ఓపెన్ సోర్స్, సౌకర్యవంతమైనది, బహుళ ప్యాకేజీలను అందిస్తుంది మరియు భారీ సమాజాన్ని కలిగి ఉన్నందున R అత్యంత ప్రాచుర్యం పొందిన డేటా అనలిటిక్స్ సాధనం. ఇది సాఫ్ట్‌వేర్ ప్రోగ్రామర్లు, గణాంకవేత్తలు మరియు డేటా మైనర్‌ల కోసం రూపొందించబడింది, అందువల్ల జనాదరణ పొందింది .ఈ R ట్యుటోరియల్ బ్లాగులో, ఉదాహరణలతో R గురించి పూర్తి అవగాహన ఇస్తాను.
ఈ R ట్యుటోరియల్ బ్లాగులోని విషయాలు క్రింద ఇవ్వబడ్డాయి, వీటిని నేను ఈ క్రింది క్రమంలో చర్చిస్తాను:
- మనకు అనలిటిక్స్ ఎందుకు అవసరం ?
- బిజినెస్ అనలిటిక్స్ అంటే ఏమిటి ?
- ఎందుకు R మరియు ఎవరు R ను ఉపయోగిస్తారు ?
- R యొక్క సంస్థాపన
- డేటా ఆపరేటర్లు
- డేటా రకాలు
- ప్రవాహ అదుపు
R ట్యుటోరియల్: మాకు విశ్లేషణలు ఎందుకు అవసరం?
నేను ప్రశ్నకు సమాధానమిచ్చే ముందు, బహుళ డొమైన్లలో R లోని కొన్ని సమస్యలు మరియు వాటి పరిష్కారాలను మీకు తెలియజేస్తాను.
బ్యాంకింగ్ :
బ్యాంకుల్లో ప్రతిరోజూ పెద్ద మొత్తంలో కస్టమర్ డేటా ఉత్పత్తి అవుతుంది. డబ్ల్యూక్రమం తప్పకుండా మిలియన్ల మంది కస్టమర్లతో వ్యవహరించడం, వారి తనఖాలను ట్రాక్ చేయడం కష్టం అవుతుంది.
పరిష్కారం :
R ప్రతి కస్టమర్‌కు అందించిన రుణాలను నిర్వహించే కస్టమ్ మోడల్‌ను రూపొందిస్తుంది, ఇది కస్టమర్ చెల్లించాల్సిన మొత్తాన్ని కాలక్రమేణా నిర్ణయించడంలో మాకు సహాయపడుతుంది.
భీమా :
భీమా విస్తృతంగా అంచనా వేయడంపై ఆధారపడి ఉంటుంది. ఇది కష్టంఏ విధానాన్ని అంగీకరించాలో లేదా తిరస్కరించాలో నిర్ణయించుకోండి.
పరిష్కారం:
నిరంతర క్రెడిట్ నివేదికను ఇన్‌పుట్‌గా ఉపయోగించడం ద్వారా, మేము R లో ఒక నమూనాను సృష్టించగలము, అది ప్రమాద ఆకలిని అంచనా వేయడమే కాక, cast హాజనిత సూచనను కూడా చేస్తుంది.
ఆరోగ్య సంరక్షణ:
ప్రతి సంవత్సరం లక్షలాది మంది ఆసుపత్రిలో చేరతారు మరియు ప్రవేశ ప్రక్రియలో ఏటా బిలియన్లు ఖర్చు చేస్తారు.
పరిష్కారం :
రోగి చరిత్ర మరియు వైద్య చరిత్రను బట్టి, ఆసుపత్రిలో చేరే ప్రమాదం ఎవరికి ఉందో గుర్తించడానికి మరియు వైద్య పరికరాలను ఎంతవరకు కొలవాలి అనేదానిని అంచనా వేయడానికి ఒక model హాజనిత నమూనాను నిర్మించవచ్చు.
సంస్థల డేటాను సద్వినియోగం చేసుకోవడానికి మరియు క్రొత్త అవకాశాలను గుర్తించడానికి దాన్ని ఉపయోగించడానికి డేటా అనలిటిక్స్ ఎలా సహాయపడుతుందో ఇప్పుడు మనకు తెలుసు. ఒక సంస్థలో విశ్లేషణల అవసరం గురించి మేము మాట్లాడితే, మీరు ఈ 4 అంశాలను చూడాలి:
తరువాత, R ట్యుటోరియల్ బ్లాగులో ముందుకు వెళ్దాం, ఇక్కడ వ్యాపార విశ్లేషణలు ఏమిటో మనం మొదట అర్థం చేసుకుంటాము.
R ట్యుటోరియల్: బిజినెస్ అనలిటిక్స్ అంటే ఏమిటి?
