R-Tutorial - Ein Leitfaden für Anfänger zum Erlernen der R-Programmierung

R ist das beliebteste Datenanalysetool, da es Open Source ist, flexibel ist, mehrere Pakete bietet und eine riesige Community hat. Es wurde für Softwareprogrammierer, Statistiker und Data Miner gleichermaßen entwickelt und hat daher zu der Popularität von geführt .In diesem R-Tutorial-Blog werde ich Ihnen anhand von Beispielen einen vollständigen Einblick in R geben.

Im Folgenden sind die Themen in diesem R-Tutorial-Blog aufgeführt, die ich in der folgenden Reihenfolge behandeln werde:

1. Warum brauchen wir Analytics? ?
2. Was ist Business Analytics? ?
3. Warum R und wer R verwendet ?
4. Installation von R.
5. Datenoperatoren
6. Datentypen
7. Ablaufsteuerung

R Tutorial: Warum brauchen wir Analytics?

Bevor ich die Frage beantworte, möchte ich Sie mit einigen Problemen und deren Lösungen in R in mehreren Domänen vertraut machen.

Bankwesen ::

In Banken werden täglich große Mengen an Kundendaten generiert. W.Im regelmäßigen Umgang mit Millionen von Kunden wird es schwierig, ihre Hypotheken nachzuverfolgen.

Lösung ::

R erstellt ein benutzerdefiniertes Modell, das die jedem einzelnen Kunden gewährten Kredite verwaltet und uns dabei hilft, den vom Kunden im Laufe der Zeit zu zahlenden Betrag zu bestimmen.

Versicherung ::

Die Versicherung hängt stark von der Prognose ab. Es ist schwierig zuEntscheiden Sie, welche Richtlinie akzeptiert oder abgelehnt werden soll.

Lösung:

wie man einen jframe in java macht

Durch die Verwendung der fortlaufenden Kreditauskunft als Eingabe können wir in R ein Modell erstellen, das nicht nur den Risikoappetit bewertet, sondern auch eine prädiktive Prognose erstellt.

Gesundheitspflege:

Jedes Jahr werden Millionen von Menschen ins Krankenhaus eingeliefert und Milliarden werden jährlich nur für den Aufnahmeprozess ausgegeben.

Lösung ::

In Anbetracht der Krankengeschichte und der Krankengeschichte kann ein Vorhersagemodell erstellt werden, um zu identifizieren, wer einem Krankenhausrisiko ausgesetzt ist und in welchem ​​Umfang die medizinischen Geräte skaliert werden sollten.

Jetzt wissen wir, wie Datenanalysen Unternehmen dabei helfen, ihre Daten zu nutzen und neue Möglichkeiten zu identifizieren. Wenn wir über die Notwendigkeit von Analysen in einer Organisation sprechen, müssen Sie auf diese vier Aspekte stoßen:

Lassen Sie uns als Nächstes im R-Tutorial-Blog fortfahren, in dem wir zunächst verstehen, was genau Business Analytics ist.

R Tutorial: Was ist Business Analytics?

Business Analytics ist ein Prozess, bei dem große Datenmengen untersucht und verborgene Muster, Korrelationen und andere Erkenntnisse gewonnen werden. Es hilft Ihnen im Grunde, alle Daten zu verstehen, die Sie gesammelt haben, sei es Organisationsdaten, Markt- oder Produktforschungsdaten oder andere Daten. Es fällt Ihnen leicht, bessere Entscheidungen, bessere Produkte, bessere Marketingstrategien usw. zu treffen. Weitere Informationen finden Sie im folgenden Bild:

Wenn Sie sich die obige Abbildung ansehen, werden Ihre Daten im ersten Bild gestreut. Wenn Sie nun etwas Bestimmtes wie einen bestimmten Datensatz in einer Datenbank wünschen, wird dies umständlich. Um dies zu vereinfachen, benötigen Sie eine Analyse. Mit der Analyse wird es leicht, eine Korrelation zwischen den Daten zu finden. Sobald Sie festgelegt haben, was zu tun ist, können Sie ganz einfach Entscheidungen treffen, z. B. welchen Weg Sie einschlagen möchten oder in Bezug auf Geschäftsanalysen, welcher Weg zur Verbesserung Ihres Unternehmens führt.

