R - Histórico de revisão

Diacronie1 em 06h56min de 24 de agosto de 2021

2021-08-24T06:56:29Z

Diacronie1 em 06h54min de 24 de agosto de 2021

2021-08-24T06:54:41Z

Lana.Sato em 03h31min de 17 de agosto de 2021

2021-08-17T03:31:29Z

Lana.Sato em 03h30min de 17 de agosto de 2021

2021-08-17T03:30:00Z

Lana.Sato em 03h29min de 17 de agosto de 2021

2021-08-17T03:29:37Z

Lana.Sato em 03h27min de 17 de agosto de 2021

2021-08-17T03:27:51Z

Lana.Sato em 03h23min de 17 de agosto de 2021

2021-08-17T03:23:07Z

Lana.Sato em 03h13min de 17 de agosto de 2021

2021-08-17T03:13:07Z

Lana.Sato em 03h09min de 17 de agosto de 2021

2021-08-17T03:09:47Z

Lana.Sato em 03h05min de 17 de agosto de 2021

2021-08-17T03:05:52Z

@@ Linha 14: / Linha 14: @@
 R, in quanto linguaggio di programmazione, può essere eseguito o da riga di comando o tramite un'apposita interfaccia, chiamata ''RStudio'', disponibile sia come applicazione desktop che come applicazione web. In questa sede, si farà riferimento all'applicazione desktop scaricabile al presente [https://rstudio.com/products/rstudio/ link]. Si nota che, scaricando RStudio, R sarà automaticamente installato nel proprio computer.
-[[Arquivo:InR1.png|600px|thumb|center|''Figura 4: Interfaccia grafica di RStudio,'']]
+[[Arquivo:InR1.png|600px|thumb|center|''Figura 1: Interfaccia grafica di RStudio,'']]
-L'interfaccia grafica di RStudio si presenta come in Figura 4. Le potenzialità sono molteplici, ma i principali elementi su cui bisogna porre maggiore attenzione sono:
+L'interfaccia grafica di RStudio si presenta come in Figura 1. Le potenzialità sono molteplici, ma i principali elementi su cui bisogna porre maggiore attenzione sono:
 * Il riquadro in alto a sinistra, che contiene l'editor. Questo permette non solo di creare degli script ma anche di visualizzare eventuali dati in formato tabulare;

@@ Linha 50: / Linha 50: @@
 Si noterà che, dopo l’assegnamento, il nome dell'entità, con il relativo contenuto, comparirà nella ''“Environment”'' in alto a destra. Il vantaggio di creare oggetti è, difatti, quello di poterli richiamare e riutilizzare in seguito. Ad esempio, se si volessero analizzare alcuni dati relativi al numero di telefoni (espresso in migliaia) <ref>Cfr. [https://www.rdocumentation.org/packages/datasets/versions/3.6.2/topics/WorldPhones RDocumentation].</ref>  presenti in diverse regioni del mondo dall’anno 1951 al 1961, li si potrebbe inserire in un oggetto al fine di richiamarli più agevolmente in seguito. Per accedere ai dati di cui sopra si è detto, è possibile usare la funzione ''data()'' che permette di recuperare una serie di dataset che l’ambiente di R offre: nel nostro caso, il dataset da recuperare ha il nome di ''“World Phones”''. Pertanto scrivendo <span style="color:#0000FF"> > data ("WorldPhones") </span> nella riga di comando si noterà la creazione di un oggetto nella scheda del ''working environment'' (vedi Figura 5).
-[[Arquivo:InR3.png|500px|thumb|center|''Figura 5: visualizzazione dell'oggetto creato nell'Environment'']]
+[[Arquivo:InR3.png|500px|thumb|center|''Figura 2: visualizzazione dell'oggetto creato nell'Environment'']]
 Si noterà, anche, che cliccando su di esso, si aprirà nell’editor la tabella contenente i dati come in Figura 6.
-[[Arquivo:InR4.png|800px|thumb|center|''Figura 6: visualizzazione della tabella dei dati nell'Editor'']]
+[[Arquivo:InR4.png|800px|thumb|center|''Figura 3: visualizzazione della tabella dei dati nell'Editor'']]
 A questo punto, quello che si è ottenuto, altro non è che un dataframe sul quale è possibile lavorare per ottenere risposte a diverse domande. Per esempio, qual è la media di numeri di telefono che si possedevano in un certo anno nelle diverse regioni del mondo? Qual è la regione del mondo con più numeri di telefono in un certo anno? Prima di questo, però, si prenda familiarità con alcune semplici funzioni che permettono di calcolare media o mediana e trovare il valore minimo e massimo all’interno del dataset numerico. Rispettivamente si avrà: ''mean(), median(), min() e max()'' a cui basterà aggiungere, entro le parentesi, il nome del dataframe. Una funzione molto utile per ottenere un prospetto di questi valori per l’intero dataset è ''summary()''.