బిజినెస్ అనలిటిక్స్ అనేది పెద్ద మొత్తంలో డేటాను పరిశీలించడం మరియు దాచిన నమూనాలు, సహసంబంధాలు మరియు ఇతర అంతర్దృష్టులను సాధించే ప్రక్రియ. సంస్థాగత డేటా, మార్కెట్ లేదా ఉత్పత్తి పరిశోధన డేటా లేదా మరేదైనా డేటా అయినా మీరు సేకరించిన మొత్తం డేటాను అర్థం చేసుకోవడానికి ఇది ప్రాథమికంగా మీకు సహాయపడుతుంది. మంచి నిర్ణయాలు, మంచి ఉత్పత్తులు, మంచి మార్కెటింగ్ వ్యూహాలు మొదలైనవి తీసుకోవడం మీకు సులభం అవుతుంది. మంచి అవగాహన కోసం ఈ క్రింది చిత్రాన్ని చూడండి:
మీరు పై బొమ్మను పరిశీలిస్తే, మొదటి చిత్రంలోని మీ డేటా చెల్లాచెదురుగా ఉంటుంది. ఇప్పుడు, మీరు డేటాబేస్లో ఒక నిర్దిష్ట రికార్డ్ వంటి ప్రత్యేకమైనదాన్ని కోరుకుంటే, అది గజిబిజిగా మారుతుంది. దీన్ని సరళీకృతం చేయడానికి, మీకు విశ్లేషణ అవసరం. విశ్లేషణతో, డేటా మధ్య పరస్పర సంబంధం కొట్టడం సులభం అవుతుంది. మీరు ఏమి చేయాలో స్థాపించిన తర్వాత, మీరు ఏ మార్గాన్ని అనుసరించాలనుకుంటున్నారు లేదా వ్యాపార విశ్లేషణల పరంగా నిర్ణయాలు తీసుకోవడం మీకు చాలా సులభం అవుతుంది, మీ సంస్థ యొక్క మంచికి ఏ మార్గం దారితీస్తుంది.
కానీ విశ్లేషణల తర్వాత మీరు అందిస్తున్న ముడి డేటాను పై గొలుసులోని వ్యక్తులు ఎల్లప్పుడూ అర్థం చేసుకుంటారని మీరు ఆశించలేరు. కాబట్టి ఈ అంతరాన్ని అధిగమించడానికి, మనకు ఒక భావన ఉంది డేటా విజువలైజేషన్ .
డేటా విజువలైజేషన్ : డేటా విజువలైజేషన్ అనేది విశ్లేషణల తర్వాత మీరు సృష్టించిన భారీ మొత్తంలో డేటాకు దృశ్య ప్రాప్యత. ముడి డేటాతో పోల్చడం కంటే మానవ మనస్సు దృశ్య చిత్రాలను ప్రాసెస్ చేస్తుంది మరియు విజువల్ గ్రాఫిక్స్ మెరుగ్గా ఉంటాయి. ముడి సంఖ్యలతో పోల్చినప్పుడు పై చార్ట్ లేదా బార్ గ్రాఫ్ అర్థం చేసుకోవడం మాకు ఎల్లప్పుడూ సులభం. మీరు ఇప్పటికే విశ్లేషించిన డేటా నుండి ఈ డేటా విజువలైజేషన్‌ను ఎలా సాధించగలరని ఇప్పుడు మీరు ఆలోచిస్తూ ఉండవచ్చు.
డేటా విజువలైజేషన్ కోసం మార్కెట్లో వివిధ సాధనాలు అందుబాటులో ఉన్నాయి:
డేటా విజువలైజేషన్ మరియు కొంత మొత్తంలో విశ్లేషణలను సాధించడంలో మీకు సహాయపడే ఇప్పటికే చాలా సాధనాలు ఉన్నాయని మీరు అందరూ ఆశ్చర్యపోతున్నారు, ఎందుకు R తో వెళ్లాలి?
కాబట్టి R ట్యుటోరియల్ బ్లాగులో నా తదుపరి అంశం ‘ఎందుకు R’ మరియు ‘ఎవరు R ని ఉపయోగిస్తున్నారు’.
R ట్యుటోరియల్: ఎందుకు R మరియు ఎవరు R ను ఉపయోగిస్తున్నారు?
ఎందుకు ఆర్?
R ఒక ప్రోగ్రామింగ్ మరియు గణాంక భాష.
డేటా విశ్లేషణ మరియు విజువలైజేషన్ కోసం R ఉపయోగించబడుతుంది.
R సరళమైనది మరియు నేర్చుకోవడం, చదవడం మరియు వ్రాయడం సులభం.
R అనేది ఒక ఫ్లోస్ (ఫ్రీ లిబ్రే మరియు ఓపెన్ సోర్స్ సాఫ్ట్‌వేర్) యొక్క ఉదాహరణ, ఇక్కడ ఈ సాఫ్ట్‌వేర్ కాపీలను ఉచితంగా పంపిణీ చేయవచ్చు, ఇది సోర్స్ కోడ్‌ను చదవవచ్చు, సవరించవచ్చు.
R ను ఎవరు ఉపయోగిస్తున్నారు?
- కన్స్యూమర్ ఫైనాన్షియల్ ప్రొటెక్షన్ బ్యూరో డేటా విశ్లేషణ కోసం R ని ఉపయోగిస్తుంది
- జాన్ డీర్ వద్ద గణాంకవేత్తలు టైమ్ సిరీస్ మోడలింగ్ మరియు జియోస్పేషియల్ విశ్లేషణ కోసం R ను నమ్మకమైన మరియు పునరుత్పాదక పద్ధతిలో ఉపయోగిస్తున్నారు.
- బ్యాంక్ ఆఫ్ అమెరికా రిపోర్టింగ్ కోసం R ని ఉపయోగిస్తుంది.
- ఫోర్స్క్వేర్ యొక్క ప్రఖ్యాత సిఫార్సు ఇంజిన్ వెనుక ఉన్న టెక్నాలజీ స్టాక్‌లో R భాగం.
