RStudio
1.2K subscribers
212 photos
34 videos
37 files
195 links
💬 آموزش R و RStudio
💬 اجرای پروژه‌های برنامه‌نویسی
💬 آموزش یادگیری ماشین و تحلیل داده

👥 https://t.me/+bcrfE2b3YTY1MWNk

@RSTUDIO_IR
🌐 www.r-studio.ir

جهت هماهنگی جلسات خصوصی/گروهی R با ادمین‌ها تماس بگیرید

🆔 @rstudioir | @afshin_motavali
Download Telegram
📔 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

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
📔 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
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
🌃 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

install.packages("spiralize")
library(spiralize)

💥 گزینه‌های در دسترس عبارتند از:

---------------------------------
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()
---------------------------------

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.

#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

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

install.packages("waldo")
library(waldo)

💥 مثال:

---------------------------------
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"
---------------------------------

برای مطالعه اطلاعات تکمیلی در مورد این بسته کلیک کنید.

#معرفی_پکیج
#مقایسه_اشیاء
#افشین_متولی
#waldo
#differences_in_objects
@RStudio_ir
🖥 برای مدت محدود #دیتاکمپ سه دوره مقدماتی برنامه‌نویسی رو رایگان کرده

🟩 لینک دوره مقدمات R:
https://lnkd.in/g-vH9Yzj

🟩 لینک دوره مقدمات Python:
https://lnkd.in/g-iMxC6a

🟩 لینک دوره مقدمات SQL:
https://lnkd.in/gJGyE8cN

#معرفی_دوره
#course #r #sql #python
@RStudio_ir
dataExplorerGifLg.gif
10.9 MB
👨‍💻 ساخت یک گزارش کامل #تحلیل_اکتشافی_داده‌ها با چند دستور در R

🔨 نصب و فراخوانی:

devtools::install_github("boxuancui/DataExplorer")
library(DataExplorer)

👨🏻‍💻 مثال:
library(readr)
# Download the data set
df=read_csv('https://raw.githubusercontent.com/lgellis/STEM/master/DATA-ART-1/Data/FinalData.csv', col_names = TRUE)
DataExplorer::create_report(df)

پس از اجرای دستورهای بالا، یک پنجره جداگانه برای شما باز خواهد شد و خروجی آن یک گزارش کامل از ماهیت داده‌های شما خواهد بود.

#معرفی_پکیج
#تحلیل_اکتشافی
#افشین_متولی

#expolatory_data_analysis
@RStudio_ir
This media is not supported in your browser
VIEW IN TELEGRAM
داشبورد عملکرد ستارگان فوتبال با R Markdown

⚽️ کمپانی بزرگ EA Sports اخیراً یک
#داشبورد با استفاده از #مارکدان تهیه و منتشر کرده است که با قرار دادن نشان‌گر ماوس بر روی تصویر هر بازیکن، یک نمودار راداری به صورت #پاپ_آپ باز شده و عملکرد بازیکن را به شما نمایش می‌شود.

این آمار مربوط به بازی محبوب FIFA 2021 است.

🟩🟩 نمایش داشبورد 🟩🟩

#markdown #shiny #videogame
#football
@RStudio_ir
🌃 نمودار میله‌ای-چرخشی با ggplot2

مشاهده کدها 👈🏻
کلیک کنید

#نمودار_چرخشی
#نمودار_میله‌ای
#ggplot2
#circular_barplot
@RStudio_ir
This media is not supported in your browser
VIEW IN TELEGRAM
👨🏻‍💻 رسم گراف تعامل‌گرا در RStudio

یک #گراف_تعامل‌گرا یا Interactive Graph نموداری است که نسبت به حرکات نشانگر ماوس شما حساسیت نشان می دهد و به راحتی با عمل Drag & Drop (نگه داشتن و رها کردن کلیک ماوس) می توانید بر روی آن به صورت لحظه به لحظه (real-time) بدون نیاز به انجام کدنویسی، تغییرات اعمال کنید.