@@ Linha 6: / Linha 6: @@
 |testo=
-== Le basi di R ==
+'''Le basi di R'''
 A partire dalla fine del secolo scorso, nel campo degli studi storici, ha iniziato a diffondersi la pratica di digitalizzare una grande moltitudine di dati storici, prevalentemente per ragioni di efficienza e di velocità di recupero di questi dati. Una volta in possesso di dati digitalizzati, in realtà, un ulteriore vantaggio è quello di effettuare su di essi analisi di tipo statistico. Uno dei linguaggi che più si è affermato in quest’ultimo campo è R, un termine dal duplice significato. Con esso si può, difatti, indicare sia un linguaggio di programmazione usato per l'analisi statistica e la visualizzazione di dati, che un “ambiente di sviluppo” <ref> Di solito un ambiente di sviluppo è costituito dai seguenti elementi: editor, per la scrittura delle istruzioni; compilatore; debugger, uno strumento per l'individuazione di errori che impediscono la fase di compilazione o di esecuzione; browser, per la gestione dei file.</ref>  ovvero una collezione di software che agevolano il lavoro di scrittura del codice sorgente del programmatore <ref> Per definizione consulta anche [https://www.w3schools.in/r/variables-constants-vectors/ W3school].</ref>  . Uno dei vantaggi che questo linguaggio offre allo storico è, ad esempio, la possibilità di salvare in uno ''script'' (un file con estensione ''.R'') un blocco di codice che esegue una certa analisi su dei dati di interesse. Questo script, una volta elaborato, potrà essere riutilizzato più e più volte su insiemi di dati differenti, effettuando, eventualmente, dei piccoli accorgimenti a seconda del particolare tipo di analisi che si vuole condurre. Prima di capire, però, come sia possibile accedere ai dati ed effettuare su di essi analisi statistiche, è doveroso, prima, installare e settare l’ambiente di lavoro, nonché prendere confidenza con la sua interfaccia e con la sintassi basilare. Qui di seguito si offrono una serie di indicazioni di carattere generale proprio per accompagnare il lettore in queste prime e delicate fasi. Inoltre, per prendere una maggiore confidenza con la sintassi di R, si suggerisce, nelle fasi iniziali, di non creare degli script ma di eseguire singoli comandi nella console in maniera tale da avere un riscontro diretto dell'output ed individuare con più facilità eventuali errori di battitura o sintassi.