Sie können jedoch nicht erwarten, dass Personen in der obigen Kette immer die Rohdaten verstehen, die Sie ihnen nach der Analyse zur Verfügung stellen. Um diese Lücke zu schließen, haben wir ein Konzept von Datenvisualisierung .

Datenvisualisierung : Die Datenvisualisierung ist ein visueller Zugriff auf große Datenmengen, die Sie nach der Analyse generiert haben. Der menschliche Geist verarbeitet visuelle Bilder und visuelle Grafiken sind besser als der Vergleich mit Rohdaten. Es ist für uns immer einfach, ein Kreisdiagramm oder ein Balkendiagramm im Vergleich zu Rohzahlen zu verstehen. Jetzt fragen Sie sich vielleicht, wie Sie diese Datenvisualisierung aus den bereits analysierten Daten erreichen können.
Auf dem Markt sind verschiedene Tools für die Datenvisualisierung verfügbar:

Sie müssen sich alle fragen, ob es bereits so viele Tools gibt, mit denen Sie Datenvisualisierung und eine bestimmte Menge an Analysen erreichen können. Warum sollten Sie sich für R entscheiden?

Mein nächstes Thema im R-Tutorial-Blog befasst sich also mit 'Warum R' und 'Wer verwendet R'.

R Tutorial: Warum R und wer verwendet R?

Warum R?

R ist eine Programmier- und Statistiksprache.

R wird für die Datenanalyse und -visualisierung verwendet.

R ist einfach und leicht zu lernen, zu lesen und zu schreiben.

R ist ein Beispiel für einen FLOSS (Free Libre und Open Source Software), bei dem Kopien dieser Software frei verteilt, der Quellcode gelesen, geändert usw. werden können.

Wer benutzt R?

• Das Consumer Financial Protection Bureau verwendet R für die Datenanalyse
• Die Statistiker von John Deere verwenden R für die zuverlässige und reproduzierbare Modellierung von Zeitreihen und die Analyse von Geodaten.
• Die Bank of America verwendet R für die Berichterstattung.
• R ist Teil des Technologie-Stacks hinter Foursquares berühmter Empfehlungs-Engine.
• ANZ, die viertgrößte Bank in Australien, verwendet R für die Kreditrisikoanalyse.
• Google verwendet R, um die wirtschaftliche Aktivität vorherzusagen.
• Mozilla, die für den Firefox-Webbrowser verantwortliche Grundlage, verwendet R zur Visualisierung der Webaktivität.

Im Folgenden sind einige der Domänen aufgeführt, in denen R verwendet wird:

Lassen Sie uns nun im R-Tutorial-Blog fortfahren und R installieren.

R Tutorial: Installation von R.

Lassen Sie sich von mir durch die Installation von R auf Ihrem System führen. Befolgen Sie einfach die folgenden Schritte:

Schritt 1 : Gehen Sie zum Link https://cran.r-project.org/

Schritt 2 : Laden Sie R 3.3.3 herunter und installieren Sie es auf Ihrem System.

Sehen Sie sich den folgenden Screenshot an, um ein besseres Verständnis zu erhalten.

Wenn Sie die obigen Schritte ausführen, sind Sie mit dem R-Installationsteil fertig. Jetzt können Sie direkt mit dem Codieren in R beginnen, indem Sie RStudio IDE herunterladen. Führen Sie die folgenden Schritte aus, um dies herunterzuladen:

Schritt 1 : Gehen Sie zum Link https://www.rstudio.com/

Schritt 2 : Laden Sie Rstudio herunter und installieren Sie es auf Ihrem System.

