🌃 معرفی یک پکیج کاربردی برای دستکاری و مقایسه دیتافرمها
پکیج #inspectdf مجموعهای از توابع ساده اما کاربردی را برای تهیه خلاصه ستونوار، مقایسه دیتافرمها و #مصورسازی_دیتافرم، تفکیک کلاس متغیرها، محاسبه همبستگی و غیره فراهم کرده است.
💥 نصب و فراخوانی
+ summary of column types
+ summary of memory usage of columns
+ columnwise prevalence of missing values
+ correlation coefficients of numeric columns
+ feature imbalance of categorical columns
+ summaries of numeric columns
+ summaries of categorical columns
استفاده از این بسته، بسیاری از موانع موجود در یافتن #داده_گمشده، تعیین #متغیرهای_کیفی و غیره را از بین خواهد برد.
#معرفی_پکیج
#دیتافرم
#افشین_متولی
#data_manipulation
@RStudio_ir
پکیج #inspectdf مجموعهای از توابع ساده اما کاربردی را برای تهیه خلاصه ستونوار، مقایسه دیتافرمها و #مصورسازی_دیتافرم، تفکیک کلاس متغیرها، محاسبه همبستگی و غیره فراهم کرده است.
💥 نصب و فراخوانی
install.packages("inspectdf")
library(inspectdf)
What this packages does:+ summary of column types
+ summary of memory usage of columns
+ columnwise prevalence of missing values
+ correlation coefficients of numeric columns
+ feature imbalance of categorical columns
+ summaries of numeric columns
+ summaries of categorical columns
استفاده از این بسته، بسیاری از موانع موجود در یافتن #داده_گمشده، تعیین #متغیرهای_کیفی و غیره را از بین خواهد برد.
#معرفی_پکیج
#دیتافرم
#افشین_متولی
#data_manipulation
@RStudio_ir
base-r.pdf
199.4 KB
Cheat Sheet 17:
Vectors, matrices, lists, data frames, functions and more in base R
#cheatsheet
#base_R
@RStudio_ir
Vectors, matrices, lists, data frames, functions and more in base R
#cheatsheet
#base_R
@RStudio_ir
advancedR.pdf
122.1 KB
Cheat Sheet 18:
Environments, data structures, functions, subsetting and more in R
#cheatsheet
#data_structure
@RStudio_ir
Environments, data structures, functions, subsetting and more in R
#cheatsheet
#data_structure
@RStudio_ir
☑️ نسخه بهروزرسانی شده Cheatsheetها را از وب سایت رسمی RStudio دانلود کنید
👉🏻 https://blog.rstudio.com/2021/08/23/cheat-sheet-updates/
دانلود Cheatsheetها با فرمتهای دیگر:
1️⃣ دانلود #پاورپوینت (قابل ویرایش)
👉🏻 https://github.com/rstudio/cheatsheets/tree/master/powerpoints
2️⃣ دانلود #پی_دی_اف
👉🏻 https://github.com/rstudio/cheatsheets
#cheatsheet
@RStudio_ir
👉🏻 https://blog.rstudio.com/2021/08/23/cheat-sheet-updates/
دانلود Cheatsheetها با فرمتهای دیگر:
1️⃣ دانلود #پاورپوینت (قابل ویرایش)
👉🏻 https://github.com/rstudio/cheatsheets/tree/master/powerpoints
2️⃣ دانلود #پی_دی_اف
👉🏻 https://github.com/rstudio/cheatsheets
#cheatsheet
@RStudio_ir
⭐️ کشف #داده_پرت و #داده_گمشده در سریهای زمانی
دستور tsoutliers مخصوص کشف داده پرت در دادههای سری زمانی است.این دادههای پرت و همچنین دادههای گمشده با استفاده از دستور
tsclean()
قابل جایگزینی هستند.
برای مطالعه بیشتر به لینک زیر مراجعه فرمائید:
https://robjhyndman.com/hyndsight/tsoutliers/
#سری_زمانی
#داده_پرت
#outliers #time_series #tsclean
@RStudio_ir
دستور tsoutliers مخصوص کشف داده پرت در دادههای سری زمانی است.این دادههای پرت و همچنین دادههای گمشده با استفاده از دستور
tsclean()
قابل جایگزینی هستند.
