Startside

• Startside for arbeidsbøkene

Arbeidsbøker

• Arbeidsbok 2: Data i R
• Arbeidsbok 3: Visualisering av data i R
• Arbeidsbok 4: Statistisk analyse
• Arbeidsbok 5: Bivariat regresjonsanalyse
• Arbeidsbok 6: Multivariat regresjonsanalyse

Oppgavesett

• Oppgavesett 1: Introduksjon til R
• Oppgavesett 2: Data i R
• Oppgavesett 3: Visualisering av data i R
• Oppgavesett 4: Statistisk analyse
• Oppgavesett 5: Bivariat regresjonsanalyse
• Oppgavesett 6: Multivariat regresjonsanalyse

Objekter i R

I denne delen skal vi lære videre om objekter og andre typer objekter som består av andre ting enn tall og utregninger. R kan håndtere mange ulike objekter som både består av tall og bokstaver og andre mulige kombinasjoner. Vi skal opprette flere objekter og lage det som i R kalles vektorer. Du kan gjerne tenke på en vektor som det vi kaller en variabel i STV1020. Objekter kan bestå av ulike ting, alt fra tall til bokstaver.

Fra forrige del lærte vi at <- brukes for å opprette objekter, at vi kan selv velge navn på objekene våre (men at vi bør unngå noen navn) og at objektene kan inneholde enkelttall, men også utregninger.

Dersom du vil lagre annen informasjon i objektet, som for eksempel bokstaver, så må du skrive det som står på høyreside av pilen i anførselstegn/hermetegn:

hei <- "louisa"

hei

Her printer R innholdet av hei som er “louisa”.

Vi kan legge til flere navn i objektet ‘navn’ ved hjelp av parenteser og c. Det gjør vi på følgende måte:

navn <- c("Louisa", "Lise", "Eric", "Eli")

Her lager jeg et objekt som heter navn, men som inneholder fire forskjellige navn. Legg merke til at bokstav-verdier må være i anførselstegn.

navn

Her lister R innholdet i objektet navn.

alder <- c(26, 27, 30, 29)

#Begynn med navnet på objektet, alder, etterfulgt av 'opprette-objekt-pilen'. Deretter skriver du c og så parentes. Inni parentesen skriver du hver av tallene i rekkefølgen over og skiller hvert tall med komma. 

hjemby <- c("Stavanger", "Oslo", "Bergen", "Skien")

#Begynn med navnet på objektet, hjemby, etterfulgt av 'opprette-objekt-pilen'. Deretter skriver du c og så parentes. Inni parentesen skriver du hver av byene i anførselstegn og i samme rekkefølge som over. Husk at hver by må ha egne anførselstegn og at du skiller hver by med komma.

avstand_oslo <- c(547, 0, 463, 132)

Nå har vi laget fire ulike variabler/vektorer:

• navn som består av fire navn

• alder som består av fire aldre i antall år

• hjemby som består av fire bynavn

• avstand_oslo som består av tall (avstand til Oslo fra de fire byene i hjemby i antall km).

I neste del skal vi bruke disse fire variablene til å lære mer om målenivå og regning i R.

Klasser i R

Vi kan lage vektorer/variabler med ulikt innhold som tall og bokstaver. Innholdet påvirker hva vi kan gjøre med vektoren. For eksempel så gir det ikke mening å regne ut gjennomsnittet av variabelen navn, mens vi kan fint regne gjennomsnittet av avstand_oslo. avstand_oslo viser antall km til Oslo fra de ulike hjembyene.

I R så er det klassen som bestemmer hva vi kan gjøre med en variabel og visse funksjoner krever at dataene er i visse klasser. Hovedklassene vi kommer til å bruke er; numeric/integer, character, logical og factor. Numeric er tall. De fleste mattefunksjoner krever at dataene er numeric. For å sjekke om noe er numeric kan vi bruke funksjonen is.numeric().

I forrige kapittel lagde vi et objekt som heter en_til_hundre. Objektet, består av alle tall fra en til hundre. Vi skal nå sjekke klassen på dette objektet med koden is.numeric().

is.numeric(en_til_hundre)

## [1] TRUE

Her ser vi at vi får opp “TRUE” som betyr at objektet en_til_hundre er numerisk. Dere vil kanskje kommer over klassen integer. Integer er en spesiell type numerisk vektor som kun består av hele tall, altså ikke desimaltall.

Vi kan også bruke funksjonen class() til å hente ut informasjon om klassen:

class(en_til_hundre)

## [1] "integer"

R oppgir at en_til_hundre er integer fordi den består kun av hele tall fra 1 til 100, og ikke f.eks 1.5 osv.

Husk at du har lagd variabler med navn:

• navn

• hjemby

• alder

• avstand_oslo

# Husk at du må skrive class() for hver variabel. Begynn med class(hjemby) på rad 1, så class(alder) på rad 2 osv. Først når du har koden for å sjekke klassen til alle variablene vil du få riktig svar. 

I stad spurte vi R om objektet/variabelen en_til_hundre var numerisk. Spør om objektet navn er numerisk ved å bruke samme kode.

is.numeric(navn)

Her ser vi at R svarer FALSE fordi variabelen ikke er numerisk.