Nachdem Sie alles installiert haben, sind Sie alle auf Code eingestellt!

R Tutorial für Anfänger | R Programmier-Tutorial | Edureka

Lassen Sie uns als Nächstes im R Tutorial-Blog fortfahren und verstehen, was Datenoperatoren in R sind.

R Tutorial: Datenoperatoren in R.

Es gibt hauptsächlich 5 verschiedene Arten von Operatoren, die unten aufgeführt sind:

1. Rechenzeichen : Führen Sie arithmetische Operationen wie Addition, Subtraktion, Multiplikation, Division usw. durch.
2. Zuweisungsoperatoren ::Zuweisungsoperatoren werden zum Zuweisen von Werten verwendet. Beispielsweise:

• Zuweisungsoperator =
  Syntax: Variablenname = Wert

> x = 5 >x 

Ausgabe: [1] 5

• Aufgabenverwalter<-
  Syntax: Variablennamen<- value

  > x<- 15 > x

  Ausgabe: [1] 15

• Aufgabenverwalter<<-
  Syntax : Variablennamen<<- value

> x<<- 2 > x

Ausgabe: [1] 2

• Zuweisungsoperator ->
  Syntax : Wert -> Variablenname

  > 25 -> x > x 

  Ausgabe: [1] 25

3. Vergleichsoperator : Es definiert eine Beziehung zwischen zwei Entitäten. Beispielsweise: ,<=,!= etc.

> xx! = 2

Ausgabe:[1] WAHR

4. Logische Operatoren : Diese Operatoren vergleichen die beiden Entitäten und werden normalerweise mit booleschen (logischen) Werten wie &, | verwendet und !.

> x2 & 3

Ausgabe:[1] WAHR

5. Spezielle Operatoren : Diese Operatoren werden für bestimmte Zwecke verwendet, nicht für logische Berechnungen. Beispielsweise:

• Es erstellt die Zahlenreihe nacheinander für einen Vektor.
  
  

  > xx

  Ausgabe: [1] 2 3 4 5 6 7 8

• % in% Mit diesem Operator wird ermittelt, ob ein Element zu einem Vektor gehört.
  Beispiel

  > xyy% in% x

  Ausgabe: [1] TRUE

R Tutorial: Datentypen

Datentypen werden zum Speichern von Informationen verwendet. In R müssen wir keine Variable als Datentyp deklarieren. Den Variablen werden R-Objekte zugewiesen und der Datentyp des R-Objekts wird zum Datentyp der Variablen.In R sind hauptsächlich sechs Datentypen vorhanden:

Lassen Sie uns auf jeden einzelnen näher eingehen:

Vektor : Ein Vektor ist eine Folge von Datenelementen desselben Grundtyps. Beispiel:

vtr = (1, 3, 5, 7 9)

oder

vtr<- (1, 3, 5 ,7 9)

Es gibt 5 Atomvektoren, die auch als fünf Klassen von Vektoren bezeichnet werden.

Liste : Listen sind die R-Objekte, die Elemente verschiedener Typen wie & minus Zahlen, Zeichenfolgen, Vektoren und eine andere Liste enthalten.

> n = c (2, 3, 5) > s = c ('aa', 'bb', 'cc', 'dd', 'ee') > x = Liste (n, s, TRUE) > x

Ausgabe - -

[[1]] [1] 2 3 5 [[2]] [1] 'aa' 'bb' 'cc' 'dd' 'ee' [[3]] [1] TRUE

Arrays : Arrays sind die R-Datenobjekte, die Daten in mehr als zwei Dimensionen speichern können. Es verwendet Vektoren als Eingabe und verwendet die Werte im Parameter dim, um ein Array zu erstellen.

vector1<- c(5,9,3) vector2<- c(10,11,12,13,14,15) Ergebnis<- array(c(vector1,vector2),dim = c(3,3,2))

