Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

İTÜ Uçak ve Uzay Bilimleri Fakültesi Meteoroloji Mühendisliği Bölümü uubf.itu.edu.tr TÜBİTAK (111Y319) COST (ES1004) www.havakalitesi.itu.edu.tr toros.

Benzer bir sunumlar


... konulu sunumlar: "İTÜ Uçak ve Uzay Bilimleri Fakültesi Meteoroloji Mühendisliği Bölümü uubf.itu.edu.tr TÜBİTAK (111Y319) COST (ES1004) www.havakalitesi.itu.edu.tr toros."— Sunum transkripti:

1 İTÜ Uçak ve Uzay Bilimleri Fakültesi Meteoroloji Mühendisliği Bölümü uubf.itu.edu.tr TÜBİTAK (111Y319) COST (ES1004) toros at itu.edu.tr Rstudio R 1

2 -http://www.r-project.org/http://www.r-project.org/ - İstatistik hesaplamalar ve grafikler için geliştirilmiş bir yazılımdır. - R istatistik (doğrusal ve doğrusal olmayan modelleme, klasik istatistik testleri, zaman-serileri analizi, sınıflandırma, kümeleme, …) ve grafik teknikler vs çok geniş alanı vardır. - Açık kaynak kodludur. - Açık kaynak olduğu için her gün kullanıcı sayısı artmaktadır. - Katkı yapan sayısı artmaktadır - R kaynak kodları, Özgür Yazılım Vakfı GNU Genel Kamu Lisansı altında Özgür Yazılım olarak kullanılabilir. - Linux, UNIX, Windows, MacOS vb sistemlerde çalışır. R 2

3 - R bütünleşik bir yazılım olduğu için veriler, hesaplamalar ve grafik gösterimleri vardır. - Etkili bir veri işleme ve depolamaya sahiptir, - Dizi, matris hesaplamaları kolaylıkla yapılabilir. - Basit ve etkili bir programlama dilidir. - Gerçek bir bilgisayar dili etrafında tasarlanmış ve kullanıcıların yeni fonksiyonlar tanımlayarak ek işlevsellik eklemek için izin verir. - C, C ++ ve Fortran kodu bağlantılı olabilir. R 3

4 - Ücretsiz… - İhtiyacınızın büyük çoğunluğu için yazılmış hazır işlevler ve kütüphaneler mevcut. - R, bir programla dilidir. - Kodların derlenmiş olması gerekmez - Etkileşimli ekranlar vardır - R’nin eksileri ise derlenen dillere göre daha yavaş çalışır Niçin R? 4

5 - RStudio açık kaynak kodlu ve ticari sürümleri mevcuttur. - Masaüstünde (Windows, Mac ve Linux), RStudio Server, RStudio Sunucu Pro (Debian / Ubuntu, RedHat / CentOS ve SUSE Linux) bağlı bir tarayıcıda çalışır. 5

6 -http://www.rstudio.com/http://www.rstudio.com/ Betikler için kod yazım alanı, dosyadan açma veya kaydetme Çalışma alanı, değişkenler, dosyalar, son komutlar vs Çizim sonuçları, paket yükleme ve yardım alanı Anlık komut yazma ve çalıştırma alanı R ile aynı 6

7 Dosyaları açmak, kaydetmek, kapatmak Paketleri kurmak, Paketleri kullanmak için ayrıca her seferinde yüklemek gerekir. Ayarlar yapmak 7

8  Hangi klasörde çalışıyor? >getwd() [1] "D:/Documents/Huseyin/projeler/AnkaraCED/veriler“  Çalışma klasörünü nasıl değiştiririm? >setwd ("D:/Documents/Huseyin/projeler/AnkaraCED/veriler/Eylul2014Veri/")  Hesap Makinesi gibi kullanabilir miyim? >4+3-9 [1] -2 >6*10+2^4 [1] 76 >90-9/9*(23-7) [1] 74 8

9  Aritmetik ve mantık işlem işaretleri nelerdir? + toplama - çıkarma * çarpma / bölme % mod (kalan) ^ üst ! değil & ve | veya == eşittir != eşit değildir Daha fazla bilgi için >?Syntax >?Comparison deneyebilirsiniz 9