- క్రెడిట్ రిస్క్ విశ్లేషణ కోసం R ను ఉపయోగిస్తున్న ఆస్ట్రేలియాలో నాల్గవ అతిపెద్ద బ్యాంకు ANZ.
- ఆర్థిక కార్యాచరణను అంచనా వేయడానికి గూగుల్ R ని ఉపయోగిస్తుంది.
- ఫైర్‌ఫాక్స్ వెబ్ బ్రౌజర్‌కు బాధ్యత వహించే ఫౌండేషన్ మొజిల్లా వెబ్ కార్యాచరణను దృశ్యమానం చేయడానికి R ని ఉపయోగిస్తుంది.
R ఉపయోగించబడే కొన్ని డొమైన్‌లు క్రింద ఉన్నాయి:
ఇప్పుడు, R ట్యుటోరియల్ బ్లాగులో ముందుకు సాగి, R.
R ట్యుటోరియల్: R యొక్క సంస్థాపన
మీ సిస్టమ్‌లో R ని ఇన్‌స్టాల్ చేసే ప్రక్రియ ద్వారా మీకు మార్గనిర్దేశం చేద్దాం. క్రింది దశలను అనుసరించండి:
దశ 1 : లింక్‌కి వెళ్లండి- https://cran.r-project.org/
దశ 2 : మీ సిస్టమ్‌లో R 3.3.3 ని డౌన్‌లోడ్ చేసి, ఇన్‌స్టాల్ చేయండి.
మంచి అవగాహన పొందడానికి క్రింది స్క్రీన్ షాట్‌ను చూడండి.
పై దశలను అనుసరించడం ద్వారా, మీరు R ఇన్స్టాలేషన్ భాగంతో పూర్తి చేస్తారు. ఇప్పుడు, మీరు RStudio IDE ని డౌన్‌లోడ్ చేయడం ద్వారా R లో నేరుగా కోడింగ్ ప్రారంభించవచ్చు. దీన్ని డౌన్‌లోడ్ చేయడానికి, క్రింది దశలను అనుసరించండి:
దశ 1 : లింక్‌కి వెళ్లండి- https://www.rstudio.com/
దశ 2 : మీ సిస్టమ్‌లో Rstudio ని డౌన్‌లోడ్ చేసి, ఇన్‌స్టాల్ చేయండి.
ప్రతిదీ ఇన్‌స్టాల్ చేసిన తర్వాత, మీరు అన్నీ కోడ్‌కు సెట్ అయ్యారు!
ప్రారంభకులకు R ట్యుటోరియల్ | R ప్రోగ్రామింగ్ ట్యుటోరియల్ | ఎడురేకా
తరువాత, R ట్యుటోరియల్ బ్లాగులో ముందుకు వెళ్దాం మరియు R. లో డేటా ఆపరేటర్లు ఏమిటో అర్థం చేసుకుందాం.
R ట్యుటోరియల్: R లో డేటా ఆపరేటర్లు
ప్రధానంగా 5 రకాల ఆపరేటర్లు ఉన్నారు, ఇవి క్రింద ఇవ్వబడ్డాయి:
- అంకగణిత ఆపరేటర్లు : అదనంగా, వ్యవకలనం, గుణకారం, విభజన వంటి అంకగణిత కార్యకలాపాలను జరుపుము.
- అసైన్మెంట్ ఆపరేటర్లు :విలువలను కేటాయించడానికి అసైన్మెంట్ ఆపరేటర్లను ఉపయోగిస్తారు. ఉదాహరణకి:
- అసైన్మెంట్ ఆపరేటర్ =
సింటాక్స్: వేరియబుల్ పేరు = విలువ
> x = 5 >x
అవుట్పుట్: [1] 5అసైన్మెంట్ ఆపరేటర్<-
సింటాక్స్: వేరియబుల్ పేరు<- value> x<- 15 > x
అవుట్పుట్: [1] 15- అసైన్మెంట్ ఆపరేటర్<<-
సింటాక్స్: వేరియబుల్ పేరు<<- value
> x<<- 2 > x
అవుట్పుట్: [1] 2- అసైన్మెంట్ ఆపరేటర్ ->
సింటాక్స్: విలువ -> వేరియబుల్ పేరు> 25 -> x > x
అవుట్పుట్: [1] 25
3. రిలేషనల్ ఆపరేటర్ : ఇది రెండు ఎంటిటీల మధ్య సంబంధాన్ని నిర్వచిస్తుంది. ఉదాహరణకి: ,<=,!= etc.
> xx! = 2అవుట్పుట్:[1] నిజం4. లాజికల్ ఆపరేటర్లు : ఈ ఆపరేటర్లు రెండు ఎంటిటీలను పోల్చి చూస్తారు మరియు సాధారణంగా &, | వంటి బూలియన్ (లాజికల్) విలువలతో ఉపయోగిస్తారు మరియు!.
> x2 & 3అవుట్పుట్:[1] నిజం5. స్పెషల్ ఆపరేటర్లు : ఈ ఆపరేటర్లు తార్కిక గణన కోసం కాకుండా నిర్దిష్ట ప్రయోజనం కోసం ఉపయోగిస్తారు. ఉదాహరణకి:
- ఇది వెక్టర్ కోసం వరుసగా సంఖ్యల శ్రేణిని సృష్టిస్తుంది.