Ausgabe - -

,, 1 [, 1] [, 2] [, 3] [1,] 5 10 13 [2,] 9 11 14 [3,] 3 12 15 ,, 2 [, 1] [, 2] [, 3 ] [1,] 5 10 13 [2,] 9 11 14 [3,] 3 12 15

Arrays : Matrizen sind die R-Objekte, in denen die Elemente in einem zweidimensionalen rechteckigen Layout angeordnet sind. Mit der Funktion matrix () wird eine Matrix erstellt. Beispiel: Matrix (Daten, nrow, ncol, byrow, dimnames) wo,

Daten ist der Eingabevektor, der zu den Datenelementen der Matrix wird.

nrow ist die Anzahl der zu erstellenden Zeilen.

ncol ist die Anzahl der zu erstellenden Spalten.

byrow ist ein logischer Hinweis. Wenn TRUE, sind die Eingabevektorelemente zeilenweise angeordnet.

dimname sind die Namen, die den Zeilen und Spalten zugewiesen sind.

> Mat<- matrix(c(1:16), nrow = 4, ncol = 4 ) > Mat

[, 1] [, 2] [, 3] [, 4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16

Faktoren : Faktoren sind die Datenobjekte, mit denen die Daten kategorisiert und als Ebenen gespeichert werden. Sie können sowohl Zeichenfolgen als auch Ganzzahlen speichern. Sie sind nützlich bei der Datenanalyse zur statistischen Modellierung.

> Daten<- c('East','West','East','North','North','East','West','West“,'East“) > factor_data<- factor(data) > factor_data

Ausgabe ::

[1] Ost-West-Ost-Nord-Nord-Ost-West-Ost Ebenen: Ost Nord West

Datenrahmen : Ein Datenrahmen ist eine Tabelle oder eine zweidimensionale Array-ähnliche Struktur, in der jede Spalte Werte einer Variablen und jede Zeile einen Satz von Werten aus jeder Spalte enthält.

> std_id = c (1: 5) > std_name = c ('Rick', 'Dan', 'Michelle', 'Ryan', 'Gary') > Noten = c (623,3,515,2,611,0,729,0,843,25) > std.data<- data.frame(std_id, std_name, marks) > std.data

Ausgabe ::

std_id std_name markiert 1 1 Rick 623.30 2 2 und 515,20 3 3 Michelle 611.00 4 4 Ryan 729.00 5 5 Gary 843.25

Auf diese Weise kommen wir zum Ende verschiedener Datentypen in R. Lassen Sie uns als Nächstes im R Tutorial-Blog fortfahren und ein anderes Schlüsselkonzept verstehen - Anweisungen zur Flusskontrolle.

R Tutorial: Flusssteuerungsanweisungen

Flusssteuerungsanweisungen spielen eine sehr wichtige Rolle, da Sie damit den Ausführungsfluss eines Skripts innerhalb einer Funktion steuern können. Die am häufigsten verwendeten Flusssteuerungsanweisungen sind in der folgenden Abbildung dargestellt:

Lassen Sie uns nun jeden einzelnen anhand von Beispielen diskutieren.

R Tutorial: Selector-Anweisungen

• Wenn Kontrollanweisung : Diese Steueranweisung wertet eine einzelne Bedingung aus. Es ist ganz einfach, da es nur ein einziges Schlüsselwort 'if' gefolgt von der Bedingung und dann eine Reihe von Anweisungen enthält, die ausgeführt werden müssen, falls dies der Fall ist. Weitere Informationen zum besseren Verständnis finden Sie im folgenden Flussdiagramm:

In diesem Flussdiagramm reagiert der Code folgendermaßen:

1. Zunächst wird die Schleife betreten, in der die Bedingung überprüft wird.
2. Wenn die Bedingung erfüllt ist, werden der bedingte Code oder die geschriebenen Anweisungen ausgeführt.
3. Wenn die Bedingung falsch ist, werden die Anweisungen ignoriert.

