Untitled
tahir gordei adam
2024-04-17
R VE RSTUDIO -R ve Rstudio yukledim
-projeler ve odevlerim yapmaya orendim
-Rmarkdown dosyasını açmak için sol üst köşede bulunan ok tuşuna bastim ve üçüncü sırada bulunan R Markdown seçtim.
-Proje adi neydi nasil kullanacagim ve neler yapacagim ogrenmeye baladim
-internetten projem sectim
paket nedir ?
R paketi, R programlama dilinde kullanılan ve belirli bir amaca yönelik işlevlerin bir araya getirildiği bir koleksiyondur. R, QDistatistik analizlerinin yapılması, veri manipülasyonu, grafik oluşturma, makine öğrenimi uygulamaları ve daha fazlası gibi çeşitli veri analizi görevlerini gerçekleştirmek için yaygın olarak kullanılan bir programlama dilidir.
Paketler neden kullanılır
R paketleri, R kullanıcılarının işlerini kolaylaştırmak ve verimliliklerini artırmak için bir dizi işlev ve veri kümesi sağlar. Paketler, R dilinde yazılmış fonksiyonlar, veri setleri, dokümantasyon ve örnekler gibi çeşitli bileşenleri içerebilir. R paketleri, R dilinde yazılmış kodun tekrar kullanılabilirliğini ve paylaşılabilirliğini sağlar. Ayrıca, R topluluğu tarafından oluşturulan ve sürdürülen birçok paket mevcuttur, bu da kullanıcıların geniş bir işlev yelpazesine erişim sağlar. R paketleri, R kullanıcılarına geniş bir işlevsellik sağlayarak veri analizi süreçlerini daha etkili ve verimli hale getirir. Bu paketler, R topluluğu tarafından sürekli olarak geliştirilmekte ve güncellenmektedir, bu nedenle R kullanıcılarına yeni ve gelişmiş araçlar sunmaya devam etmektedir.
ornek 1 “Epicontacts” paketi
R programlama dili için bir pakettir ve epidemiyolojik ağ analizlerinde kullanılır. Bu paket, bulaşıcı hastalıkların yayılmasını incelemek için kişiler arasındaki temas ağlarını analiz etmeyi sağlar.
Epicontacts, aşağıdaki başlıca işlevlere sahiptir:
Veri Yapısını Oluşturma: Epicontacts, temel olarak kişiler arasındaki temasları temsil eden bir veri yapısı olan “epicontacts” nesneleri üzerinde çalışır. Bu veri yapısı, temaslar ve epidemiyolojik olaylar (örneğin, enfeksiyon vakaları) hakkında bilgi içerir.
Ağ Analizi: Epicontacts, temel ağ ölçümlerini hesaplamak ve ağın yapısal özelliklerini analiz etmek için işlevler sağlar. Örneğin, ağın yoğunluğunu, merkezilik ölçütlerini ve diğer ağ özelliklerini hesaplamak için kullanılabilir.
Görselleştirme: Epicontacts paketi, ağların görselleştirilmesini kolaylaştıran işlevler içerir. Ağ grafiği çizmek, düğümleri ve kenarları renklendirmek, düğümleri boyutlandırmak ve diğer görsel özellikleri özelleştirmek için kullanılabilir.
Veri İşleme: Epicontacts, verileri filtrelemek, dönüştürmek ve birleştirmek için işlevler sağlar. Bu, verileri analiz etmek ve ağ yapısını oluşturmak için gerekli olan veri işleme adımlarını gerçekleştirmeyi kolaylaştırır.
Epicontacts paketi, epidemiyolojik ağ analizlerinde kullanılan birçok diğer paketle birlikte çalışabilir. Örneğin, “igraph” paketi ile ağ analizi işlemleri gerçekleştirebilir veya “ggplot2” paketi ile grafikler oluşturabilirsiniz.
Epicontacts paketi hakkında daha fazla bilgi edinmek ve örnekler görmek için resmi belgelere ve paketin R topluluğundaki kaynaklara başvurmanızı öneririm.
2 ornek”EpiR Handbook” paketti
EpiR Handbook, R programlama dili için bir kaynak kitaptır ve epidemiyoloji analizlerinde kullanılan “EpiR” paketinin kullanımına ilişkin ayrıntılı talimatlar içerir. EpiR, epidemiyolojik verilerin analizi ve görselleştirilmesi için bir dizi istatistiksel yöntem ve grafik işlevini sağlar.