Du kan bruke class(), men du kan også spørre R om klassen er factor, character, logical eller integer som er de andre klassene i R. Dette gjør du vet å bytte ut numeric i is.numeric() med for eksempel factor så det blir is.factor().

is.character(navn)

# Bytt ut numeric i `is.numeric()` med character så du får `is.character()`.

Regne med objekter

Nå skal du prøve å kjøre noen funksjoner på objektene du har laget. Funksjoner er også objekter, men det blir først interessant når du holder på med litt mer avansert kode. La oss se om vi kan finne gjennomsnittet av objektene du lagd.

Med funksjonen mean() får vi gjennomsnittet for hele vektoren/objektet. Som oftest er det det vi ønsker, men om vi kun ønsket gjennomsnittet av noen utvalgte tall så er det også mulig ved hjelp av indeksering eller filtrering. Dette skal vi se mer på senere. For å regne ut gjennomsnittet av et objekt må vi skrive navnet på objektet i parentesen mean(objekt_navn/variabel)

mean(avstand_oslo)

mean(alder)

Lage data

Noen ganger har vi lyst til å slå sammen data som er av forskjellige typer. I eksempelet vi har jobbet med til nå har vi data om alder, navn, hjemby og avstand fra hjemby til oslo for fire personer, og vi skal nå slå sammen disse fire vektorene til et datasett. For å gjøre dette bruker vi koden data.frame(). En dataframe består av flere kolonner, hvor hver kolonne er en vektor. Vektorene kan ha ulik klasse, og det kan for eksempel være en character vektor og en numerisk vektor i et datasett. Vi kan tenke på disse kolonnene som variabler.

Vi kan tenke på hver rad i en dataframe som en observasjon. En observasjon kan for eksempel være en person, en gruppe, et land i et gitt år eller en by. Når du skal kjøre analyser i senere arbeidsbøker eller oppgaver, så vil vi som regel laste inn datasett/dataframes som andre har laget, men vi kan også lage dem selv. Du har allerede laget objekter/variabler. Det vi skal gjøre nå er å bruke koden data.frames() for å sy sammen alle objektene til et objekt med rader og kolonner.

Her er en oversikt over variablene. Det vi gjør med koden data.frames() er å gjøre hver av verdiene i ‘navn’ til en observasjon som har en verdi på de ulike vektorene: navn, alder, hjemby og avstand_oslo.

navn <- c("Louisa", "Lise", "Eric", "Eli")

alder <- c(26, 27, 30, 29)

hjemby <- c("Stavanger", "Oslo", "Bergen", "Skien")

avstand_oslo <- c(547, 0, 463, 132)

En viktig regel for dataframes er at alle vektorene må ha like mange rader med informasjon, eller lik lengde. For å sjekke lengden på vektoren så kan vi se i environment eller bruke funksjonen length().

length(navn)

## [1] 4

Vi ser at alle vektorene har samme lengde (4). Vi lager datasettet ved hjelp av funksjonen data.frame(). Når vi bruker den koden lager vi også et objekt. Jeg kaller det mine_data. Inni koden skriver jeg objektnavna til variablene du har lagd.

mine_data <- data.frame(navn, alder, hjemby, avstand_oslo)

Vise data

Vi kan utforske datasettet vi har lagd nærmere ved å bruke View(). Husk her at R er sensitiv til store og små bokstaver, og her er det en stor V. Mellom parentesen skriver du navnet på dataobjektet ditt.

View(mine_data)

Regne med data

Til nå så har vi bare skrevet navnet på vektoren for å hente ut informasjon. Nå som vi har det i en dataframe, må vi først velge denne og så kolonnen. En mer vanlig måte å hente ut kolonner på er med $.

Her skriver jeg først navnet på dataframen, og så variabelen:

mine_data$navn 

## [1] "Louisa" "Lise"   "Eric"   "Eli"

Når du bruker funksjer, som f.eks mean() må du skrive navnet på datasett etterfulgt av $ og deretter navnet på variabelen du ønsker å regne ut gjennomsnittet på. Du må altså skrive mean(navn_på_dataobjekt$navn_på_variabel.

mean(mine_data$alder)

# Husk at vi nå jobber med datasett og da må du inkludere navnet på datasettet etterfult av dollartegn ($) og deretter variabelen i datasettet du ønsker å hente frem.

En annen måte og hente ut informasjon om gjennomsnittet og mye annet er ved å bruke summary() funksjonen.

summary(mine_data$alder)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   26.00   26.75   28.00   28.00   29.25   30.00

summary() kan også brukes for å hente ut informasjon om alle vektorene/variablene i et datasett.

summary(mine_data)

##      navn               alder          hjemby           avstand_oslo  
##  Length:4           Min.   :26.00   Length:4           Min.   :  0.0  
##  Class :character   1st Qu.:26.75   Class :character   1st Qu.: 99.0  
##  Mode  :character   Median :28.00   Mode  :character   Median :297.5  
##                     Mean   :28.00                      Mean   :285.5  
##                     3rd Qu.:29.25                      3rd Qu.:484.0  
##                     Max.   :30.00                      Max.   :547.0

Vi kommer tilbake til summary() i senere arbeidsbøker.