Belajar bahasa R tidak susah, bahkan bagi yang belum punya dasar komputer programming. Bahasa R memang dirancang untuk analisa statistik dan matematik. Tentu semua orang yang pernah bersekolah pasti pernah mendapakan pelajaran, matematika dan statistik.
Belajar Bahasa Programming, tidak seperti belajar Bahasa Inggris, bicara Bahasa Inggris kurang sedikit masih bisa dimengerti, tapi bahasa programing, kurang titik saja tidak akan keluar hasilnya. Memulai belajar coding sejak dini banyak manfaatnya, disamping melatih logika, bahasa programming banyak memakai syntax/perintah yang harus dihafalkan.
Di bawah akan diberikan beberapa contoh dasar coding R programming.
Belajar Bahasa Programming, tidak seperti belajar Bahasa Inggris, bicara Bahasa Inggris kurang sedikit masih bisa dimengerti, tapi bahasa programing, kurang titik saja tidak akan keluar hasilnya. Memulai belajar coding sejak dini banyak manfaatnya, disamping melatih logika, bahasa programming banyak memakai syntax/perintah yang harus dihafalkan.
Di bawah akan diberikan beberapa contoh dasar coding R programming.
Logo Rstudio |
a <- 42
A <- a * 2 # R is case
sensitive
print(a)
cat(A, "\n") # "84" is concatenated with
"\n"
if(A>a) # true, 84 > 42
{
cat(A, ">",
a, "\n")
}
[1] 42
84
84 > 42
#Fungsi
Square <- function(x) {
return(x^2)
}
print(Square(4))
print(Square(x=4)) # same thing
[1] 16
[1] 16
#---Coundown
countdown <- function(from) { print(from) while(from!=0) { Sys.sleep(1) from <- from - 1 print(from) } } countdown(5)
> countdown(5) [1] 5 [1] 4 [1] 3 [1] 2 [1] 1 [1] 0
#---Readline funsi
readinteger <- function() { n <- readline(prompt="Enter an integer: ") n <- as.integer(n) if (is.na(n)){ n <- readinteger() } return(n) } print(readinteger())Enter an integer: Enter an integer: boo Enter an integer: 44 [1] 44 Warning message: In readinteger() : NAs introduced by coercion#---Listsum(0:9) append(LETTERS[1:13],letters[14:26]) c(1,6,4,9)*2 something <- c(1,4,letters[2]) # indices start at one, you get (1,4,"b") length(something)sum(0:9) [1] 45 > append(LETTERS[1:13],letters[14:26]) [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "n" "o" [16] "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z" > c(1,6,4,9)*2 [1] 2 12 8 18 > something <- c(1,4,letters[2]) #indices start at one, you get (1,4,"b") > length(something) [1] 3#---Baca datatbl <- read.table(file.choose(),header=TRUE,sep=",") population <- tbl["POPESTIMATE2009"] print(summary(population[-1:-5,]))Min. 1st Qu. Median Mean 3rd Qu. Max. 544300 1734000 4141000 5980000 6613000 36960000#Filtering datatbl <- read.table(file.choose(),header=TRUE,sep=',') population <- tbl[c("NAME","POPESTIMATE2009","NPOPCHG_2009")] smallest.state.pop <- min(population$POPESTIMATE2009) print(population[population$POPESTIMATE2009==smallest.state.pop,])NAME POPESTIMATE2009 NPOPCHG_2009 56 Wyoming 544270 11289
Beberapa contoh sumber data yang bisa dipakai buat latihan, sudah ada beberapa dataset yang sudah embed dengan R sendiri, juga tersedia di blog seperti data.gov,data.un.orghttp://data.un.org/ dsb
mtcars
mpg cyl disp hp drat wt qsec vs am gear carb Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1
iris
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
7 4.6 3.4 1.4 0.3 setosa
library(MASS)
Boston
crim zn indus chas nox rm age dis rad tax ptratio black lstat medv
1 0.00632 18.0 2.31 0 0.5380 6.575 65.2 4.0900 1 296 15.3 396.90 4.98 24.0
2 0.02731 0.0 7.07 0 0.4690 6.421 78.9 4.9671 2 242 17.8 396.90 9.14 21.6
3 0.02729 0.0 7.07 0 0.4690 7.185 61.1 4.9671 2 242 17.8 392.83 4.03 34.7
4 0.03237 0.0 2.18 0 0.4580 6.998 45.8 6.0622 3 222 18.7 394.63 2.94 33.4
5 0.06905 0.0 2.18 0 0.4580 7.147 54.2 6.0622 3 222 18.7 396.90 5.33 36.2
6 0.02985 0.0 2.18 0 0.4580 6.430 58.7 6.0622 3 222 18.7 394.12 5.21 28.7
7 0.08829 12.5 7.87 0 0.5240 6.012 66.6 5.5605 5 311 15.2 395.60 12.43 22.9
Referensi:
Rstudio
Stackoverflow
Github