> xxఅవుట్పుట్: [1] 2 3 4 5 6 7 8
- % in% ఒక మూలకం వెక్టర్‌కు చెందినదా అని గుర్తించడానికి ఈ ఆపరేటర్ ఉపయోగించబడుతుంది.
ఉదాహరణmysql_fetch_array
> xy లో% x లోఅవుట్పుట్: [1] నిజం
R ట్యుటోరియల్: డేటా రకాలు
సమాచారాన్ని నిల్వ చేయడానికి డేటా రకాలు ఉపయోగించబడతాయి. R లో, మనం వేరియబుల్‌ను కొన్ని డేటా రకంగా ప్రకటించాల్సిన అవసరం లేదు. వేరియబుల్స్ R- ఆబ్జెక్ట్లతో కేటాయించబడతాయి మరియు R- ఆబ్జెక్ట్ యొక్క డేటా రకం వేరియబుల్ యొక్క డేటా రకంగా మారుతుంది.R లో ప్రధానంగా ఆరు డేటా రకాలు ఉన్నాయి:
వాటిలో ప్రతిదానిపై మరింత వివరంగా చూద్దాం:
వెక్టర్ : వెక్టర్ అంటే ఒకే ప్రాథమిక రకానికి చెందిన డేటా మూలకాల క్రమం. ఉదాహరణ:
vtr = (1, 3, 5, 7 9)
లేదా
vtr<- (1, 3, 5 ,7 9)
5 అణు వెక్టర్స్ ఉన్నాయి, వీటిని ఐదు తరగతుల వెక్టర్స్ అని కూడా పిలుస్తారు.
జాబితా : జాబితాలు & వస్తువులు & మైనస్ సంఖ్యలు, తీగలను, వెక్టర్లను మరియు దానిలోని మరొక జాబితాను కలిగి ఉన్న R వస్తువులు.
> n = సి (2, 3, 5) > s = c ('aa', 'bb', 'cc', 'dd', 'ee') > x = జాబితా (n, s, TRUE) > x
అవుట్పుట్ -
[[1]] [1] 2 3 5 [[2]] [1] 'ఆ' 'బిబి' 'సిసి' 'డిడి' 'ఇఇ' [[3]] [1] నిజంశ్రేణులు : శ్రేణులు రెండు డేటా కంటే ఎక్కువ డేటాను నిల్వ చేయగల R డేటా వస్తువులు. ఇది వెక్టర్లను ఇన్‌పుట్‌గా తీసుకుంటుంది మరియు శ్రేణిని సృష్టించడానికి మసక పరామితిలో విలువలను ఉపయోగిస్తుంది.
వెక్టర్ 1<- c(5,9,3) వెక్టర్ 2<- c(10,11,12,13,14,15) ఫలితం<- array(c(vector1,vector2),dim = c(3,3,2))
అవుట్పుట్ -
,, 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
శ్రేణులు : మాత్రికలు రెండు వస్తువుల దీర్ఘచతురస్రాకార లేఅవుట్లో మూలకాలను అమర్చిన R వస్తువులు. మ్యాట్రిక్స్ () ఫంక్షన్ ఉపయోగించి మ్యాట్రిక్స్ సృష్టించబడుతుంది. ఉదాహరణ: మాతృక (డేటా, న్రో, ఎన్కోల్, బైరో, డిమ్ పేర్లు) ఎక్కడ,
సమాచారం ఇన్పుట్ వెక్టర్, ఇది మాతృక యొక్క డేటా మూలకాలు అవుతుంది.
nrow సృష్టించవలసిన అడ్డు వరుసల సంఖ్య.
ncol సృష్టించవలసిన నిలువు వరుసల సంఖ్య.
బైరో ఒక తార్కిక క్లూ. TRUE అయితే, ఇన్పుట్ వెక్టర్ అంశాలు వరుస ద్వారా అమర్చబడతాయి.
dimname అడ్డు వరుసలు మరియు నిలువు వరుసలకు కేటాయించిన పేర్లు.
> మత్<- matrix(c(1:16), nrow = 4, ncol = 4 ) > మత్అవుట్పుట్ :
[, 1] [, 2] [, 3] [, 4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16కారకాలు : కారకాలు డేటా వర్గీకరించడానికి మరియు దానిని స్థాయిలుగా నిల్వ చేయడానికి ఉపయోగించే డేటా వస్తువులు. వారు తీగలను మరియు పూర్ణాంకాలను నిల్వ చేయవచ్చు. గణాంక మోడలింగ్ కోసం డేటా విశ్లేషణలో ఇవి ఉపయోగపడతాయి.
> డేటా<- c('East','West','East','North','North','East','West','West“,'East“) > కారకం_డేటా<- factor(data) > కారకం_డేటా
అవుట్పుట్ :
[1] ఈస్ట్ వెస్ట్ ఈస్ట్ నార్త్ ఈస్ట్ వెస్ట్ వెస్ట్ ఈస్ట్ స్థాయిలు: ఈస్ట్ నార్త్ వెస్ట్
డేటా ఫ్రేమ్‌లు : డేటా ఫ్రేమ్ అనేది ఒక టేబుల్ లేదా రెండు డైమెన్షనల్ అర్రే లాంటి నిర్మాణం, దీనిలో ప్రతి కాలమ్ ఒక వేరియబుల్ విలువలను కలిగి ఉంటుంది మరియు ప్రతి అడ్డు వరుసలో ప్రతి కాలమ్ నుండి ఒక విలువలు ఉంటాయి.
