R + RStudio

R: Varifrån?

 print(citation(), bibtex = FALSE)

To cite R in publications use:

  R Core Team (2024). _R: A Language and Environment for Statistical
  Computing_. R Foundation for Statistical Computing, Vienna, Austria.
  <https://www.R-project.org/>.

We have invested a lot of time and effort in creating R, please cite it
when using it for data analysis. See also 'citation("pkgname")' for
citing R packages.

R: Varför?

• 💪 Extremt flexibelt: databearbetning, analys, modellering, visualisering och rapportering

• 💰 Gratis och transparent

• 👨‍👩‍👧‍👧 Användargrupper (User groups) och stor hjälpsamhet på nätet

• Lätt att dela kod (jmfr. att beskriva manuella GUI-steg)

• Mogen kodbas som förbättrats över tid (utvecklats i 30 år; jmfr t ex Julia)

R: När ska du välja R istf SPSS?

• Om du lockas av programmering 💻

• Om du ser en framtid inom kvantitativ forskning (doktorera?) 🧑‍🔬

• Om du vill kunna göra mer avancerade saker som inte stöds av SPSS

RStudio

• Integrerad utvecklingsmiljö (Integrated Development Environment; IDE)

• Gratis i grundutförande

• Från företaget Posit (tidigare RStudio)

• Public Benefit Corporation (PBC)

R: Tilldelning/återanvändning

Det som skrivs i konsolen “printas” direkt.

Det man vill spara tilldelas med <- (eller =)

Kortkommando: Alt/option + “-”

x <- 1
x

[1] 1

y <- 2 
y 

[1] 2

z <- x + y
z

[1] 3

Case sensitive (ABC != abc != Abc != aBc != …)

R: Vektorer

c(1, 1, 2, 3, 5, 8) # numerisk vektor

[1] 1 1 2 3 5 8

c(TRUE, FALSE) # boolsk/logisk vektor

[1]  TRUE FALSE

c("hej", "på", "dig") # character vector

[1] "hej" "på"  "dig"

as.Date(c("1985-05-04", "2023-11-22", "2024-01-26")) # datum

[1] "1985-05-04" "2023-11-22" "2024-01-26"

R: Funktioner

• Funktioner används för att göra saker med data.

• Skriver man namnet_på_funktionen ser man hur den är definierad

• Skriver man parenteser efter så anropar man funktionen: namnet_på_funktionen()

• De flesta funktioner har ett eller flera argument namnet_på_funktionen(a = x, b = y, c = z)

• ?funktionsnamn i konsolen (eller tryck F1) för hjälp

R: Exempel: c()

Kombinerar/konkatinerar värden till vektorer

c

function (...)  .Primitive("c")

?c
c()

NULL

c(1, 2, 3)

[1] 1 2 3

R: Hantera saknade värden

• Vad är medelvärdet av 1, 37, 42?

  mean(1, 37, 42) # OBS! Glöm inte c(...)

  [1] 1

  mean(c(1, 37, 42))

  [1] 26.66667

• Vad är medelvärdet av 1, 37, NA, 42?

  mean(c(1, 37, NA, 42))

  [1] NA

• Medelvärdet av en samling värden, varav ett okänt, blir förstås också okänt

• Hur kan vi hantera detta? Kolla ?mean

  mean(c(1, 37, NA, 42), na.rm = TRUE)

  [1] 26.66667

R: Data frame

Datastruktur som liknar Excel-blad eller data i SPSS.

Kolumner består av vektorer av olika sorter.

iris # printa data frame i konsolen
View(iris) # Öppna en mer grafisk struktur
tail(iris) # titta på de sista 6 raderna
str(iris) # få information om strukturen

head(iris, 5) # Visa 5 första raderna

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa

RStudio: Projekt

• Samla alla filer (data/R-skript/resultat) i projekt-mapp på datorn

• Bäst om sökvägen endast består av A-Z/a-z, siffror samt “_” (undvik å, ä, ö samt mellanslag):

  • Windows: C:\User\banane\Documents\nice_project

  • Mac: /Users/xbuler/Documents/nice_project

RStudio: Quarto

• Blanda kommentarer/R-kod/figurer/tabeller i ett och samma dokument

• Fungerar lite som en vanlig orbehandlare

• Denna presentation är gjord på detta sätt!

