PUBLIK: Vilken typ av projekt
skulle en CS elev använda R för?

1079
00:59:34,910 --> 00:59:37,427

1080
00:59:37,427 --> 00:59:40,510
CONNER HARRIS: Så om du inte
något som är rent i data mining,

1081
00:59:40,510 --> 00:59:43,790
till exempel, och det
finns massor av saker

1082
00:59:43,790 --> 00:59:46,692
du kan göra med det med data
gruv- och maskininlärning.

1083
00:59:46,692 --> 00:59:48,900
Du kanske vill använda R för
en del av något.

1084
00:59:48,900 --> 00:59:52,022
Jag tog upp ursprungligen exemplet
av om du skriver en webbplats

1085
00:59:52,022 --> 00:59:54,730
och du vill köra automatiserade
statistisk analys av din server

1086
00:59:54,730 --> 00:59:57,990
stockar vid en viss tid varje dag,
som kan vara något som är

1087
00:59:57,990 --> 01:00:01,260
mycket lätt att göra på bara en kort
R skript som du kan schemalägga

1088
01:00:01,260 --> 01:00:04,200
att köra varje natt, till exempel.

1089
01:00:04,200 --> 01:00:06,550
>> Och jag är säker, om
det finns någon anledning skulle

1090
01:00:06,550 --> 01:00:11,520
vill statistik eller graffunktionerna
och har denna kör automatiskt i stället

1091
01:00:11,520 --> 01:00:13,790
för att behöva interagera
med saker i Excel,

1092
01:00:13,790 --> 01:00:16,750
till exempel, det är något
kanske du vill använda R för.

1093
01:00:16,750 --> 01:00:21,190
Så några fler frågor innan jag lämnar?

1094
01:00:21,190 --> 01:00:21,690
Nej?

1095
01:00:21,690 --> 01:00:24,960
Okej, ja, igen, tack
så mycket för att ni kom.

1096
01:00:24,960 --> 01:00:29,417