Unten ist ein Beispiel von wenn Steueranweisung in R. Versuchen Sie, dieses Beispiel in R Studio auszuführen.

x = 2 wiederhole {x = x ^ 2 drucke (x) wenn (x> 100) {break}

Ausgabe :

[1] 4 [1] 16 [1] 256

• Wenn sonst Kontrollanweisung ::Prüfungs Art der Steueranweisungwertet eine Gruppe von Bedingungen aus und wählt die Anweisungen aus. Weitere Informationen zum besseren Verständnis finden Sie im folgenden Flussdiagramm:

In diesem Flussdiagramm reagiert der Code folgendermaßen:

1. Zunächst wird die Schleife betreten, in der die Bedingung überprüft wird.
2. Wenn die Bedingung erfüllt ist, werden die ersten if-Anweisungen ausgeführt.
3. Wenn die Bedingung falsch ist, geht sie zur Bedingung 'else if' und wenn sie wahr ist, wird der Code 'else if' ausgeführt.
4. Wenn der Code 'else if' ebenfalls falsch ist, wird er in den Code 'else' verschoben und ausgeführt. Das heißt, wenn keine dieser Bedingungen erfüllt ist, wird die Anweisung 'else' ausgeführt.

Unten ist ein Beispiel von ansonsten Steueranweisung in R. Versuchen Sie, dieses Beispiel in R Studio auszuführen.

x5) {print ('x ist größer als 5')} elseif (x == 5) {print ('x ist gleich 5')} else {print ('x ist nicht größer als 5')}

Ausgabe:

[1] 'x ist gleich 5'

• Anweisungen wechseln : Diese Steueranweisungen werden grundsätzlich verwendet, um einen bestimmten Ausdruck mit einem bekannten Wert zu vergleichen. Weitere Informationen zum besseren Verständnis finden Sie im folgenden Flussdiagramm:

In diesem Flussdiagramm für den Switch-Fall reagiert der Code in den folgenden Schritten:

1. Zunächst wird der Schalterfall eingegeben, der einen Ausdruck hat.
2. Als nächstes geht es zur Bedingung von Fall 1 und überprüft den an die Bedingung übergebenen Wert. Wenn dies der Fall ist, wird der Anweisungsblock ausgeführt. Danach wird es von diesem Schaltergehäuse abbrechen.
3. Wenn es falsch ist, wird zum nächsten Fall gewechselt. Wenn die Bedingung für Fall 2 erfüllt ist, wird die Anweisung ausgeführt und von diesem Fall abgebrochen, andernfalls wird erneut zum nächsten Fall gesprungen.
4. Nehmen wir nun an, Sie haben keinen Fall angegeben oder es gibt eine falsche Eingabe vom Benutzer. Dann wird zum Standardfall gewechselt, in dem Ihre Standardanweisung gedruckt wird.

Unten finden Sie ein Beispiel für die switch-Anweisung in R. Versuchen Sie, dieses Beispiel in R Studio auszuführen.

vtr<- c(150,200,250,300,350,400) option <-'mean' switch(option, 'mean' = print(mean(vtr)), 'mode' = print(mode((vtr))), 'median' = print(median((vtr))) ) 

Ausgabe :

[1] 275

R Tutorial: Schleifenanweisungen

Mithilfe von Schleifen können Sie bestimmte Aktionen wiederholen, damit Sie sie nicht wiederholt ausführen müssen. Stellen Sie sich vor, Sie müssen eine Operation zehnmal ausführen. Wenn Sie den Code jedes Mal schreiben, erhöht sich die Länge des Programms und es ist für Sie später schwierig, ihn zu verstehen. Wenn ich jedoch eine Schleife verwende und dieselbe Anweisung in eine Schleife schreibe, spart dies Zeit und erleichtert die Lesbarkeit des Codes. Es wird auch in Bezug auf die Codeeffizienz optimiert.