10 R içinde – help( ) – help(sqrt) – ? – ?sum – ?? – ??air Web sayfasından – – CRAN – Google’da kelime ve CRAN, sum cran gibi  Nasıl yardım alabilirim? 10

11  Nasıl değişkenler oluşturabilirim? Verilerin kabına isim vermek! Değişken isimleri R için özel anlamı olmayan herşey Degisken = veri > sey=4 > sey [1] 4 11

12  R’de Veri çeşitleri nelerdir? Vektör o numeric  floating point  integer o logical o character İşlevler listeler > a <- 101 > length(a) [1] 1 > a[1] [1] 101 > a[2] [1] NA > a[2] <- 202 > length(a) [1] 2 12

13  Diziler / Matrisler 5x1’lik dizi 4x4’lük matris 13

14  Diziler array(data=NA, dim=length(data), dimnames=NULL) > x <- array(1:9) > x [1] > x <- array(1:9,c(3,3)) > x <- 1:64 > dim(x) <- c(2,4,8) #dim() Vektörü diziye dönüştürür. > is.array(x) [1] TRUE [,1] [,2] [,3] [1,] [2,] [3,]

15  Diziler x x[1,,] x[1,2,] x[1,2,1] 15

16  Tarih date() Sys.time() Sys.Date() class(date()) class(Sys.Date()) class(Sys.time()) x <- "19:18:05" y <- strptime(x,"%H:%M:%S") y class(y) y$sec 16

17  Matrisler Matris tanımlama A <- matrix(c(3,5,7,1,9,4),nrow=3,ncol=2,byrow=TRUE) A Matris satır ve sütun sayısı rA <- nrow(A) rA cA <- ncol(A) cA Matirisin transposesi B <- t(A) B 17

18  Matrisler Matris çarpımı C <- A * A C Matris toplamı C <- A + A C 18

19  Matrisler Matris verilerini dosyadan okutmak için yandaki verileri sortmatrix.csv dosyasına yazınız. x <- read.csv("sortmatrix.csv",header=T,sep=","); x <- x[order(x[,4]),]; x <- write.table(x,file="tp.txt",sep=",") r1,1,0,1,0,0,1,0,2 r2,1,2,5,1,2,1,2,1 r3,0,0,9,2,1,1,0,1 r4,0,0,2,1,2,0,0,0 r5,0,2,15,1,1,0,0,0 r6,2,2,3,1,1,1,0,0 r7,2,2,3,1,1,1,0,1 19

20 20 library(openair) setwd("D:/belgelerim/HUSEYIN") getwd() # RUZGAR Gulu mydata <- import("balikesir_saatlik_veri.csv", date = "Tarih",sep=",") polarPlot(mydata, pollutant = 'SO2', type = 'default', main="Balıkesir")

21 21 # 2 Zaman Serisi TREND mydata <- import("balikesir_saatlik_veri.csv", date = "Tarih",sep=",") smoothTrend(mydata, pollutant = "SO2", deseason = TRUE, statistic = "percentile", percentile = c(25, 50, 75, 95), ylab = "ug/m3")

22 22 #Boxplot mydata <- import("balikesir_saatlik_veri.csv", date="Tarih",sep=",") Mydata<-mydata[,2:3] Boxplot(mydata, ylab=“ug/m3”,xlab=“” title(main=“balikesir”

24 24

25 25 #HİSTOGRAM mydata<-read.table(file=" balikesir_saatlik_veri.csv ",sep=";",header=TRUE,row.names=NULL) hist(mydata$PM10, main=“BALIKESIR PM10 YOGUNLUK- DAGILIMI",col.main="RED",xlab = "PM10 (ug/m3)",ylab = "DATA NUMBER",col="light blue")

26 26

27 27 #POLLUTIONROSE mydata <- import("balikesir_saatlik_veri.csv", date="Tarih",sep=",",header=TRUE,row.names=NULL) pollutionRose(mydata, pollutant="PM10", type="default")

28 28 BALIKESIR-PM10

29 29 #sezonluk PollutıonRose pollutionRose(mydata, pollutant="PM10", type="season",main="balikesir" )

30 30 #Sezonluk rüzgargülü polarPlot(mydata,pollutant="SO2",type="season",main="balikesir")