برای مطالعه بیشتر به لینک زیر مراجعه فرمائید:
https://robjhyndman.com/hyndsight/tsoutliers/
#سری_زمانی
#داده_پرت
#outliers #time_series #tsclean
@RStudio_ir
🌃 معرفی یک پکیج برای نمایش اعداد در قالب حروف و بالعکس!
این پکیج اعداد را به حروف (مثلاً 3 را به سه) و حروف را به عدد (مثلاً سیوسه را به 33) در محیط R تبدیل میکند. این پکیج numberwang نام دارد.
💥 نصب و فراخوانی
#معرفی_پکیج
#تبدیل_عدد_به_حرف #تبدیل_حرف_به_عدد
#افشین_متولی
#numbers_to_words
#words_to_numbers #text_mining
@RStudio_ir
این پکیج اعداد را به حروف (مثلاً 3 را به سه) و حروف را به عدد (مثلاً سیوسه را به 33) در محیط R تبدیل میکند. این پکیج numberwang نام دارد.
💥 نصب و فراخوانی
remotes::install_github('coolbutuseless/numberwang')
library(inspectdf)
💥 مثال:---------------------------------این پکیج میتواند در زمینه #متن_کاوی یک ابزار مفید برای شما باشد.
num_to_words(c(12, pi))
#> [1] "twelve"
#> [2] "three point one four two"
---------------------------------
words_to_num('negative fifteen point seven')
#> [1] -15.700
---------------------------------
#معرفی_پکیج
#تبدیل_عدد_به_حرف #تبدیل_حرف_به_عدد
#افشین_متولی
#numbers_to_words
#words_to_numbers #text_mining
@RStudio_ir
🌃 تصاویر سلولی در R
پکیج drawCell یک بسته محاسباتی برای #مصورسازی اطلاعات سلولی در R است.
💥 نصب و فراخوانی
#معرفی_پکیج
#تصاویر_سلولی
#افشین_متولی
#drawCell
#cell_pictures
@RStudio_ir
پکیج drawCell یک بسته محاسباتی برای #مصورسازی اطلاعات سلولی در R است.
💥 نصب و فراخوانی
devtools::install_github("svalvaro/drawCell")
library(drawCell)
💥 مثال:---------------------------------این پکیج محصول مشترک دو زبان #جاوا_اسکریپت و R است و استفاده بسیار آسانی دارد. برای دریافت اطلاعات تکمیلی کلیک کنید.
drawCell(taxonomy_id = '58334', sl_ids = '0049', color = 'lightgreen')
---------------------------------
#معرفی_پکیج
#تصاویر_سلولی
#افشین_متولی
#drawCell
#cell_pictures
@RStudio_ir
📔 فراتر از رگرسیون خطی چندگانه: مدلهای خطی تعمیمیافته کاربردی و مدلهای چندسطحی در R
Beyond Multiple Linear Regression: Applied Generalized Linear Models and Multilevel Models in R
نویسندگان:
Paul Roback and Julie Legler
تاریخ انتشار:
January 26, 2021
🔴 این کتاب یک مکمل مناسب برای افرادی است که درس رگرسیون خطی را گذراندهاند یا به دنبال پژوهش بیشتر در بین مدلهای پیچیدهتر هستند.
🟢 آموزش دانلود و نصب پکیج و استفاده از دیتاستهای کتاب در R
#معرفی_کتاب
#رگرسیون_خطی
@RStudio_ir
Beyond Multiple Linear Regression: Applied Generalized Linear Models and Multilevel Models in R
نویسندگان:
Paul Roback and Julie Legler
تاریخ انتشار:
January 26, 2021
🔴 این کتاب یک مکمل مناسب برای افرادی است که درس رگرسیون خطی را گذراندهاند یا به دنبال پژوهش بیشتر در بین مدلهای پیچیدهتر هستند.