Im obigen Bild wiederholen' und ' während 'Anweisungen helfen Ihnen, bestimmte Regeln auszuführen, bis die Bedingung erfüllt ist, aber' zum' ist eine Schleifenanweisung, die verwendet wird, wenn Sie wissen, wie oft Sie einen Anweisungsblock wiederholen möchten. Wenn Sie nun wissen, dass Sie es 10 Mal wiederholen möchten, werden Sie mit der Anweisung 'for' fortfahren. Wenn Sie jedoch nicht sicher sind, wie oft der Code wiederholt werden soll, werden Sie mit 'repeat' oder fortfahren 'while-Schleife.

Lassen Sie uns jeden einzelnen anhand von Beispielen diskutieren.

• Wiederholen : Die Wiederholungsschleife hilft dabei, denselben Codesatz immer wieder auszuführen, bis eine Stoppbedingung erfüllt ist. Weitere Informationen zum besseren Verständnis finden Sie im folgenden Flussdiagramm:

Im obigen Flussdiagramm reagiert der Code in den folgenden Schritten:

1. Zunächst wird eine Reihe von Codes eingegeben und ausgeführt.
2. Als nächstes wird die Bedingung überprüft. Wenn sie wahr ist, wird sie zurückgehen und denselben Codesatz erneut ausführen, bis er falsch sein soll.
3. Wenn sich herausstellt, dass es falsch ist, verlässt es die Schleife direkt.

• Während : Die while-Anweisung hilft auch dabei, denselben Codesatz immer wieder auszuführen, bis eine Stoppbedingung erfüllt ist. Weitere Informationen zum besseren Verständnis finden Sie im folgenden Flussdiagramm:

Im obigen Flussdiagramm reagiert der Code in den folgenden Schritten:

1. Zunächst wird der Zustand überprüft.
2. Wenn sich herausstellt, dass es wahr ist, wird der Codesatz ausgeführt.
3. Als nächstes überprüft es erneut die Bedingung. Wenn es wahr ist, führt es denselben Code erneut aus. Sobald festgestellt wird, dass die Bedingung falsch ist, verlässt sie sofort die Schleife.

Unten finden Sie ein Beispiel für eine while-Anweisung in R. Versuchen Sie, dieses Beispiel in R Studio auszuführen.

x = 2 während (x<1000) { x=x^2 print(x) } 

Ausgabe:

4 16 256 65 536

Sie müssen sich also fragen, wie sich diese beiden Aussagen unterscheiden? Lassen Sie mich Ihren Zweifel klären!
Hier besteht der Hauptunterschied zwischen der Wiederholungs- und der while-Anweisung darin, dass sie sich in Bezug auf Ihren Zustand ändert. Während loop definiert grundsätzlich, wann Sie die Schleife betreten, um die Anweisungen und auszuführen wiederholen Schleife definiert, wann Sie die Schleife nach der Ausführung der Anweisungen verlassen. Diese beiden Anweisungen werden als Eingangsregelkreis und Ausgangsregelkreis bezeichnet. So unterscheiden sich while- und repeat-Anweisungen.

• Für Schleife: For-Schleifen werden verwendet, wenn Sie einen Codeblock mehrmals ausführen müssen. Weitere Informationen zum besseren Verständnis finden Sie im folgenden Flussdiagramm:

Im obigen Flussdiagramm reagiert der Code in den folgenden Schritten:

1. Zunächst wird initialisiert, wo Sie angeben, wie oft die Schleife wiederholt werden soll.
2. Als nächstes wird der Zustand überprüft. Wenn die Bedingung erfüllt ist, wird der Codesatz für die angegebene Anzahl von Malen ausgeführt.
3. Sobald festgestellt wird, dass die Bedingung falsch ist, verlässt sie sofort die Schleife.

Unten finden Sie ein Beispiel für eine for-Anweisung in R. Versuchen Sie, dieses Beispiel in R Studio auszuführen.

vtr<- c(7,19,25,65, 45) for( i in vtr) { print(i) } 

Ausgabe :

7 19 25 65 45

Als nächstes gehen wir zu unserem letzten Satz von Anweisungen im R Tutorial-Blog über, d. H. Zu den Sprunganweisungen.