> std_id = c (1: 5) > std_name = c ('రిక్', 'డాన్', 'మిచెల్', 'ర్యాన్', 'గారి') > మార్కులు = సి (623.3,515.2,611.0,729.0,843.25) > std.data<- data.frame(std_id, std_name, marks) > std.data
అవుట్పుట్ :
std_id std_name మార్కులు 1 1 రిక్ 623.30 2 2 మరియు 515.20 3 3 మిచెల్ 611.00 4 4 ర్యాన్ 729.00 5 5 గారి 843.25
దీని ద్వారా, మేము R. లోని విభిన్న డేటా రకాలు చివరికి వస్తాము. తరువాత, R ట్యుటోరియల్ బ్లాగులో ముందుకు సాగి, మరొక ముఖ్య భావనను అర్థం చేసుకుందాం - ప్రవాహ నియంత్రణ ప్రకటనలు.
R ట్యుటోరియల్: ఫ్లో కంట్రోల్ స్టేట్మెంట్స్
ఫ్లో కంట్రోల్ స్టేట్‌మెంట్‌లు చాలా ముఖ్యమైన పాత్ర పోషిస్తాయి ఎందుకంటే అవి ఫంక్షన్ లోపల స్క్రిప్ట్ అమలు యొక్క ప్రవాహాన్ని నియంత్రించడానికి మిమ్మల్ని అనుమతిస్తాయి. సాధారణంగా ఉపయోగించే ప్రవాహ నియంత్రణ ప్రకటనలు క్రింది చిత్రంలో సూచించబడతాయి:
ఇప్పుడు, వాటిలో ప్రతి ఒక్కటి ఉదాహరణలతో చర్చిద్దాం.
R ట్యుటోరియల్: సెలెక్టర్ స్టేట్మెంట్స్
- నియంత్రణ స్టేట్మెంట్ ఉంటే : ఈ నియంత్రణ ప్రకటన ఒకే పరిస్థితిని అంచనా వేస్తుంది. ఇది 'if' అనే ఒకే కీవర్డ్‌ని కలిగి ఉన్నందున ఇది చాలా సులభం, ఆపై అది నిజమైతే అమలు చేయాల్సిన కొన్ని స్టేట్‌మెంట్‌లు. మంచి అవగాహన పొందడానికి క్రింది ఫ్లోచార్ట్ చూడండి:
ఈ ఫ్లోచార్ట్‌లో, కోడ్ ఈ క్రింది విధంగా స్పందిస్తుంది:
- అన్నింటిలో మొదటిది, ఇది పరిస్థితిని తనిఖీ చేసే లూప్‌లోకి ప్రవేశిస్తుంది.
- షరతు నిజమైతే, షరతులతో కూడిన కోడ్ లేదా రాసిన స్టేట్‌మెంట్‌లు అమలు చేయబడతాయి.
- షరతు తప్పు అయితే, ప్రకటనలు విస్మరించబడతాయి.
క్రింద ఒక ఉదాహరణ ఉంటే R. లో నియంత్రణ స్టేట్మెంట్ ఈ ఉదాహరణను R స్టూడియోలో అమలు చేయడానికి ప్రయత్నించండి.
x = 2 పునరావృతం {x = x ^ 2 ప్రింట్ (x) ఉంటే (x> 100) {బ్రేక్}అవుట్పుట్:
[1] 4 [1] 16 [1] 256
- వేరే కంట్రోల్ స్టేట్మెంట్ ఉంటే :పరీక్షనియంత్రణ ప్రకటన రకంపరిస్థితుల సమూహాన్ని అంచనా వేస్తుంది మరియు ప్రకటనలను ఎంచుకుంటుంది. మంచి అవగాహన పొందడానికి క్రింది ఫ్లోచార్ట్ చూడండి:
ఈ ఫ్లోచార్ట్‌లో, కోడ్ ఈ క్రింది విధంగా స్పందిస్తుంది:
- అన్నింటిలో మొదటిది, ఇది పరిస్థితిని తనిఖీ చేసే లూప్‌లోకి ప్రవేశిస్తుంది.
- షరతు నిజమైతే, మొదటి ‘if’ స్టేట్‌మెంట్‌లు అమలు చేయబడతాయి.
- షరతు తప్పు అయితే, అది ‘else if’ కండిషన్‌కు వెళుతుంది మరియు అది నిజమైతే, ‘else if’ కోడ్ అమలు అవుతుంది.
- చివరగా, ‘else if’ కోడ్ కూడా తప్పు అయితే, అది ‘else’ కోడ్‌కు వెళ్లి అది అమలు అవుతుంది. దీని అర్థం ఈ షరతులు ఏవీ నిజం కాకపోతే, ‘వేరే’ స్టేట్మెంట్ అమలు అవుతుంది.
