สรุปการเรียนพื้นฐานของภาษา R

วันนี้มาเรียนพื้นฐานของภาษา R ชื่อ course ว่า R programming for (young) Data Scientist เป็นหนึ่งใน course ที่อยู่ในงาน Predictive Analytic and Data Science conference ถือได้ว่า เป็นการเรียนรู้ภาษาใหม่ ๆ อีกครั้งหนึ่ง โดยเนื้อหาต่าง ๆ ใน course นี้จะเป็นฉบับพื้นฐาน แต่ก็ทำให้รู้ และ เข้าใจว่าต้องศึกษาเพิ่มเติมและนำไปใช้อย่างไรบ้าง

เครื่องมือที่ใช้งานประกอบไปด้วย

• R language สามารถ download ได้จาก CRAN repository
• R Studio เป็น IDE สำหรับเขียนโปรแกรมด้วยภาษา R

หรือถ้าไม่อยากใช้งาน IDE ก็สามารถใช้งานผ่าน R Interactive ก็ได้ คือเข้าไปที่ command line แล้วพิมพ์ R จะเข้าสู่ mode ของ R interactive แต่ใช้ R Studio ชีวิตจะง่ายกว่านะ มาเริ่มเขียน code กันเลย

พื้นฐานมันสำคัญมาก ๆ

เริ่มจากการประกาศตัวแปร การ assign ค่าลงในตัวแปร ซึ่งสามารถทำได้ 2 แบบคือ [code] a = 2 2 -> a [/code] ถ้าต้องการให้แสดงผลลัพธ์จากการทำงานตลอด โดยไม่ต้อง print ค่าออกมาดูเอง ให้ทำการเขียนดังนี้ [code] (a = 2) (2 -> a) [/code]

จากนั้นทำการกำหนด Working directory

ซึ่งทำได้หลายแบบ แต่ถ้าไม่อยากผูกติดกับเครื่องมือ ก็ใช้คำสั่ง [code] getwd() setwd('<your working directory>') [/code] ผู้สอนแนะนำให้ศึกษาแต่ละคำสั่งหรือ function จาก help() ซึ่งมันมีความสำคัญอย่างมาก และ มันอยู่ใกล้เรามาก ๆ เช่น ถ้าต้องการอยากรู้ว่า setwd คืออะไร และ ใช้งานอย่างไร ? สามารถพิมพ์ว่า help(setwd) เพื่อดูรายละเอียดได้เลย เป็นสิ่งที่นักพัฒนาต้องไม่พลาด !!

ต่อมาแนะนำให้ลองดู demo project หรือ code ที่มากับ R

ซึ่งมีประโยชน์อย่างมากต่อผู้เริ่มต้นศึกษา เพราะว่า ตัวอย่างมีทั้ง code และแสดงผลการทำงานให้เห็นเลย สามารถดู demo ด้วยคำสั่ง [code] demo() #ดูว่ามี demo เรื่องอะไรบ้าง demo(graphics) #ดู demo ของ package graphics [/code] ผลการทำงานจาก demo

จากนั้นเข้าเรื่องของ Data type หรือชนิดของข้อมูล

ประกอบไปด้วย

• Scala
• Vector
• Matrix
• Data frame
• List

โดยในแต่ละ Data type สามารถใช้งาน function พื้นฐานต่าง ๆ ได้อีก ประกอบไปด้วย

• Mean
• Max
• Min
• Average
• Sum
• Exp
• Log
• Sqrt

และอื่น ๆ อีกมากมายรวมทั้ง operator ต่าง ๆ เช่น +, -, *, / และ ^ เป็นต้น

ยกตัวอย่างการใช้งาน Vector

เริ่มจากการสร้าง Vector [code] vector1 = c(1, 2, 3 ,4 ,5) vector2 = c(1:5) vector3 = seq(from=1, to=5, by=1) random_vector = rnorm(5) empty_vector = c() [/code] สิ่งที่น่าสนใจคือ c มันคืออะไร ? แนะนำให้ใช้ help(c) จะพบว่า c มันคือ Combine values into Vector or List พร้อมยกตัวอย่างการใช้งาน เห็นไหมว่า help มันช่วยเหลือเราได้มากเลยนะ

ยกตัวอย่างการใช้งาน Matrix

เป็นชนิดข้อข้อมูลอีกแบบที่ถูกใช้งานเยอะ เราสามารถสร้างได้ดังนี้ [code] vector1 = c(1, 2, 3 ,4 ,5, 6) matrix1 = matrix( vector1, nrow=3 ) #กำหนดให้มี 3 row matrix2 = matrix( vector1, ncol=2 ) #กำหนดให้มี 2 column [/code] สามารถนำ matrix มาบวก ลบ คูณหารกันได้ รวมไปถึงการหา invert matrix และ Diagonal matrix ได้แบบสบาย ๆ ถึงตรงนี้ต้องไปเปิดตำราเรียนกันใหม่เลยทีเดียว !!