@@ Linha 6: / Linha 6: @@
 |testo=
 == Le basi di R ==
 A partire dalla fine del secolo scorso, nel campo degli studi storici, ha iniziato a diffondersi la pratica di digitalizzare una grande moltitudine di dati storici, prevalentemente per ragioni di efficienza e di velocità di recupero di questi dati. Una volta in possesso di dati digitalizzati, in realtà, un ulteriore vantaggio è quello di effettuare su di essi analisi di tipo statistico. Uno dei linguaggi che più si è affermato in quest’ultimo campo è R, un termine dal duplice significato. Con esso si può, difatti, indicare sia un linguaggio di programmazione usato per l'analisi statistica e la visualizzazione di dati, che un “ambiente di sviluppo” <ref> Di solito un ambiente di sviluppo è costituito dai seguenti elementi: editor, per la scrittura delle istruzioni; compilatore; debugger, uno strumento per l'individuazione di errori che impediscono la fase di compilazione o di esecuzione; browser, per la gestione dei file.</ref>  ovvero una collezione di software che agevolano il lavoro di scrittura del codice sorgente del programmatore <ref> Per definizione consulta anche [https://www.w3schools.in/r/variables-constants-vectors/ W3school].</ref>  . Uno dei vantaggi che questo linguaggio offre allo storico è, ad esempio, la possibilità di salvare in uno ''script'' (un file con estensione ''.R'') un blocco di codice che esegue una certa analisi su dei dati di interesse. Questo script, una volta elaborato, potrà essere riutilizzato più e più volte su insiemi di dati differenti, effettuando, eventualmente, dei piccoli accorgimenti a seconda del particolare tipo di analisi che si vuole condurre. Prima di capire, però, come sia possibile accedere ai dati ed effettuare su di essi analisi statistiche, è doveroso, prima, installare e settare l’ambiente di lavoro, nonché prendere confidenza con la sua interfaccia e con la sintassi basilare. Qui di seguito si offrono una serie di indicazioni di carattere generale proprio per accompagnare il lettore in queste prime e delicate fasi. Inoltre, per prendere una maggiore confidenza con la sintassi di R, si suggerisce, nelle fasi iniziali, di non creare degli script ma di eseguire singoli comandi nella console in maniera tale da avere un riscontro diretto dell'output ed individuare con più facilità eventuali errori di battitura o sintassi.

@@ Linha 6: / Linha 6: @@
 |testo=
 '''Le basi di R'''
 A partire dalla fine del secolo scorso, nel campo degli studi storici, ha iniziato a diffondersi la pratica di digitalizzare una grande moltitudine di dati storici, prevalentemente per ragioni di efficienza e di velocità di recupero di questi dati. Una volta in possesso di dati digitalizzati, in realtà, un ulteriore vantaggio è quello di effettuare su di essi analisi di tipo statistico. Uno dei linguaggi che più si è affermato in quest’ultimo campo è R, un termine dal duplice significato. Con esso si può, difatti, indicare sia un linguaggio di programmazione usato per l'analisi statistica e la visualizzazione di dati, che un “ambiente di sviluppo” <ref> Di solito un ambiente di sviluppo è costituito dai seguenti elementi: editor, per la scrittura delle istruzioni; compilatore; debugger, uno strumento per l'individuazione di errori che impediscono la fase di compilazione o di esecuzione; browser, per la gestione dei file.</ref>  ovvero una collezione di software che agevolano il lavoro di scrittura del codice sorgente del programmatore <ref> Per definizione consulta anche [https://www.w3schools.in/r/variables-constants-vectors/ W3school].</ref>  . Uno dei vantaggi che questo linguaggio offre allo storico è, ad esempio, la possibilità di salvare in uno ''script'' (un file con estensione ''.R'') un blocco di codice che esegue una certa analisi su dei dati di interesse. Questo script, una volta elaborato, potrà essere riutilizzato più e più volte su insiemi di dati differenti, effettuando, eventualmente, dei piccoli accorgimenti a seconda del particolare tipo di analisi che si vuole condurre. Prima di capire, però, come sia possibile accedere ai dati ed effettuare su di essi analisi statistiche, è doveroso, prima, installare e settare l’ambiente di lavoro, nonché prendere confidenza con la sua interfaccia e con la sintassi basilare. Qui di seguito si offrono una serie di indicazioni di carattere generale proprio per accompagnare il lettore in queste prime e delicate fasi. Inoltre, per prendere una maggiore confidenza con la sintassi di R, si suggerisce, nelle fasi iniziali, di non creare degli script ma di eseguire singoli comandi nella console in maniera tale da avere un riscontro diretto dell'output ed individuare con più facilità eventuali errori di battitura o sintassi.