క్రింద ఒక ఉదాహరణ లేకపోతే R. లో నియంత్రణ స్టేట్మెంట్ ఈ ఉదాహరణను R స్టూడియోలో అమలు చేయడానికి ప్రయత్నించండి.
x5) {ముద్రణ ('x 5 కన్నా ఎక్కువ')} elseif (x == 5) {ముద్రణ ('x 5 కి సమానం')} else {ముద్రణ ('x 5 కన్నా ఎక్కువ కాదు')}అవుట్పుట్:
[1] 'x 5 కి సమానం'
- ప్రకటనలను మార్చండి : ఈ నియంత్రణ ప్రకటనలు ప్రాథమికంగా ఒక నిర్దిష్ట వ్యక్తీకరణను తెలిసిన విలువతో పోల్చడానికి ఉపయోగిస్తారు. మంచి అవగాహన పొందడానికి క్రింది ఫ్లోచార్ట్ చూడండి:
ఈ స్విచ్ కేసు ఫ్లోచార్ట్‌లో, కోడ్ క్రింది దశల్లో ప్రతిస్పందిస్తుంది:
- మొదట ఇది వ్యక్తీకరణ ఉన్న స్విచ్ కేసులో ప్రవేశిస్తుంది.
- తరువాత అది కేస్ 1 షరతుకు వెళుతుంది, షరతుకు పంపిన విలువను తనిఖీ చేస్తుంది. ఇది నిజమైతే, స్టేట్మెంట్ బ్లాక్ అమలు అవుతుంది. ఆ తరువాత, అది ఆ స్విచ్ కేసు నుండి విచ్ఛిన్నమవుతుంది.
- ఒకవేళ అది తప్పు అయితే, అది తదుపరి కేసుకి మారుతుంది. కేస్ 2 షరతు నిజమైతే, అది స్టేట్మెంట్ ను ఎగ్జిక్యూట్ చేస్తుంది మరియు ఆ కేసు నుండి విడిపోతుంది, లేకుంటే అది మళ్ళీ తదుపరి కేసుకు చేరుకుంటుంది.
- ఇప్పుడు మీరు ఏ కేసును పేర్కొనలేదని లేదా వినియోగదారు నుండి కొంత తప్పు ఇన్పుట్ ఉందని చెప్పండి, అప్పుడు అది మీ డిఫాల్ట్ స్టేట్మెంట్ ను ప్రింట్ చేసే డిఫాల్ట్ కేసుకి వెళుతుంది.
R లో స్విచ్ స్టేట్మెంట్ యొక్క ఉదాహరణ క్రింద ఉంది. ఈ ఉదాహరణను R స్టూడియోలో అమలు చేయడానికి ప్రయత్నించండి.
vtr<- c(150,200,250,300,350,400) option <-'mean' switch(option, 'mean' = print(mean(vtr)), 'mode' = print(mode((vtr))), 'median' = print(median((vtr))) )
అవుట్పుట్:
[1] 275
R ట్యుటోరియల్: లూప్ స్టేట్మెంట్స్
కొన్ని చర్యలను పునరావృతం చేయడానికి లూప్స్ మీకు సహాయపడతాయి, తద్వారా మీరు వాటిని పదేపదే చేయనవసరం లేదు. మీరు 10 సార్లు ఆపరేషన్ చేయవలసి ఉందని g హించుకోండి, మీరు ప్రతిసారీ కోడ్ రాయడం ప్రారంభిస్తే, ప్రోగ్రామ్ యొక్క పొడవు పెరుగుతుంది మరియు తరువాత అర్థం చేసుకోవడం మీకు కష్టమవుతుంది. అదే సమయంలో లూప్‌ను ఉపయోగించడం ద్వారా, నేను అదే స్టేట్‌మెంట్‌ను లూప్ లోపల వ్రాస్తే, అది సమయాన్ని ఆదా చేస్తుంది మరియు కోడ్ రీడబిలిటీని సులభతరం చేస్తుంది. ఇది కోడ్ సామర్థ్యానికి సంబంధించి మరింత ఆప్టిమైజ్ అవుతుంది.
జావాలో ప్రతిష్ఠంభనను ఎలా నివారించాలి
పై చిత్రంలో, ‘ రిపీట్ ’ మరియు ‘ అయితే ‘షరతులు నిజం అయ్యేవరకు నిర్దిష్ట నియమాలను అమలు చేయడానికి స్టేట్‌మెంట్‌లు మీకు సహాయపడతాయి కానీ’ కోసం ’ లూప్ స్టేట్మెంట్, మీరు స్టేట్మెంట్ యొక్క బ్లాక్ను ఎన్నిసార్లు పునరావృతం చేయాలనుకుంటున్నారో మీకు తెలిసినప్పుడు ఉపయోగించబడుతుంది. ఇప్పుడు, మీరు దీన్ని 10 సార్లు పునరావృతం చేయాలనుకుంటున్నారని మీకు తెలిస్తే, మీరు 'ఫర్' స్టేట్‌మెంట్‌తో వెళతారు, అయితే కోడ్ ఎన్నిసార్లు పునరావృతం కావాలని మీకు తెలియకపోతే, మీరు 'రిపీట్' లేదా 'while' లూప్.
వాటిలో ప్రతి ఒక్కటి ఉదాహరణలతో చర్చిద్దాం.
- పునరావృతం చేయండి : స్టాప్ కండిషన్ నెరవేరే వరకు అదే కోడ్ యొక్క సెట్‌ను మళ్లీ మళ్లీ అమలు చేయడానికి రిపీట్ లూప్ సహాయపడుతుంది. మంచి అవగాహన పొందడానికి క్రింది ఫ్లోచార్ట్ చూడండి:
పై ఫ్లోచార్ట్‌లో, కోడ్ క్రింది దశల్లో స్పందిస్తుంది:
- మొదట ఇది కోడ్ యొక్క సమితిని నమోదు చేస్తుంది మరియు అమలు చేస్తుంది.