🟢 آموزش دانلود و نصب پکیج و استفاده از دیتاستهای کتاب در R
remotes::install_version(package = "broom", version = "0.5.6")🔐 مطالعه آنلاین کتاب
#معرفی_کتاب
#رگرسیون_خطی
@RStudio_ir
💣 یک منبع جذاب برای پیادهسازی تحلیل بقاء در R
برای ورود کلیک کنید.
#تحلیل_بقاء
#افشین_متولی
#Survival_Analysis
@RStudio_ir
برای ورود کلیک کنید.
#تحلیل_بقاء
#افشین_متولی
#Survival_Analysis
@RStudio_ir
📔 حل مسائل کتاب Advanced R
📔 Advanced R Solutions
نویسندگان:
Malte Grosser
Henning Bumann
Hadley Wickham
تاریخ انتشار:
July 26, 2021
🔴 همانطور که از عنوان کتاب مشخص است، مخاطبین این کتاب افرادی است که قصد دارند در برنامهنویسی با R حرفهای شوند. در این کتاب 284 مسئله از کتاب Hadley Wickham به نام Advanced R, 2nd edition به همراه کدنویسی و راهحل ارائه شده است.
🟩🟩👇 کلیک کنید 👇 🟥🟥
🟥 مطالعه کتاب Advanced R
🟩 مطالعه حل مسائل Advanced R
#معرفی_کتاب
#برنامهنویسی_پیشرفته_با_R
#Advanced_R_Solutions
@RStudio_ir
📔 Advanced R Solutions
نویسندگان:
Malte Grosser
Henning Bumann
Hadley Wickham
تاریخ انتشار:
July 26, 2021
🔴 همانطور که از عنوان کتاب مشخص است، مخاطبین این کتاب افرادی است که قصد دارند در برنامهنویسی با R حرفهای شوند. در این کتاب 284 مسئله از کتاب Hadley Wickham به نام Advanced R, 2nd edition به همراه کدنویسی و راهحل ارائه شده است.
🟩🟩👇 کلیک کنید 👇 🟥🟥
🟥 مطالعه کتاب Advanced R
🟩 مطالعه حل مسائل Advanced R
#معرفی_کتاب
#برنامهنویسی_پیشرفته_با_R
#Advanced_R_Solutions
@RStudio_ir
This media is not supported in your browser
VIEW IN TELEGRAM
👨💻 حل مسئله فروشنده دورهگرد در پایتون
مسئله فروشنده دورهگرد یکی از مسائل مشهور در #شبیهسازی است. در این مسئله باید کوتاهترین مسیر ممکن را پیدا کنیم که فروشنده بتواند در بهینهترین حالت از مبدأ به مقصد برسد.
برای مطالعه بیشتر در مورد این راهحل میتوانید از این لینک استفاده کنید.
#مسئله_فروشنده_دورهگرد
#پایتون
#Traveling_Salesman_Problem
@RStudio_ir
مسئله فروشنده دورهگرد یکی از مسائل مشهور در #شبیهسازی است. در این مسئله باید کوتاهترین مسیر ممکن را پیدا کنیم که فروشنده بتواند در بهینهترین حالت از مبدأ به مقصد برسد.
برای مطالعه بیشتر در مورد این راهحل میتوانید از این لینک استفاده کنید.
#مسئله_فروشنده_دورهگرد
#پایتون
#Traveling_Salesman_Problem
@RStudio_ir
🌃 رسم نمودارهای مارپیچ در R
پکیج spiralize یک بسته محاسباتی برای رسم #نمودار_مارپیچی است. در نمودارهای ggplot2 از دستورهایی با پیشوند geom استفاده میشود در این پکیج از پیشوند spiral استفاده شده است.
💥 نصب و فراخوانی
#معرفی_پکیج
#نمودار_مارپیچ
#افشین_متولی
#spiralize
#spiral_plot
@RStudio_ir
پکیج spiralize یک بسته محاسباتی برای رسم #نمودار_مارپیچی است. در نمودارهای ggplot2 از دستورهایی با پیشوند geom استفاده میشود در این پکیج از پیشوند spiral استفاده شده است.