@@ Linha 108: / Linha 108: @@
 [[Arquivo:InR13.png]]
-Il vettore ''phones51_61'' conterrà valori indicanti la somma dei numeri di telefono nel mondo per ogni anno (che, come si vede, sono passati alla funzione ''c()'').
+Il vettore ''phones51_61'' conterrà valori indicanti la somma dei numeri di telefono nel mondo per ogni anno (che, come si vede, sono passati alla funzione ''c()''). Plottando un simile vettore in un grafico, si potrà, dunque, avere un riscontro diretto del loro incremento nel corso del periodo considerato. Per ottenere un diagramma a barre come quello mostrato in Figura 7 si dovrà, invece, scrivere:
 [[Arquivo:InR14.png]]

← Edição anterior		Edição das 03h13min de 17 de agosto de 2021
Linha 115:		Linha 115:

	Dove ''names.arg'' prende in input un vettore di stringhe contenente il nome di ogni barra, cex.axis definisce la grandezza delle etichette numeriche negli assi e ''cex.names'' definisce, invece, rispettivamente la grandezza delle etichette testuali assegnate a ogni barra<ref> Cfr. [https://www.rdocumentation.org/packages/graphics/versions/3.6.2/topics/barplot RDocumentation] (RDocumentation s.d.).</ref>.		Dove ''names.arg'' prende in input un vettore di stringhe contenente il nome di ogni barra, cex.axis definisce la grandezza delle etichette numeriche negli assi e ''cex.names'' definisce, invece, rispettivamente la grandezza delle etichette testuali assegnate a ogni barra<ref> Cfr. [https://www.rdocumentation.org/packages/graphics/versions/3.6.2/topics/barplot RDocumentation] (RDocumentation s.d.).</ref>.
		+
		+	[[Arquivo:InR15.png\|500px\|thumb\|center\|''Figura 7'']]
		+
		+	== Applicare dei filtri ==
		+
		+	R dà, inoltre, la possibilità di contare un certo numero di occorrenze che soddisfano una particolare condizione. Uno storico, ad esempio, potrebbe essere interessato a contare il numero di regioni del mondo che, nel 1959, avevano un numero di telefoni minore a 10.000. Innanzitutto, per ricercare un informazione di tal genere, sarà necessario selezionare la colonna di interesse (ovvero la n° 5) e applicare il filtro “ < 10000”. Così facendo si otterrebbe quanto segue:
		+
		+	[[Arquivo:InR16.png]]
		+
		+	Per ottenere il conteggio delle regioni che soddisfano un certo criterio, una funzione molto semplice (e spesso utilizzata) è ''table()'' che restituisce una tabella di contingenza in cui si riportano le frequenze assolute di tutti i possibili valori.
		+
		+	[[Arquivo:InR17.png]]
		+
		+	Dalla tabella si scopre, dunque, che il numero di regioni che soddisfano le condizioni di cui sopra sono 5. Ovviamente i filtri di ricerca che è possibile applicare sono infiniti: per esempio, la stessa informazione potrebbe essere ricercata all’interno dell’intero dataframe come mostrato qui sotto:
		+
		+	[[Arquivo:InR18.png]]
		+
		+	Nonostante ciò, le potenzialità di R permettono allo storico di trovare sempre un modo per estrapolare le informazioni di cui necessita, semplicemente scomponendo un problema in piccoli sotto-problemi e mettendo assieme i pochi, ma indispensabili, elementi di cui si è parlato in questo breve e introduttivo tutorial.
		+
		+
	}}		}}

← Edição anterior		Edição das 03h09min de 17 de agosto de 2021
Linha 102:		Linha 102:
	[[Arquivo:InR12.png\|500px\|center]]		[[Arquivo:InR12.png\|500px\|center]]

