อยากเขียนเป็นไวๆต้องอ่าน! สรุป 5 Concepts พื้นฐานของภาษา R

อยากเขียน R เป็นเร็วๆ ต้องเข้าใจเรื่องอะไรบ้าง? บทความนี้แอดเขียนสรุป 5 concepts สำคัญของภาษา R มาให้อ่าน พร้อมวีดีโอสอนติดตั้ง R และ RStudio Desktop ลุยเลยพี่

Getting Started

Motto สำคัญของภาษา R คือ “Everything that exists in R is an object. Everything that happens in R is a function call.” – กล่าวโดย John Chambers หนึ่งในทีมผู้พัฒนา R ในยุคแรก (ตั้งแต่ยังเป็นภาษา S)ุ

ทุกอย่างที่มีตัวตนอยู่ใน R คือ object และทุกสิ่งที่เกิดขึ้นใน R คือการเรียกใช้งาน function ตัวอย่างเช่น เราสร้าง vector x <- 1:10 (อันนี้คือ object) ถ้าเราต้องการหาผลรวมของ vector นี้ก็เรียกใช้ฟังชั่น sum(x)

วีดีโอสอนติดตั้ง R และ RStudio Desktop

โอเค! ถ้าทุกคนจำ motto ได้แล้ว ความรู้พื้นฐานที่จำเป็นสำหรับการเขียนภาษา R มีอยู่ 5 หัวข้อดังนี้

1. Variables

การสร้างตัวแปร หรือที่ใน R เรียกว่า variable assignment การสร้างตัวแปรใน R ใช้ operator <- หรือ = ก็ได้ (แต่ pure R programmer ต้องใช้ <- เท่านั้น 555+) ถ้าต้องการลบตัวแปร ใช้ฟังชั่น rm(variable_name)

Tip – R เป็นภาษาที่เราเรียกว่า Object Oriented Programming เราสามารถสร้าง object และกำหนด class ของ object นั้นๆได้ ลองดูฟังชั่น class() หัวข้อถัดไป

## assign new variables
x <- 100
y <- 200
print(x + y)

income_old <- 50000
income_new <- income_old * (1.1 ** 2)
print(income_new)

2. Data Types

ตัวแปรใน R จะมี data type ติดตัวมันด้วย ตัวหลักๆที่เราใช้ในงาน data analysis เป็นประจำคือ numeric, character, logical, date และ factor เราสามารถใช้ฟังชั่น class() เพื่อตรวจสอบ type ใน console ได้เลย

Tip – logical ใน R หรือที่ภาษาอื่นๆเรียกกันว่า Boolean จะเขียนแค่ T, F เลยก็ได้ (ไม่ต้องเขียนเต็มๆว่า TRUE, FALSE) ถ้าเราเปลี่ยน logical เป็น numeric TRUE จะมีค่าเท่ากับหนึ่งและ FALSE มีค่าเท่ากับศูนย์

## create four variables
id <- 100
customer_name <- "Captain Marvel"
status_single <- TRUE
date_of_birth <- as.Date("1975-09-30")
gender <- as.factor("female")

## check data type
class(id)             ## numeric
class(customer_name)  ## character
class(status_single)  ## logical
class(date_of_birth)  ## date
class(gender)         ## factor

3. Data Structures

Data structures คือการนำ data type มาประกอบร่างเป็นโครงสร้างที่ใหญ่ขึ้น ตัวหลักๆที่เราใช้ใน R มี 4 ตัวคือ vector, matrix, list และ data frame โดย data structures แต่ละแบบจะมีวิธีการใช้งานที่แตกต่างกัน

ตัวอย่างเช่น vector เป็น one-dimensional array เก็บข้อมูลได้แค่ประเภทเดียว (single data type) ส่วน matrix เป็น two-dimensional array แต่ data structure ที่เราใช้เยอะที่สุดสำหรับการวิเคราะห์ข้อมูลใน R คือ data frame i.e. หน้าตาเหมือน Excel table ตัวแปรแต่ละตัวเป็น column และ row คือ observations

## vector
id <- 1:5
friends <- c("Iron Man", "Spider Man", "Thor", "Hulk", "Captain")
ages <- c(45, 18, 30, 42, 80)
super_power <- c(FALSE, TRUE, TRUE, TRUE, FALSE)