R Tutorial: Sprunganweisungen

Break Statement : Break-Anweisungen helfen beim Beenden des Programms und setzen die Steuerung mit der nächsten Anweisung fort, die der Schleife folgt. Diese Anweisungen werden auch im Schalterfall verwendet. Weitere Informationen zum besseren Verständnis finden Sie im folgenden Flussdiagramm:

Im obigen Flussdiagramm reagiert der Code in den folgenden Schritten:

1. Zunächst wird die Schleife betreten, in der die Bedingung überprüft wird.
2. Wenn die Schleifenbedingung falsch ist, verlässt sie die Schleife direkt.
3. Wenn die Bedingung erfüllt ist, wird die Unterbrechungsbedingung überprüft.
4. Wenn die Unterbrechungsbedingung wahr ist, existiert sie aus der Schleife.
5. Wenn die Unterbrechungsbedingung falsch ist, werden die in der Schleife verbleibenden Anweisungen ausgeführt und die gleichen Schritte wiederholt.

Unten finden Sie ein Beispiel für die Sprunganweisung in R. Versuchen Sie, dieses Beispiel in R Studio auszuführen.

x<- 1:5 for (val in x) { if (val == 3){ break } print(val) } 

Ausgabe:

[1] 1 [1] 2

Nächste Aussage : Eine nächste Anweisung wird verwendet, wenn Sie die aktuelle Iteration der Schleife überspringen möchten, ohne sie zu beenden. Die nächste Anweisung ähnelt der Option 'Weiter' in einer anderen Programmiersprache. Weitere Informationen zum besseren Verständnis finden Sie im folgenden Flussdiagramm:

Im obigen Flussdiagramm reagiert der Code in den folgenden Schritten:

1. Zunächst wird die Schleife betreten, in der die Bedingung überprüft wird.

2. Wenn die Schleifenbedingung falsch ist, verlässt sie die Schleife direkt.

3. Wenn die Schleifenbedingung wahr ist, werden Block 1-Anweisungen ausgeführt.

4. Danach wird nach der nächsten Anweisung gesucht. Wenn es vorhanden ist, werden die Anweisungen danach nicht in derselben Iteration der Schleife ausgeführt.

5. Wenn die nächste Anweisung nicht vorhanden ist, werden alle darauf folgenden Anweisungen ausgeführt.

Unten finden Sie ein Beispiel für die nächste Anweisung in R. Versuchen Sie, dieses Beispiel in R Studio auszuführen.

für (i in 1:15) {if ((i %% 2) == 0) {next} print (i)}

Ausgabe :

1 3 5 7 9 11 13 15

Dies ist das Ende des R-Tutorial-Blogs. Ich hoffe, euch ist klar über jedes Konzept, das ich oben besprochen habe. Bleiben Sie dran, mein nächster Blog wird sich mit R-Training befassen, in dem ich mit ex einige weitere Konzepte von R ausführlich erläutern werdereichlich.

Nachdem Sie die Grundlagen von R verstanden haben, lesen Sie die von Edureka, einem vertrauenswürdigen Online-Lernunternehmen mit einem Netzwerk von mehr als 250.000 zufriedenen Lernenden auf der ganzen Welt. Mit dem Data Analytics with R-Training von Edureka können Sie Fachkenntnisse in den Bereichen R-Programmierung, Datenmanipulation, explorative Datenanalyse, Datenvisualisierung, Data Mining, Regression, Stimmungsanalyse und Verwendung von R Studio für reale Fallstudien zu Einzelhandel und sozialen Medien erwerben.

Hast du eine Frage an uns? Bitte erwähnen Sie es im Kommentarbereich dieses 'R Tutorial' -Blogs und wir werden uns so schnell wie möglich bei Ihnen melden.