- తరువాత అది పరిస్థితిని తనిఖీ చేస్తుంది, అది నిజమైతే అది తిరిగి వెళ్లి అదే కోడ్ యొక్క సమితిని మళ్ళీ తప్పు అని అర్ధం అయ్యే వరకు అమలు చేస్తుంది.
- ఇది తప్పు అని తేలితే, అది నేరుగా లూప్ నుండి నిష్క్రమిస్తుంది.
- ఉండగా : స్టాప్ కండిషన్ నెరవేరే వరకు అదే కోడ్ యొక్క సెట్‌ను మళ్లీ మళ్లీ అమలు చేయడానికి స్టేట్మెంట్ సహాయపడుతుంది. మంచి అవగాహన పొందడానికి క్రింది ఫ్లోచార్ట్ చూడండి:
పై ఫ్లోచార్ట్‌లో, కోడ్ క్రింది దశల్లో స్పందిస్తుంది:
- మొదట ఇది పరిస్థితిని తనిఖీ చేస్తుంది.
- ఇది నిజమని తేలితే, అది కోడ్ సమితిని అమలు చేస్తుంది.
- తరువాత, ఇది మళ్ళీ పరిస్థితిని తనిఖీ చేస్తుంది, దాని నిజమైతే అది మళ్ళీ అదే కోడ్‌ను అమలు చేస్తుంది. పరిస్థితి తప్పు అని తేలిన వెంటనే, అది వెంటనే లూప్ నుండి బయటకు వస్తుంది.
R లో స్టేట్మెంట్ యొక్క ఉదాహరణ క్రింద ఉంది, ఈ ఉదాహరణను R స్టూడియోలో అమలు చేయడానికి ప్రయత్నించండి.
x = 2 అయితే (x<1000) { x=x^2 print(x) } అవుట్పుట్:
4 16 256 65 536
కాబట్టి ఈ రెండు ప్రకటనలు ఎలా విభిన్నంగా ఉన్నాయో మీరు ఆలోచిస్తున్నారా? మీ సందేహాన్ని నాకు తెలపండి!
ఇక్కడ రిపీట్ మరియు స్టేట్మెంట్ మధ్య ఉన్న ప్రధాన వ్యత్యాసం ఏమిటంటే ఇది మీ పరిస్థితికి సంబంధించి మారుతుంది. ఉండగా స్టేట్మెంట్లను అమలు చేయడానికి మీరు లూప్ ఎంటర్ చేయబోతున్నప్పుడు లూప్ ప్రాథమికంగా నిర్వచిస్తుంది పునరావృతం స్టేట్మెంట్ల అమలు తర్వాత మీరు లూప్ నుండి బయలుదేరినప్పుడు లూప్ నిర్వచిస్తుంది. కాబట్టి ఈ రెండు స్టేట్మెంట్లను ఎంట్రీ కంట్రోల్ లూప్ మరియు ఎగ్జిట్ కంట్రోల్ లూప్ అంటారు. అదే సమయంలో మరియు పునరావృత ప్రకటనలు భిన్నంగా ఉంటాయి.
- లూప్ కోసం: మీరు కోడ్ యొక్క బ్లాక్ను అనేకసార్లు అమలు చేయాల్సిన అవసరం వచ్చినప్పుడు ఉచ్చులు ఉపయోగించబడతాయి. మంచి అవగాహన పొందడానికి క్రింది ఫ్లోచార్ట్ చూడండి:
పై ఫ్లోచార్ట్‌లో, కోడ్ క్రింది దశల్లో స్పందిస్తుంది:
- మొదట లూప్ ఎన్నిసార్లు పునరావృతం కావాలని మీరు పేర్కొంటే అక్కడ ప్రారంభించడం ఉంది.
- తరువాత, ఇది పరిస్థితిని తనిఖీ చేస్తుంది. షరతు నిజమైతే, అది పేర్కొన్న సంఖ్యల కోసం కోడ్ సమితిని అమలు చేస్తుంది.
- పరిస్థితి తప్పు అని తేలిన వెంటనే, అది వెంటనే లూప్ నుండి బయటకు వస్తుంది.
R లో స్టేట్మెంట్ కోసం క్రింద ఒక ఉదాహరణ R స్టూడియోలో ఈ ఉదాహరణను అమలు చేయడానికి ప్రయత్నించండి.
vtr<- c(7,19,25,65, 45) for( i in vtr) { print(i) } అవుట్పుట్:
7 19 25 65 45
తరువాత, R ట్యుటోరియల్ బ్లాగులోని మా చివరి స్టేట్మెంట్ స్టేట్మెంట్కి వెళ్దాం, అనగా జంప్ స్టేట్మెంట్స్.
R ట్యుటోరియల్: జంప్ స్టేట్మెంట్స్
బ్రేక్ స్టేట్మెంట్ : బ్రేక్ స్టేట్‌మెంట్‌లు ప్రోగ్రామ్‌ను ముగించడానికి సహాయపడతాయి మరియు లూప్ తరువాత తదుపరి స్టేట్‌మెంట్‌కు నియంత్రణను తిరిగి ప్రారంభిస్తాయి. ఈ ప్రకటనలు స్విచ్ కేసులో కూడా ఉపయోగించబడతాయి. మంచి అవగాహన పొందడానికి క్రింది ఫ్లోచార్ట్ చూడండి:
పై ఫ్లోచార్ట్‌లో, కోడ్ క్రింది దశల్లో స్పందిస్తుంది:
- అన్నింటిలో మొదటిది, ఇది పరిస్థితిని తనిఖీ చేసే లూప్‌లోకి ప్రవేశిస్తుంది.