## matrix
m <- matrix(1:25, ncol = 5)

## list
my_list <- list(id, friends, ages, super_power, m)

## data frame
df <- data.frame(id, friends, ages, super_power)

Tip – ฟังชั่นที่เรานิยมใช้กับ data frame เช่น str(), summary(), head(), tail(), subset() และฟังชั่นหลักของ package dplyr สำหรับทำ data transformation

4. Control Flow

Control flow เป็น concept ที่สำคัญมากของการเขียนโปรแกรมทุกภาษาและใน R ก็เช่นเดียวกัน เราใช้ keywords if-else, for, while เพื่อเขียนเงื่อนไขและ loop ตามลำดับ

Tip – R มีฟังชั่น ifelse() และ case_when() เพื่อใช้แทนการเขียน if-else block และมีฟังชั่นตระกูล apply() และ map() แทนการเขียน loop ฟังชั่นพวกนี้มีสอนใน Data Analyst Bootcamp ของเราด้วย 😛

## if-else
score <- 90
if (score > 50) {
  print("passed")
} else {
  print("failed")
}

## for loop
students <- c("Anna", "John", "Snow")
for (s in students) {
  print(paste("hello!", s))
}

## while loop
n <- 5
while (n > 0) {
  print("hello world")
  n <- n - 1
}

ความรู้เกี่ยวกับ control flow มีประโยชน์มาก โดยเฉพาะอย่างยิ่งเวลาที่เราต้องเขียน function ไว้ใช้งานเอง ถ้าเราเข้าใจการทำงานของ if-else, for และ while เราสามารถสร้างฟังชั่นใหม่ได้อย่างไม่มีขีดจำกัด

5. Functions

Function คือ reusable piece of code ที่เราสามารถเรียกใช้งานซ้ำได้เรื่อยๆ และ R คือหนึ่งใน functional programming languages ที่มีฟังชั่นเป็นหัวใจสำคัญ (เหมือนที่เราเกริ่นใน motto)

ด้านล่างเป็น template สำหรับเขียนฟังชั่นไว้ใช้งานเองใน R โดยฟังชั่นจะมีหรือไม่มี input ก็ได้ (R เรียก input ของฟังชั่นว่า argument) วิธีการเขียนฟังชั่นเราใช้ function_name <- function() เพื่อสร้างฟังชั่นใหม่ ขั้นตอนการทำงานของฟังชั่นจะถูกเขียนเป็นขั้นตอนใน { } และ code ไลน์สุดท้ายใน { } จะเป็น output ของฟังชั่นนั้นๆ

Tip – ฟังชั่นที่เราเขียนขึ้นมาใหม่ถือว่าเป็น object หนึ่งใน R environment เหมือนกัน สำหรับฟังชั่นของ base R ทั้งหมด ถ้าเราอยากรู้ว่าฟังชั่นไหนทำงานยังไง แค่พิมพ์ help(function_name) เพื่ออ่านวิธีการใช้งานได้เลย

## function with argument
add_two <- function(x){
  x + 2
}

## function with default argument
cube <- function(x, power = 3){
  x ** power
}

## function without argument
greeting <- function(){
  name <- readline("What's your name? ")
  print(paste("Hello", name))
}

## test functions
add_two(20)
cube(5)
cube(5, power = 4)
greeting()

อัพเดทวันที่ 23 ก.ค. 2562 – R มีฟังชั่นให้เราใช้งานแตะหลัก 2.6 ล้านฟังชั่น (มากกว่า 17,000 packages) เพื่อนๆสามารถค้นหาและอ่านวิธีการทำงานของฟังชั่นทั้งหมดได้ที่เว็บไซต์ R documentation

ถ้าเพื่อนๆเข้าใจทั้ง 5 concepts ในบทความนี้ การเรียนภาษา R จะไม่ใช่เรื่องยากอีกเลย อยากเรียนแบบเต็มๆเพื่อก้าวสู่การเป็น Data Analyst มืออาชีพ? เริ่มเรียน Intro to R Programming ฟรีที่นี่

DataRockie