EpiR Handbook, EpiR paketinin sunduğu işlevleri ve bu işlevlerin nasıl kullanılacağını anlatır. Kitap, epidemiyolojik veri setleri üzerinde çeşitli analizler gerçekleştirmek, epidemiyolojik ölçütleri hesaplamak, epidemiyolojik eğrileri çizmek, epidemiyolojik örneklem büyüklüğünü tahmin etmek ve diğer epidemiyolojik analizler için R’nin nasıl kullanılacağını açıklar.
ornek 3 ggplot2 paketti
ggplot2, R programlama dilinde görselleştirme ve grafik oluşturma için kullanılan popüler bir pakettir. ggplot2, “Grammar of Graphics” (Grafiklerin Grameri) prensiplerine dayanan bir yaklaşım kullanarak verileri grafiklere dönüştürmek için güçlü bir araç sağlar.
ggplot2 paketinin bazı temel özellikleri şunlardır:
Veri Odaklı Grafikler: ggplot2, veriye dayalı grafikler oluşturur. Veri setleri üzerinde estetik özellikler (örneğin, x ve y eksenleri, renkler, şekiller) belirlenir ve bu özellikler verilerle eşleştirilir. Bu sayede, veri setindeki farklı değişkenlerin grafik üzerinde nasıl temsil edileceği kontrol edilebilir.
Katmanlı Grafikler: ggplot2, grafiklerin katmanlarını kullanır.
ornek 4 Pacmac paketti
“Pac-Man” (tam adıyla “Puck-Man”), video oyun endüstrisinin klasik ve popüler bir oyunudur. İlk olarak 1980 yılında Namco tarafından piyasaya sürülmüştür. Oyun, bir yuvarlak karakter olan Pac-Man’i kontrol ederek labirent içinde yemleri yemeyi ve hayaletlerden kaçmayı amaçlar.
Pac-Man oyununda amaç, Pac-Man’i labirent içinde gezdirerek tüm yemleri yemektir. Labirentte yemler dağılmıştır ve oyuncu Pac-Man’i yemlere yönlendirerek onları yemelidir. Bunu yaparken, dört farklı renkte hayaletlerden kaçmalıdır. Hayaletler, Pac-Man’e temas ettiklerinde onu yakalarlar ve oyuncunun canını kaybetmesine neden olurlar.
Oyunda bazı özel yemler de bulunur, bunlara “energizer” denir. Pac-Man bu energizer yemlerini yedikçe hayaletler kısa bir süreliğine mavi renge döner ve yenebilir hâle gelir. Bu durumda oyuncu hayaletleri yiyebilir ve ekstra puanlar kazanabilir.
Pac-Man, zamanla bir klasik haline gelerek video oyun tarihinde önemli bir yere sahip olmuştur. Oyunun basit oynanışı, renkli grafikleri ve eğlenceli müzikleri birçok oyuncunun ilgisini çekmiş ve popülerliğini sürdürmüştür. Ayrıca, Pac-Man’in birçok devam oyunu, yeniden yapımı ve varyasyonu da piyasaya sürülmüştür.
Pac-Man hakkında daha fazla bilgi edinmek ve oynamak için, çeşitli oyun konsolları, mobil cihazlar veya bilgisayarlar için uygun platformlarda bulunan Pac-Man oyunlarını araştırabilirsiniz.
Shiny
Shiny, R programlama dilinde web tabanlı etkileşimli uygulamalar geliştirmek için kullanılan bir pakettir. Bu paket, R kullanıcılarının veri analizi sonuçlarını veya istatistiksel modelleri web tarayıcıları üzerinde etkileşimli olarak paylaşmalarını sağlar. Shiny’nin önemi birkaç yönden gelir:
Etkileşimli Veri Analizi: Shiny, R kullanıcılarının statik grafiklerin ötesine geçerek verileri etkileşimli bir şekilde görselleştirmelerine olanak tanır. Kullanıcılar, grafikleri, tabloları veya diğer çıktıları etkileşimli olarak keşfedebilir ve filtreleyebilirler. Web Uygulamaları Geliştirme Kolaylığı: Shiny, R kullanıcılarının R diliyle aşina oldukları veri analizi ve modelleme becerilerini kullanarak web tabanlı uygulamalar geliştirmelerini sağlar. Bu, analiz sonuçlarını paylaşmak, interaktif raporlar oluşturmak veya veri odaklı karar destek araçları oluşturmak gibi birçok kullanım durumu için önemlidir. R Topluluğu ve Ekosistemiyle Entegrasyon: Shiny, R topluluğunun ve R ekosisteminin diğer paketlerinin avantajlarından yararlanır. Örneğin, ggplot2 gibi popüler bir grafik oluşturma paketi, Shiny uygulamalarında kullanılabilir. Kullanım Kolaylığı: Shiny, web uygulamalarını oluşturmak için bir dizi kullanımı kolay araç ve şablon sunar. Bu, R kullanıcılarının hızla etkileşimli uygulamalar oluşturmasına olanak tanır. Sonuç olarak, Shiny’nin önemi, R kullanıcılarının veri analizi sonuçlarını etkileşimli bir şekilde paylaşmalarını, veriye erişmelerini ve veriye dayalı kararlar almalarını sağlayarak veri bilimi süreçlerini daha etkili hale getirmesinden gelir.
