learn-r-programming
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

a = 2
2 -> a

ถ้าต้องการให้แสดงผลลัพธ์จากการทำงานตลอด
โดยไม่ต้อง print ค่าออกมาดูเอง
ให้ทำการเขียนดังนี้

(a = 2)
(2 -> a)

จากนั้นทำการกำหนด Working directory

ซึ่งทำได้หลายแบบ
แต่ถ้าไม่อยากผูกติดกับเครื่องมือ ก็ใช้คำสั่ง

getwd()
setwd('<your working directory>')

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

demo()  #ดูว่ามี demo เรื่องอะไรบ้าง
demo(graphics)  #ดู demo ของ package graphics

ผลการทำงานจาก demo

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

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()

สิ่งที่น่าสนใจคือ c มันคืออะไร ?
แนะนำให้ใช้ help(c)
จะพบว่า c มันคือ Combine values into Vector or List
พร้อมยกตัวอย่างการใช้งาน
เห็นไหมว่า help มันช่วยเหลือเราได้มากเลยนะ

ยกตัวอย่างการใช้งาน Matrix

เป็นชนิดข้อข้อมูลอีกแบบที่ถูกใช้งานเยอะ
เราสามารถสร้างได้ดังนี้

vector1 = c(1, 2, 3 ,4 ,5, 6)
matrix1 = matrix( vector1, nrow=3 ) #กำหนดให้มี 3 row
matrix2 = matrix( vector1, ncol=2 ) #กำหนดให้มี 2 column

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

x = c(1,2,3)
y = c(10,20, 30)
z = c(100,200,300)
t = data.frame(a=x, b=y, c=z)

จากนั้นถ้าต้องการดึงข้อมูลในแต่ละ column มาใช้งาน
สามารถทำได้ดังนี้

t$a
t[['a']]
t[, 'a' ]
t[, c('b', 'a')] #ดึงหลาย ๆ  column

มาทำ workshop เรื่อง Data frame กันนิดหน่อย

โดยให้ทำการ random ข้อมูลขึ้นมา 3 ชุด
จากนั้นทำการสร้าง Data frame และ แสดงผลในรูปแบบ graph ด้วย plot
สามารถเขียน code ได้ดังนี้

x1 = rnorm(100)
x2 = rnorm(100)
x3 = rnorm(100)

t3 = data.frame(a=x1, b=x1+x2, c=x1+x2+x3)
t3

plot(t3)

แสดงผลการทำงานดังนี้

Rplot

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

install.packages("dplyr")

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

Rplot01

หรือแสดงข้อมูลในรูปแบบอื่น ๆ ได้เช่น

install.packages("dplyr")

(table_iris = tbl_df(iris)) #Table in console
View(iris) #Table in R Studio
glimpse(iris)

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

iris %>% filter(Sepal.Length>7) %>% select(Sepal.Length, Sepal.Width, Species)

คำถามต่อมาคือ ถ้าต้องเก็บผลการทำงานไว้ในตัวแปรล่ะต้องทำอย่างไรดี ?
ซึ่งสามารถทำได้ 2 แบบ คือ

result = iris %>% filter(Sepal.Length>7) %>% select(Sepal.Length, Sepal.Width, Species)

iris %>% filter(Sepal.Length>7) %>% select(Sepal.Length, Sepal.Width, Species) -> result

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 !!

Tags: