R Project - Histórico de revisão

Diacronie1 em 14h14min de 21 de julho de 2021

2021-07-21T14:14:36Z

Diacronie1 em 07h23min de 20 de julho de 2021

2021-07-20T07:23:07Z

Diacronie1 em 07h22min de 20 de julho de 2021

2021-07-20T07:22:38Z

Diacronie1: Criou página com '{{articolo| nome=Elisa| cognome=Barisani| testo= Il linguaggio R«RStudio | Open source & professional software for data science teams», in ''rstudio'', URL: < https://...'

2021-07-20T07:20:33Z

Criou página com '{{articolo| nome=Elisa| cognome=Barisani| testo= Il linguaggio R<ref>«RStudio | Open source & professional software for data science teams», in ''rstudio'', URL: < https://...'

Página nova

{{articolo|
nome=Elisa|
cognome=Barisani|
testo=

Il linguaggio R<ref>«RStudio | Open source & professional software for data science teams», in ''rstudio'', URL: < https://rstudio.com/ > [consultato il 7 marzo 2021].</ref> non è un software di analisi di rete, ma un linguaggio di programmazione sviluppato in Open Source, con ampia disponibilità di risorse per la manipolazione, l'analisi e la visualizzazione grafica dei dati ed è disponibile per i principali sistemi operativi. Viene utilizzato in particolare come ambiente di sviluppo nel campo della statistica e dell'analisi dei dati.
Tra gli esempi qui presentati, può essere considerato come lo strumento che richiede il più alto livello di competenza da parte dell'utente, soprattutto nell'ambito della logica di programmazione.
Il vantaggio di R rispetto ai software di analisi di rete stand-alone è triplice <ref>SADLER, Jesse, «Introduction to Network Analysis with R», in Jesse Sadler, URL: < https://jessesadler.com/post/network-analysis-with-r/ > [consultato il 9 marzo 2021].</ref>:
# consente una ricerca riproducibile che non è possibile con le applicazioni GUI;
# la potenza di analisi dei dati di R fornisce strumenti robusti per manipolare i dati per prepararli all'analisi di rete;
# è presente una gamma sempre crescente di pacchetti progettati per rendere R uno strumento completo di analisi di rete.

I pacchetti aggiuntivi offrono la possibilità di compiere le principali analisi e calcolare le principali metriche sui grafi, e consentono, inoltre, di modificare la visualizzazione delle reti, permettendo di manipolarne i colori, indicare diverse specifiche, selezionare quali etichette rappresentare e come.
In R sono infatti disponibili molteplici pacchetti per lavorare e analizzare i grafi, tra i quali:
* sna;
* igraph;
* network;
* tidygraph and ggraph;
* visNetwork and networkD3: questi pacchetti consentono di usare R per creare delle visualizzazioni Javascript interattive.

===Funzionalità e caratteristiche del pacchetto igraph per R===

Uno dei pacchetti più comuni per l’analisi dei dati in R è ‘igraph’, che è molto flessibile e semplice da usare<ref>OGNYANOVA, Katherine, ''Network Analysis and Visualization with R and igraph, Network Analysis and Visualization with R and igraph'', NetSciX 2016 School of Code Workshop, Wroclaw, Poland, 2016, p. 64</ref>.
La libreria di igraph offre una serie di funzioni per l’implementazione di algoritmi sui grafi, per gestire grafi di grandi dimensioni e per consentire prototipi rapidi <ref>«igraph – Network analysis software», in ''igraph'', URL: < https://igraph.org/ > [consultato il 1 marzo 2021].</ref>..
Con ‘igraph’ è possibile importare un dataset in vari formati (per esempio come [[edgelist]] o [[nodelist]] in formato csv, o in formato Excel) e poi trasformarlo in grafo con la funzione graph_from_data_frame che ha due argomenti, ovvero il dataset e la direzione della rete:

[[Arquivo:BARISANI_r_01.png|300px|thumb|center]]

È poi possibile ottenere alcune metriche sul grafo importato, come il ''degree'' , l’''average degree'' o la ''degree distribution'':

[[Arquivo:BARISANI_r_02.png|300px|thumb|center]]

È anche possibile visualizzare i grafi attraverso la funzione plot.igraph che consente inoltre di personalizzare attraverso dei parametri alcuni aspetti grafici nella visualizzazione:

[[Arquivo:BARISANI_r_03.png|300px|thumb|center|Figura 3. Rappresentazione delle relazioni utilizzando i''graph'' <ref>''Ibidem''.</ref>.]]

}}

@@ Linha 25: / Linha 25: @@
 Con ‘igraph’ è possibile importare un dataset in vari formati (per esempio come [[edgelist]] o [[nodelist]] in formato csv, o in formato Excel) e poi trasformarlo in grafo con la funzione graph_from_data_frame che ha due argomenti, ovvero il dataset e la direzione della rete:
-[[Arquivo:BARISANI_r_01.PNG|300px|thumb|center]]
+[[Arquivo:BARISANI_r_01.PNG|500px|thumb|center]]
 È poi possibile ottenere alcune metriche sul grafo importato, come il ''degree'' , l’''average degree'' o la ''degree distribution'':
-[[Arquivo:BARISANI_r_02.PNG|300px|thumb|center]]
+[[Arquivo:BARISANI_r_02.PNG|500px|thumb|center]]
 È anche possibile visualizzare i grafi attraverso la funzione plot.igraph che consente inoltre di personalizzare attraverso dei parametri alcuni aspetti grafici nella visualizzazione:
-[[Arquivo:BARISANI_r_03.PNG|300px|thumb|center|Figura 3. Rappresentazione delle relazioni utilizzando i''graph'' <ref>''Ibidem''.</ref>.]]
+[[Arquivo:BARISANI_r_03.PNG|500px|thumb|center|Figura 3. Rappresentazione delle relazioni utilizzando i''graph'' <ref>''Ibidem''.</ref>.]]
 }}

@@ Linha 6: / Linha 6: @@
 Il linguaggio R<ref>«RStudio | Open source & professional software for data science teams», in ''rstudio'', URL: < https://rstudio.com/ > [consultato il 7 marzo 2021].</ref> non è un software di analisi di rete, ma un linguaggio di programmazione sviluppato in Open Source, con ampia disponibilità di risorse per la manipolazione, l'analisi e la visualizzazione grafica dei dati ed è disponibile per i principali sistemi operativi. Viene utilizzato in particolare come ambiente di sviluppo nel campo della statistica e dell'analisi dei dati.
 Tra gli esempi qui presentati, può essere considerato come lo strumento che richiede il più alto livello di competenza da parte dell'utente, soprattutto nell'ambito della logica di programmazione.
-Il vantaggio di R rispetto ai software di analisi di rete stand-alone è triplice <ref>SADLER, Jesse, «Introduction to Network Analysis with R», in Jesse Sadler, URL: < https://jessesadler.com/post/network-analysis-with-r/ > [consultato il 9 marzo 2021].</ref>:
+Il vantaggio di R rispetto ai software di analisi di rete stand-alone è triplice <ref>SADLER, Jesse, «Introduction to Network Analysis with R», in ''Jesse Sadler'', URL: < https://jessesadler.com/post/network-analysis-with-r/ > [consultato il 9 marzo 2021].</ref>:
 # consente una ricerca riproducibile che non è possibile con le applicazioni GUI;
 # la potenza di analisi dei dati di R fornisce strumenti robusti per manipolare i dati per prepararli all'analisi di rete;