💥 نصب و فراخوانی
install.packages("spiralize")
library(spiralize)
💥 گزینههای در دسترس عبارتند از:---------------------------------مزیت اصلی این بسته این است که به دلیل نمایش مارپیچی قادر است دادههایی با تعداد زیاد را نمایش دهد و همچنین برای نمایش الگوهای دورههای در دادههای #سری_زمانی مناسب است.
spiral_points()
spiral_lines()
spiral_rect()
spiral_segments()
spiral_polygon()
spiral_bars()
spiral_text()
spiral_axis()
spiral_yaxis()
spiral_raster()
spiral_horizon()
spiral_dendrogram()
spiral_phylo()
---------------------------------
#معرفی_پکیج
#نمودار_مارپیچ
#افشین_متولی
#spiralize
#spiral_plot
@RStudio_ir
🌃 رسم نمودارهای دمبل (وزنهای) در R
پکیج ggalt یک بسته محاسباتی برای رسم #نمودار_وزنهای (Dumbbell Plot) است. این نمودار شکل دمبل ورزشی دارد و تغییرات بین دو نقطه را نشان میدهد.
💥 نصب و فراخوانی
#معرفی_پکیج
#نمودار_دمبل
#ggalt
#Dumbbell_Plot
@RStudio_ir
پکیج ggalt یک بسته محاسباتی برای رسم #نمودار_وزنهای (Dumbbell Plot) است. این نمودار شکل دمبل ورزشی دارد و تغییرات بین دو نقطه را نشان میدهد.
💥 نصب و فراخوانی
install.packages("ggalt")
library(ggalt)
💥 مثال: در نمودار فوق مقادیر شروع و پایان (ابتدا و انتها) مربوط به بهبود صرفهجویی در مصرف سوخت اتوموبیل از سال1999 تا 2008 نشان داده شده است. قالب کلی این دستور به شکل زیر است:---------------------------------
ggplot() + geom_dumbbell()
---------------------------------
بنابراین ggalt هم برمبنای #نمودار_جی_جی عمل میکند. #معرفی_پکیج
#نمودار_دمبل
#ggalt
#Dumbbell_Plot
@RStudio_ir
🌃 کشف دقیق و تشریح تفاوتهای بین دو شیء در R
پکیج waldo یک بسته محاسباتی برای مقایسه دقیق شیءها به خصوص #مقایسه_دیتافرمها طراحی شده است.
💥 نصب و فراخوانی
#معرفی_پکیج
#مقایسه_اشیاء
#افشین_متولی
#waldo
#differences_in_objects
@RStudio_ir
پکیج waldo یک بسته محاسباتی برای مقایسه دقیق شیءها به خصوص #مقایسه_دیتافرمها طراحی شده است.
💥 نصب و فراخوانی
install.packages("waldo")
library(waldo)
💥 مثال: ---------------------------------برای مطالعه اطلاعات تکمیلی در مورد این بسته کلیک کنید.
df1 <- data.frame(x = c(1, 2, 3, 4, 5), y = c("a", "b", "c", "d", "e"))
df2 <- data.frame(x = c(1, 2, 3, 10, 4, 5), y = c("a", "b", "c", "X", "d", "e"))
compare(df1, df2)
#> `attr(old, 'row.names')[3:5]`: 3 4 5
#> `attr(new, 'row.names')[3:6]`: 3 4 5 6
#>
#> old vs new
#> x y
#> old[1, ] 1 a
#> old[2, ] 2 b
#> old[3, ] 3 c
#> + new[4, ] 10 X
#> old[4, ] 4 d
#> old[5, ] 5 e
#>
#> `old$x`: 1 2 3 4 5
#> `new$x`: 1 2 3 10 4 5
#>
#> `old$y`: "a" "b" "c" "d" "e"
#> `new$y`: "a" "b" "c" "X" "d" "e"
---------------------------------
#معرفی_پکیج
#مقایسه_اشیاء
#افشین_متولی
#waldo
#differences_in_objects
@RStudio_ir