install.packages('visNetwork')
library(visNetwork)
nodes <- data.frame(
id = 1:4,
label = c('Ali', 'Reza', 'Hassan', 'Parsa')
)
edges = data.frame(
from = c(rep(2, 2), rep(1, 2), 2, 3,4),
to = c(rep(3, 3), rep(2, 2), rep(1, 2))
)
visNetwork::visNetwork(nodes, edges) |>
visLayout(randomSeed = 123)

در وب سایت زیر بیشتر بخوانید:
🟩🟩
کلیک کنید 🟩🟩

#interactive_graph #graph #social_networks
@RStudio_ir
👨🏻‍💻 تحلیل رگرسیون خطی به روش بیزی در R

گاهی به دلایل مختلف ممکن است قصد داشته باشید به جای روش‌های #حداکثر_درستنمایی یا #حداقل_مربعات برای برآورد پارامترهای مدل رگرسیونی، از روش‌های بهتری مانند #برآورد_بیزی استفاده کنید. در این پست یک بسته مناسب برای انجام این کار به شما معرفی کرده‌ایم.

برای مطالعه بیشتر در مورد کدنویسی و تحلیل خروجی‌های اینگونه مدل‌ها وارد سایت زیر شوید:

🟩🟩 کلیک کنید 🟩🟩

#bayesian_estimation #regression
#Rstanarm
@RStudio_ir
👨🏻‍💻 سه روش تغییر رنگ و متن راهنما به صورت دستی در نمودار جی جی

دستورهای #نمودار_جی_جی به صورت پیش‌فرض از اسامی متغیرها برای رنگ آمیزی و از سطوح متغیرهای کیفی برای نام گذاری راهنمای نمودار استفاده می‌کنند.

شما می توانید این روند را تغییر دهید و با چند کد ساده کنترل کامل روی این اسامی و رنگ‌ها داشته باشید. لینک زیر را دنبال کنید.

🟩🟩 کلیک کنید 🟩🟩

#ggplot2 #legend
#manual_colors_and_legend
@RStudio_ir
👨🏻‍💻 دریافت اطلاعات کامل در مورد پکیج‌ها و نحوه نصب

https://www.r-pkg.org/

#پکیج
#package
#CRAN
@RStudio_ir
📔 کتاب پکیج‌های R

📔 R Packages

نویسنده
:
Hadley Wickham
Jenny Bryan

تاریخ انتشار: 2015


🔴 این کتاب یکی از منابع اصلی برای توسعه بسته‌های محاسباتی در R است. در این کتاب، فلسفه توسعه پکیج با توضیحات فراوان گفته شده و صفر تا صد ساخت پکیج را خواهید آموخت.

🟩🟩👇 کلیک کنید 👇 🟥🟥

🟥 مطالعه کتاب

#معرفی_کتاب
#توسعه_پکیج

#R_Packages

@RStudio_ir
👨🏻‍💻 تولید مشخصات فردی به صورت تصادفی در R

در برخی موارد ما دسترسی به داده‌های واقعی نداریم و به همین دلیل از داده‌های شبیه سازی شده استفاده می کنیم. هر مجموعه داده در یک دسته بندی کلی شامل متغیرهای کمی و متغیرهای کیفی است. شبیه سازی متغیرهای کمی آسان است ولی داده هایی مانند نام، نام خانوادگی، نژاد، جنسیت و غیره از جمله متغیرهایی هستند که به روش های مرسوم شبیه سازی نخواهند شد. در این جا یک پکیج برای این کار معرفی می کنیم.

🟩 نصب و فراخوانی پکیج:

install.packages("randomNames")
library(randomNames)

🟩 سه اسم و فامیل به صورت تصادفی:

> randomNames(3)
[1] "Dodd, Reese" "Clements, Clayton" "al-Badie, Mudrika"

🟩 سه اسم و فامیل (مرد) به صورت تصادفی:

> randomNames(3, gender=0)
[1] "Berhe, Dashawn" "Tsuchiya, Oliver" "Wright, Jorge"

🟩 سه اسم (زن) به صورت تصادفی از خاورمیانه:

> randomNames(3, gender=1, ethnicity=6, which.names="first") 
[1] "Ruqayya" "Sawada" "Awaatif"

#معرفی_پکیج
#تولید_اسامی_تصادفی
#randomNames
@RStudio_ir