R/RStudio: Data

• Ofta lättast sköta själva datainmatningen/förberedelsen i Excel, SPSS eller annat program.

• Spara filen i “RStudio-projektet” t ex i en undermapp “data”.

• Importera data via grafiska gränssnittet i RStudio

• Kopiera genererade inläsningskommandon till skriptfilen.

R: Sökvägar

• I Windows: Byt ut \ mot / vid referens till fil:

  • C:\User\banane\Documents\nice_project
  • C:/User/banane/Documents/nice_project

• Använd relativa sökvägar inom projektet

  • C:/User/banane/Documents/nice_project/data/my_data.csv
  • data/my_data.csv

• t ex: df <- read.csv("data/my_data.csv")

R/RStudio: Paket

• Alla funktioner (med mera) finns i paket.

• Några paket kommer förinstallerade.

• Detta behöver man (nästan aldrig) tänka på!

R: CRAN

• Kvalitetssäkrade och lättinstallerade tilläggspaket finns i The Comprehensive R Archive Network

• Installera via grafiskt gränssnit (GUI): Packages > Install

• eller kommando: install.packages("name_of_package")

Använda funktioner från installerade paket

• Installerade paket måste pekas ut explicit vid användning:

  • Ladda hela paketet (rekommenderas i början):
    • library("name_of_package") + sedan name_of_function(x, y, x)
  • Referera varje funktion explicit varje gång:
    • name_of_package::name_of_function()

R: Tibble

Delar alla egenskaper med data.frames men lite snyggare/modernare

library(tidyverse)
as_tibble(iris)

# A tibble: 150 × 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
          <dbl>       <dbl>        <dbl>       <dbl> <fct>  
 1          5.1         3.5          1.4         0.2 setosa 
 2          4.9         3            1.4         0.2 setosa 
 3          4.7         3.2          1.3         0.2 setosa 
 4          4.6         3.1          1.5         0.2 setosa 
 5          5           3.6          1.4         0.2 setosa 
 6          5.4         3.9          1.7         0.4 setosa 
 7          4.6         3.4          1.4         0.3 setosa 
 8          5           3.4          1.5         0.2 setosa 
 9          4.4         2.9          1.4         0.2 setosa 
10          4.9         3.1          1.5         0.1 setosa 
# ℹ 140 more rows

glimpse(iris)

Rows: 150
Columns: 5
$ Sepal.Length <dbl> 5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9, 5.4, 4.…
$ Sepal.Width  <dbl> 3.5, 3.0, 3.2, 3.1, 3.6, 3.9, 3.4, 3.4, 2.9, 3.1, 3.7, 3.…
$ Petal.Length <dbl> 1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1.…
$ Petal.Width  <dbl> 0.2, 0.2, 0.2, 0.2, 0.2, 0.4, 0.3, 0.2, 0.2, 0.1, 0.2, 0.…
$ Species      <fct> setosa, setosa, setosa, setosa, setosa, setosa, setosa, s…

R: Pipe

|> (eller tidigare %>%)

# Alt 1: Modifiera ett objekt stegvis med massa nya nammn på vägen
steg1 <- foo(x)
steg2 <- bar(steg1)
steg3 <- baz(steg2)

# Alt 2: Funktion i funktion i funktion
steg3 <- baz(bar(foo(x)))

# Alt 3: Med |> (lättare att läsa och skriva)
steg3 <- x |> foo() |> bar() |> baz()

Att lära sig

• Google är din vän!

• Övning ger färdighet!

• https://www.r-project.org/help.html

• https://education.rstudio.com/learn/

• https://stackoverflow.com/questions/tagged/r