		+	Per alcuni esempi d’uso si consulti la pagina del [https://www.w3schools.com/r/r_graph_plot.asp W3Schools] o [https://www.geeksforgeeks.org/graph-plotting-in-r-programming/ Geeks for geeks].
		+
		+	Riprendendo l’esempio fatto nella precedente sezione, proviamo a vedere l’andamento del numero di telefoni in tutte le regioni del mondo dal 1951 al 1961. Dopo aver memorizzato le informazioni relative a ogni anno (ovvero a ogni riga nel dataframe), in maniera analoga a come fatto sopra con il vettore ''phones1957'', si costruisca un nuovo vettore nella seguente maniera:
		+
		+	[[Arquivo:InR13.png]]
		+
		+	Il vettore ''phones51_61'' conterrà valori indicanti la somma dei numeri di telefono nel mondo per ogni anno (che, come si vede, sono passati alla funzione ''c()'').
		+
		+	Plottando un simile vettore in un grafico, si potrà, dunque, avere un riscontro diretto del loro incremento nel corso del periodo considerato. Per ottenere un diagramma a barre come quello mostrato in Figura 7 si dovrà, invece, scrivere:
		+
		+	[[Arquivo:InR14.png]]
		+
		+	Dove ''names.arg'' prende in input un vettore di stringhe contenente il nome di ogni barra, cex.axis definisce la grandezza delle etichette numeriche negli assi e ''cex.names'' definisce, invece, rispettivamente la grandezza delle etichette testuali assegnate a ogni barra<ref> Cfr. [https://www.rdocumentation.org/packages/graphics/versions/3.6.2/topics/barplot RDocumentation] (RDocumentation s.d.).</ref>.
	}}		}}

← Edição anterior		Edição das 03h05min de 17 de agosto de 2021
Linha 92:		Linha 92:

	Un'altra delle molteplici potenzialità di R è la possibilità di creare in maniera semplice dei grafici, dei quali è possibile modificare l'aspetto secondo il proprio gusto. Ad esempio, una volta che si ha accesso alle componenti di un dataframe, come visto poco sopra, sarà possibile plottare i valori di variabili categoriche e/o numeriche in grafici che consentiranno di esplorare in maniera molto semplice fenomeni che caratterizzano il dataframe. Le principali tipologie di grafici sono le seguenti ed è possibile visualizzarne le relative funzioni nella Tabella 1:		Un'altra delle molteplici potenzialità di R è la possibilità di creare in maniera semplice dei grafici, dei quali è possibile modificare l'aspetto secondo il proprio gusto. Ad esempio, una volta che si ha accesso alle componenti di un dataframe, come visto poco sopra, sarà possibile plottare i valori di variabili categoriche e/o numeriche in grafici che consentiranno di esplorare in maniera molto semplice fenomeni che caratterizzano il dataframe. Le principali tipologie di grafici sono le seguenti ed è possibile visualizzarne le relative funzioni nella Tabella 1:
		+
		+	* Barplot: grafico per visualizzare la distribuzione di una variabile categorica discreta. La funzione prende in input l'output della funzione ''table()'', una funzione che ha un comportamento diverso a seconda del numero di parametri che riceve in input. Nel nostro caso, prendendo in input un solo vettore (ovvero una sola variabile numerica), restituirà la distribuzione di frequenza.
		+	* Istogramma: consente di visualizzare la distribuzione di una variabile categorica continua.
		+	* Scatterplot (grafico a dispersione): si usa per vedere la correlazione di due variabili numeriche (analisi di regressione).
		+	* Mosaicplot: grafico usato per lo studio della correlazione tra due variabili categoriche. Prende in input ''table()'' oppure una speciale notazione chiamata "formula" in cui i nomi delle due variabili sono separati da una tilde.
		+	* Spineplot: per vedere la correlazione tra una variabile numerica e una categorica;
		+	* Boxplot: la funzione prende in input una variabile (numerica o categorica). In entrambi i casi, serve per visualizzarne alcuni valori statistici (quartili, mediana, valore massimo e minimo, outliers...).
		+
		+	[[Arquivo:InR12.png\|500px\|center]]

	}}		}}