I comandi in R: una pa­no­ra­mi­ca dei comandi più im­por­tan­ti

I comandi in R sono alla base dell’analisi dei dati e della mo­del­la­zio­ne sta­ti­sti­ca nell’ambiente R. Questi comandi ti offrono gli strumenti e la fles­si­bi­li­tà per capire i dati, ri­co­no­sce­re i modelli e prendere decisioni informate.

Che cosa sono i comandi in R?

I comandi in R sono istru­zio­ni o comandi uti­liz­za­ti nella pro­gram­ma­zio­ne in R per eseguire compiti specifici o ini­zia­liz­za­re azioni nell’ambiente R. Questi comandi ti per­met­to­no di ana­liz­za­re i dati, eseguire calcoli sta­ti­sti­ci o creare vi­sua­liz­za­zio­ni. È possibile immettere ed elaborare i comandi in R nella riga di comando R o in script R. È im­por­tan­te di­stin­gue­re i comandi dalle funzioni in R.

Le funzioni in R sono blocchi di codice definiti e de­no­mi­na­ti in R che svolgono compiti de­ter­mi­na­ti. Al loro interno possono com­pren­de­re l’utilizzo di operatori in R e dati in R per accettare argomenti o re­sti­tui­re de­ter­mi­na­ti valori. In pratica, le funzioni possono me­mo­riz­za­re, elaborare e re­sti­tui­re dati che sono collegati a diversi tipi di dati in R.

Pa­no­ra­mi­ca dei comandi in R

La seguente lista di comandi in R è una pa­no­ra­mi­ca sui diversi campi di ap­pli­ca­zio­ne nella pro­gram­ma­zio­ne in R. A seconda delle esigenze e dei requisiti specifici puoi scegliere e combinare fra loro i comandi in R più adatti.

Ma­ni­po­la­zio­ne ed ela­bo­ra­zio­ne dei dati

• read.csv(): carica in memoria i dati da un file CSV
• data.frame(): crea un frame di dati
• subset(): filtra i dati in base a de­ter­mi­na­te con­di­zio­ni
• merge(): unisce i dati da diversi frame di dati
• aggregate(): aggrega i dati in base a de­ter­mi­na­ti criteri
• transform(): crea nuove variabili in un frame di dati
• sort(): ordina vettori o frame di dati
• unique(): iden­ti­fi­ca valori univoci in un vettore o in una colonna

Vi­sua­liz­za­zio­ne dei dati

• plot(): crea grafici a di­sper­sio­ne e altri tipi di grafici di base
• hist() : crea isto­gram­mi
• barplot(): crea grafici a barre
• boxplot(): crea grafici a scatola e baffi (chiamati proprio “boxplot”)
• ggplot2::ggplot(): per vi­sua­liz­za­zio­ni più complesse e adat­ta­bi­li con il pacchetto ggplot2

Analisi sta­ti­sti­che

• summary(): prepara un riepilogo dei dati, compresi gli indici sta­ti­sti­ci
• lm(): esegue re­gres­sio­ni lineari
• t.test(): esegue test T per test delle ipotesi
• cor(): calcola i coef­fi­cien­ti di cor­re­la­zio­ne fra variabili
• anova(): esegue analisi della varianza (ANOVA)
• chi-sq.test(): esegue test del chi quadrato

Ela­bo­ra­zio­ne dei dati

• ifelse(): valuta le con­di­zio­ni e le espres­sio­ni con­di­zio­na­li
• apply(): applica una funzione su matrici o frame di dati
• dplyr::filter(): filtra i dati in frame di dati con il pacchetto dplyr
• dplyr::mutate(): crea nuove variabili in frame di dati con il pacchetto dplyr
• lapply(), sapply(), mapply(): applica funzioni su liste o vettori

Im­por­ta­zio­ne ed espor­ta­zio­ne dei dati

• readRDS(), saveRDS(): carica e salva oggetti dati in R
• write.csv(), read.table(): esporta e importa dati in diversi formati

Grafici e diagrammi sta­ti­sti­ci

• qqnorm(), qqline(): crea grafici quantile-quantile
• plot(), acf(): mostra grafici di au­to­cor­re­la­zio­ne
• density(): mostra funzioni di densità e isto­gram­mi
• heatmap(): crea mappe di calore

Esempi di utilizzo dei comandi in R

I seguenti esempi di codice servono a mostrarti l’utilizzo dei più im­por­tan­ti comandi in R in diversi campi di ap­pli­ca­zio­ne. Se ne­ces­sa­rio, puoi mo­di­fi­ca­re e ampliare questi comandi a seconda dei tuoi dati e requisiti di analisi.

Ca­ri­ca­men­to in memoria di dati da un file CSV

data <- read.csv("dati.csv")

Il comando read.csv() permette di caricare i dati da un file CSV in R. Nel nostro esempio, i dati caricati vengono me­mo­riz­za­ti nella variabile data. Questo comando è utile per importare dati esterni in R e renderli di­spo­ni­bi­li per le analisi.

Creazione di un grafico a di­sper­sio­ne

plot(data$X, data$Y, main="Grafico a dispersione")

Il comando plot() è uno dei comandi in R che servono a creare grafici e diagrammi in R. In questo caso viene tracciato un grafico a di­sper­sio­ne che raffigura la relazione fra le variabili X e Y del frame di dati data. L’argomento main sta­bi­li­sce il titolo del grafico.

Ese­cu­zio­ne di una re­gres­sio­ne lineare

regression_model <- lm(Y ~ X, data=data)

In questo esempio eseguiamo una re­gres­sio­ne lineare per modellare la relazione fra le variabili X e Y del frame di dati data. Il comando lm() serve a calcolare una re­gres­sio­ne lineare in R. Il risultato della re­gres­sio­ne viene me­mo­riz­za­to nella variabile regression_model e può essere uti­liz­za­to per ulteriori analisi.

Fil­trag­gio di dati con il pacchetto dplyr

filtered_data <- dplyr::filter(data, column > 10)

Il comando dplyr::filter() si trova nel pacchetto dplyr ed è uti­liz­za­to per la ma­ni­po­la­zio­ne dei dati. Il pacchetto dplyr offre potenti funzioni per il fil­trag­gio dei dati. Otteniamo la variabile filtered_data se­le­zio­nan­do le righe dal frame di dati data in cui il valore nella colonna column è maggiore di 10.

Creazione di grafici quantile-quantile

qqnorm(data$Variable)
qqline(data$Variable)

È possibile uti­liz­za­re qqnorm() per creare un grafico quantile-quantile in R. In questo esempio viene tracciato un grafico quantile-quantile per la variabile Variable ricavata da data. Con qqline() è possibile ag­giun­ge­re una linea di ri­fe­ri­men­to per con­fron­ta­re la di­stri­bu­zio­ne con una di­stri­bu­zio­ne normale.

Il nostro tutorial sulla pro­gram­ma­zio­ne in R è uno strumento con­si­glia­to per tutti coloro che stanno muovendo i primi passi in questo campo. In questo tutorial troverai mol­tis­si­mi consigli e le basi di cui hai bisogno per entrare nel mondo della pro­gram­ma­zio­ne in R. Ulteriori consigli e nozioni fon­da­men­ta­li si trovano qui nella nostra guida generale “Imparare a pro­gram­ma­re: iniziare dalle basi” all’interno della Digital Guide.