Dünya bankası verılerini yüklemek
WDI Paketı
< https://databank.worldbank.org/reports.aspx?source=2&series=NY.GNP.ATLS.CD&country=
< https://data.worldbank.org/indicator/SP.POP.TOTL?view=chart
NY.GNP.ATLS.CD
SP.POP.TOTL
library(WDI)## Warning: le package 'WDI' a été compilé avec la version R 4.3.3data <- WDI(country = "all" , indicator = c("NY.GNP.ATLS.CD","SP.POP.TOTL"),
start =2000)data_WDI <- data str(data_WDI)## 'data.frame': 6384 obs. of 6 variables:
## $ country : chr "Afghanistan" "Afghanistan" "Afghanistan" "Afghanistan" ...
## $ iso2c : chr "AF" "AF" "AF" "AF" ...
## $ iso3c : chr "AFG" "AFG" "AFG" "AFG" ...
## $ year : int 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 ...
## $ NY.GNP.ATLS.CD: num NA NA NA NA NA ...
## ..- attr(*, "label")= chr "GNI, Atlas method (current US$)"
## $ SP.POP.TOTL : num 19542982 19688632 21000256 22645130 23553551 ...
## ..- attr(*, "label")= chr "Population, total"library(explore)## Warning: le package 'explore' a été compilé avec la version R 4.3.3describe_all(data)## # A tibble: 6 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 country chr 0 0 266 NA NA NA
## 2 iso2c chr 0 0 266 NA NA NA
## 3 iso3c chr 0 0 262 NA NA NA
## 4 year int 0 0 24 2000 2.01e 3 2.02e 3
## 5 NY.GNP.ATLS.CD dbl 878 13.8 5461 25358454. 2.22e12 1.02e14
## 6 SP.POP.TOTL dbl 289 4.5 6047 9609 2.86e 8 7.95e 9Ekstra_veri <- data$countrylibrary(tidyverse)## Warning: le package 'tidyverse' a été compilé avec la version R 4.3.3## Warning: le package 'ggplot2' a été compilé avec la version R 4.3.3## Warning: le package 'tibble' a été compilé avec la version R 4.3.3## Warning: le package 'tidyr' a été compilé avec la version R 4.3.3## Warning: le package 'readr' a été compilé avec la version R 4.3.3## Warning: le package 'purrr' a été compilé avec la version R 4.3.3## Warning: le package 'dplyr' a été compilé avec la version R 4.3.3## Warning: le package 'stringr' a été compilé avec la version R 4.3.2## Warning: le package 'forcats' a été compilé avec la version R 4.3.3## Warning: le package 'lubridate' a été compilé avec la version R 4.3.3## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.5.0 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorsdata_ekstra<- data$countrydata <- data %>%
mutate(NY.GNP.ATLS.CD = coalesce(NY.GNP.ATLS.CD, 0),
NY.GNP.ATLS.CD = coalesce(NY.GNP.ATLS.CD, 0))data_FR_TR <-data %>% filter(iso3c %in% c("FR" , "TR"))library(ggplot2)ggplot(data_FR_TR, aes(year, NY.GNP.ATLS.CD, color = country)) +
geom_line() +
labs(x = "Year", y = "GNP", title = "NY.GNP.ATLS.CD FR and TR")
kayip_degerler <- data %>% group_by(country) %>% summarise(kayip_degerler = sum(is.na(NY.GNP.ATLS.CD)))data_kesitveri <- data%>%filter(year == 2022)ggplot(data_kesitveri, aes(x= NY.GNP.ATLS.CD , y= SP.POP.TOTL, color="RED")) + geom_line()
data_kesitveri_CNveINsiz <- data_kesitveri %>% filter(iso2c !="CN")data_kesitveri_CNveINsiz <- data_kesitveri_CNveINsiz %>% filter(iso2c !="IN")data_kesitveri_CNveINveUSsiz <- data_kesitveri_CNveINsiz %>% filter(iso2c !="US")data_kesitveri_CNveINveUSveRUsiz <- data_kesitveri_CNveINveUSsiz %>% filter(iso2c !="RU")ggplot(data_kesitveri_CNveINveUSveRUsiz, aes(x = NY.GNP.ATLS.CD, y =SP.POP.TOTL, label = iso2c, "geom_blank()")) +
geom_point() +
geom_text()## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_point()`).## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_text()`).
data_kesitveri_CNveINveUSveRUveJPsiz <- data_kesitveri_CNveINveUSveRUsiz %>% filter(iso2c !="JP")ggplot(data_kesitveri_CNveINveUSveRUveJPsiz, aes(x = NY.GNP.ATLS.CD, y =SP.POP.TOTL, label = iso2c, "geom_blank()" ) , color=year ) +
geom_point() +
geom_text()## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_point()`).## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_text()`).
dunya_datasi <- data %>% group_by(year) %>% summarise(ulkeGSMH = sum(NY.GNP.ATLS.CD ) , ulkenusfusu = sum(SP.POP.TOTL),
kişibaşındüşendeğer=ulkeGSMH/ulkenusfusu)ggplot(dunya_datasi, aes(x = ulkeGSMH, y = year, color="red")) +
geom_line() 
ggplot(dunya_datasi, aes(x = year, y = ulkenusfusu, color= year)) +
geom_line()## Warning: Removed 24 rows containing missing values or values outside the scale range
## (`geom_line()`).