- లూప్ పరిస్థితి తప్పు అయితే, అది నేరుగా లూప్ నుండి నిష్క్రమిస్తుంది.
- పరిస్థితి నిజమైతే, అది బ్రేక్ కండిషన్‌ను తనిఖీ చేస్తుంది.
- బ్రేక్ కండిషన్ నిజమైతే, అది లూప్ నుండి ఉంటుంది.
- బ్రేక్ కండిషన్ తప్పు అయితే, అది లూప్‌లో మిగిలి ఉన్న స్టేట్మెంట్లను అమలు చేస్తుంది మరియు తరువాత అదే దశలను పునరావృతం చేస్తుంది.
R లో జంప్ స్టేట్మెంట్ యొక్క ఉదాహరణ క్రింద ఉంది. ఈ ఉదాహరణను R స్టూడియోలో అమలు చేయడానికి ప్రయత్నించండి.
x<- 1:5 for (val in x) { if (val == 3){ break } print(val) } అవుట్పుట్:
[1] 1 [1] 2
తదుపరి ప్రకటన : మీరు లూప్ యొక్క ప్రస్తుత పునరుక్తిని ముగించకుండా దాటవేయాలనుకున్నప్పుడు తదుపరి స్టేట్మెంట్ ఉపయోగించబడుతుంది. తదుపరి స్టేట్మెంట్ ఇతర ప్రోగ్రామింగ్ భాషలో ‘కొనసాగించు’ కు చాలా పోలి ఉంటుంది. మంచి అవగాహన పొందడానికి క్రింది ఫ్లోచార్ట్ చూడండి:
పై ఫ్లోచార్ట్‌లో, కోడ్ క్రింది దశల్లో స్పందిస్తుంది:
అన్నింటిలో మొదటిది, ఇది పరిస్థితిని తనిఖీ చేసే లూప్‌లోకి ప్రవేశిస్తుంది.
లూప్ పరిస్థితి తప్పు అయితే, అది నేరుగా లూప్ నుండి నిష్క్రమిస్తుంది.
లూప్ కండిషన్ నిజమైతే, అది బ్లాక్ 1 స్టేట్మెంట్లను అమలు చేస్తుంది.
ఆ తర్వాత అది ‘తదుపరి’ స్టేట్మెంట్ కోసం తనిఖీ చేస్తుంది. అది ఉన్నట్లయితే, ఆ తరువాత ఉన్న స్టేట్‌మెంట్‌లు లూప్ యొక్క అదే పునరావృతంలో అమలు చేయబడవు.
‘తదుపరి’ స్టేట్మెంట్ లేకపోతే, ఆ తర్వాత అన్ని స్టేట్‌మెంట్‌లు అమలు చేయబడతాయి.
R లోని తదుపరి స్టేట్మెంట్ యొక్క ఉదాహరణ క్రింద ఉంది, ఈ ఉదాహరణను R స్టూడియోలో అమలు చేయడానికి ప్రయత్నించండి.
(i 1:15 లో) {if ((i %% 2) == 0) {తదుపరి} ముద్రణ (i)} కోసంఅవుట్పుట్:
1 3 5 7 9 11 13 15ఇది R ట్యుటోరియల్ బ్లాగ్ ముగింపు. నేను పైన చర్చించిన ప్రతి భావన గురించి మీరు స్పష్టంగా ఉన్నారని నేను ఆశిస్తున్నాను. వేచి ఉండండి, నా తదుపరి బ్లాగ్ R శిక్షణలో ఉంటుంది, ఇక్కడ నేను R యొక్క మరికొన్ని అంశాలను వివరంగా వివరిస్తానుపుష్కలంగా.
ఇప్పుడు మీరు R యొక్క ప్రాథమికాలను అర్థం చేసుకున్నారు, చూడండి ప్రపంచవ్యాప్తంగా విస్తరించి ఉన్న 250,000 మందికి పైగా సంతృప్తికరమైన అభ్యాసకుల నెట్‌వర్క్‌తో విశ్వసనీయ ఆన్‌లైన్ లెర్నింగ్ సంస్థ ఎడురేకా చేత. R ప్రోగ్రామింగ్, డేటా మానిప్యులేషన్, ఎక్స్ప్లోరేటరీ డేటా అనాలిసిస్, డేటా విజువలైజేషన్, డేటా మైనింగ్, రిగ్రెషన్, సెంటిమెంట్ అనాలిసిస్ మరియు రిటైల్, సోషల్ మీడియాపై నిజ జీవిత కేసు అధ్యయనాల కోసం R స్టూడియోని ఉపయోగించడంలో R శిక్షణతో ఎదురేకా యొక్క డేటా అనలిటిక్స్ మీకు సహాయం చేస్తుంది.
మాకు ప్రశ్న ఉందా? దయచేసి ఈ “R ట్యుటోరియల్” బ్లాగ్ యొక్క వ్యాఖ్యల విభాగంలో పేర్కొనండి మరియు మేము వీలైనంత త్వరగా మిమ్మల్ని సంప్రదిస్తాము.