31 31 x <- import("balikesir_saatlik_veri.csv", date = "Tarih",sep=",") smoothTrend(x, pollutant = "SO2", deseason = TRUE, statistic = "percentile", percentile = c(25, 50, 75, 95), ylab = "ug/m3") timePlot(x, pollutant = c("PM10","SO2"), cols = c("blue","orange"), lwd = c("1","1"), group = FALSE)

32 32 timePlot(x, pollutant = c("PM10","SO2"), cols = c("blue","orange"), lwd = c("1","1"), group = FALSE, smooth = TRUE, avg.time ="month") timeVariation(x, pollutant = c("PM10","SO2")) timeVariation(x, pollutant = "SO2", cols = "darkgreen") mydata <- import("balikesir_saatlik_veri.csv", date = "Tarih",sep=",") scatterPlot(mydata, x = "PM10", y = "SO2", spline = "TRUE")

33 33 #Sonuçları DOSYAYA YAZDIRMAK ICIN plot.new() #start a new plot png() dev.copy(png,"Balikesir_SO2_ruzgar_gulu.png",width=4,h eight=4,units="in",res=300) mydata <- import("balikesir_saatlik_veri.csv", date = "Tarih",sep=",") polarPlot(mydata, pollutant = 'SO2', type = 'default', main="Balıkesir") dev.off()

34  Kod algoritması nasıl bir şeydir? xkcd #844 34

35  Programlama yapısı nasıl bir şeydir? if... then... Else Belli sonuca göre ne iş yapılacağına karar verme for... while... Belli satırların şartlar sağlanıncaya kadar tekrarı Sırayla yukarıdan aşağı işlemler 35

36  Döngüye örnek verir misiniz? Belli satır veya satırların şartlar sağlanılıncaya kadar tekrarı for (i in 1:4) { print(i) } {} içinin 20 defa tekrar yapılır. > for (i in 1:4) + {print(i)} [1] 1 [1] 2 [1] 3 [1] 4 36

37  Döngüye örnek verir misiniz? # Ölçüm sonuçlarının değer1 kutusuna atanması > deger1 = c(0.1, 0.05, 0.003, 0.4, 0.9) > deger1 [1] # Deger2 kutusuna 1’den 5’e kadar sayı atamak deger2 = 1:5 # Deger1’in log’larını deger2’ye atamak for(i in 1:length(deger1)) { deger2[i] = log10(deger1[i]) } > deger2 [1]

38  While Loop döngüsü Belli satır veya satırların şartlar sağlanılıncaya kadar tekrarı while (stop != TRUE) {... code... } stop = TRUE Note: Eğer şartlar oluşmaz ise program kapatılıncaya kadar döngü devam eder. 38

39  While Loop döngüye örnek verir misiniz? > x =1 > while(x < 5) {x <-x+1; print(x);} [1] 2 [1] 3 [1] 4 [1] 5 > x =1 > while(x < 5) {x <- x+1; if (x == 3) break; print(x); } [1] 2 > x <- 1 > while(x < 5) {x <- x+1; if (x == 3) next; print(x);} [1] 2 [1] 4 [1] 5 39

40  Functions Bits of code that do one thing and (preferrably) do it well Functions break up your code into more manageable and reusable parts Defining (e.g. in a script): fun = function(arguments) {... code... } Calling: party = fun(food,beer,folks) 40

41  A Simple Function fn1 <- function(N) { for(i in as.numeric(1:N)) { y <- i*i } } fn2 <- function(N) { i = 1 while(i <= N) { y <- i*i i <- i + 1 } system.time(fn1(60000)) system.time(fn2(60000)) 41

42 Student’s T-test 42

43 Comparing the Means of Two Groups Sleep dataset in R is a comparison of two students sleep habits 43

44 Doing a Student’s T-test t.test(sleep[1:10,’extra’],sleep[11:20,’extra’]) or t.test(extra ~ group, data = sleep) 44

45 Correlation 45

46 Testing for a Correlation cor.test(c(1:10), c(11:20)) 46

47 Testing for a Correlation cor.test(c(1:10), -c(11:20)) 47


"İTÜ Uçak ve Uzay Bilimleri Fakültesi Meteoroloji Mühendisliği Bölümü uubf.itu.edu.tr TÜBİTAK (111Y319) COST (ES1004) www.havakalitesi.itu.edu.tr toros." indir ppt

Benzer bir sunumlar


Google Reklamları