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.