แต่สิ่งที่มีประโยชน์ และ ใช้งานมาก ๆ คือ Data frame

มันคือข้อมูลที่เราสามารถกำหนดชื่อ column ของข้อมูลได้ และเราสามารถดึงข้อมูลมาใช้งานง่าย ๆ มาก ทำการสร้าง Data frame โดยสร้างจาก vector นั่นเอง ดังนี้ ทำการสร้างข้อมูล 3 column ขึ้นมา คือ a, b, c [code] x = c(1,2,3) y = c(10,20, 30) z = c(100,200,300) t = data.frame(a=x, b=y, c=z) [/code] จากนั้นถ้าต้องการดึงข้อมูลในแต่ละ column มาใช้งาน สามารถทำได้ดังนี้ [code] t$a t[['a']] t[, 'a' ] t[, c('b', 'a')] #ดึงหลาย ๆ column [/code]

มาทำ workshop เรื่อง Data frame กันนิดหน่อย

โดยให้ทำการ random ข้อมูลขึ้นมา 3 ชุด จากนั้นทำการสร้าง Data frame และ แสดงผลในรูปแบบ graph ด้วย plot สามารถเขียน code ได้ดังนี้ [code] x1 = rnorm(100) x2 = rnorm(100) x3 = rnorm(100) t3 = data.frame(a=x1, b=x1+x2, c=x1+x2+x3) t3 plot(t3) [/code] แสดงผลการทำงานดังนี้

จากนั้นก็ทำการเรียนเกี่ยวกับเรื่องการวาด graph เพิ่มเติม

เช่น

• plot
• line
• points

ซึ่งทางผู้สอนแนะนำให้ใช้งาน ggplot2 package เนื่องจากมันแจ่มมาก ๆ สามารถ Download เอกสารการใช้งานได้จาก ggplot2 cheatsheet

มาถึง Package ที่แจ่มมาก ๆ คือ dplyr

ใช้สำหรับการจัดการข้อมูล ก่อนนำไปวิเคราะห์ต่อไปนั่นเอง ซึ่งเราต้องติดตั้งเพิ่มเติม ด้วยคำสั่ง [code] install.packages("dplyr") [/code] ส่วนการใช้งานขั้นพื้นฐานก็มีหลายอย่างเช่น

• การแสดงข้อมูลในรูปแบบต่าง ๆ เช่นแบบตารางใน console หรือ ใน R Studio
• การกรองข้อมูล ซึ่งในส่วนนี้สนุกมาก ๆ นำเอาหลักการของ data pipeline มาใช้
• การลบข้อมูลที่ซ้ำซ้อนออกไป
• การดึงเฉพาะข้อมูลที่ต้องการมาใช้งาน หรือ การ slice data
• ถ้าต้องการดูเพิ่มเติมไปที่ help ได้เลย

โดยรวมแล้วข้อมูลมันอยู่ในรูปแบบของ Data frame นั่นเอง

มาดูตัวอย่างจากการทำ workshop แบบ step-by-step

โดยใช้ข้อมูลตัวอย่างชื่อว่า iris flower dataset ถ้าลอง plot ออกมาเป็นดังนี้ หรือแสดงข้อมูลในรูปแบบอื่น ๆ ได้เช่น [code] install.packages("dplyr") (table_iris = tbl_df(iris)) #Table in console View(iris) #Table in R Studio glimpse(iris) [/code]

จากนั้นมาดูเรื่องของการ Filter ข้อมูลแบบใช้ Data pipeline เข้ามาช่วยเหลือ

สิ่งที่ต้องการคือ

• ทำการกรองข้อมูล iris ที่มีค่าของ column Sepal.Length > 7 ขึ้นไป
• เลือกเอาเฉพาะ column Sepal.Length, Sepal.Width และ Species เท่านั้น

สามารถเขียน code ได้ดังนี้ [code] iris %>% filter(Sepal.Length>7) %>% select(Sepal.Length, Sepal.Width, Species) [/code] คำถามต่อมาคือ ถ้าต้องเก็บผลการทำงานไว้ในตัวแปรล่ะต้องทำอย่างไรดี ? ซึ่งสามารถทำได้ 2 แบบ คือ [code] result = iris %>% filter(Sepal.Length>7) %>% select(Sepal.Length, Sepal.Width, Species) iris %>% filter(Sepal.Length>7) %>% select(Sepal.Length, Sepal.Width, Species) -> result [/code] สำหรับผมชอบแบบที่ 2 เพราะว่ามันดูสวยงามและต่อเนื่องดี ที่สำคัญมันอ่านจากซ้ายไปขวาอีกด้วย และยังมี Package อื่น ๆ ที่ทางผู้สอนแนะนำให้ศึกษาเพิ่มเติม เช่น

• dplyr สำหรับจัดการข้อมูล ซึ่งมันมีวิธีการอีกเยอะมาก ๆ
• Forecast สำหรับการทำนายผลจากข้อมูล
• ggplot2 สำหรับการแสดงผลในรูปแบบ graphic

ผมเขียนบันทึกและ source code ต่าง ๆ ไว้ที่ Github :: Learn R programming

โดยรวมแล้วเป็นภาษาที่สนุกมาก ๆ

แถมมี package ต่าง ๆ เยอะมาก ๆๆๆๆๆ ดังนั้นนักพัฒนาไม่ควรหยุดศึกษา ยิ่งเรื่องของสถิติ คณิตศาสตร์ ไปจนถึงพวก Data Mining, Machine Learning แล้ว เป็นสิ่งที่ขาด หรือ พลาดไม่ได้เลยนะ ขอตัวไปศึกษาต่อก่อน !!