Recap sugli esercizi

3.3 Determinare (non a mano) il numero di studenti nelle tre fasce di voto: <22, 23-26, >27

Questo esercizio richiedeva la selezione della colonna relativa ai voti, l’applicazione di una condizione booleana e il conteggio dei TRUE

esitiEsame
##           voto ripetizioni
## Luigi       28           3
## Francesca   18           2
## Carlo       25           1
## Alberto     21           1
## Nicola      30           2
## Giovanna    22           2

Recap sugli esercizi (cont)

Selezione della colonna contenente i voti

esitiEsame[, "voto"]
##     Luigi Francesca     Carlo   Alberto    Nicola  Giovanna 
##        28        18        25        21        30        22

Recap sugli esercizi (cont)

Generazione di una maschera di booleani da usare come filtro

esitiEsame[, "voto"] <= 22
##     Luigi Francesca     Carlo   Alberto    Nicola  Giovanna 
##     FALSE      TRUE     FALSE      TRUE     FALSE      TRUE

Recap sugli esercizi (cont)

Conteggio dei TRUE nella maschera di booleani

sum(esitiEsame[, "voto"] <= 22)
## [1] 3

Recap sugli esercizi (cont)

3.4 Aggiungere una colonna “fascia” alla matrice, in cui inseriamo 3 per gli studenti in fascia 18-22, 2 per gli studenti in fascia 23-26 e 1 per quelli in fascia 27-30

In questo caso era necessario applicare la maschera booleana (creata come visto sopra) per effettuare l’accesso ad un nuovo vettore “fascia” e assegnare i valori 1,2,3

Recap sugli esercizi (cont)

n = length(esitiEsame[,"voto"])
fascia = rep(0, n)
maschera3 = esitiEsame[, "voto"] <= 22
esitiEsame[, "voto"]
##     Luigi Francesca     Carlo   Alberto    Nicola  Giovanna 
##        28        18        25        21        30        22
maschera3
##     Luigi Francesca     Carlo   Alberto    Nicola  Giovanna 
##     FALSE      TRUE     FALSE      TRUE     FALSE      TRUE
fascia[maschera3] <- 3
fascia
## [1] 0 3 0 3 0 3

Cosa abbiamo visto fino ad ora

La principale caratteristica è che queste strutture contengono dati omogenei. Per avere informazioni su un oggetto a di R esiste la funzione mode(a)

c = "pippo"
mode(c)
## [1] "character"
vec <- 1:10
mode(vec)
## [1] "numeric"
matr <- matrix(TRUE, nrow=2, ncol=2)
mode(matr)
## [1] "logical"

Liste

Le liste rappresentano un sequenza di oggetti accessibili tramite un indice
Una lista viene creata con il comando $\text{list}\left(\text{componente}_1,\ldots ,\text{componente}_n\right)$
Le componenti possono non essere dello stesso tipo o modo
Gli elementi di una lista possono essere, a loro volta, delle liste
Le componenti di una lista sono indicizzate, e sono a loro volta delle sottoliste di lunghezza 1
Una lista è una struttura ricorsiva

esempioLista <- list(
                      c("s1", "s2"), 
                      1:3, 
                      list(
                        list(TRUE,FALSE,TRUE), 
                        "pippo"
                        )
                      )

Liste (cont)

esempioLista
## [[1]]
## [1] "s1" "s2"
## 
## [[2]]
## [1] 1 2 3
## 
## [[3]]
## [[3]][[1]]
## [[3]][[1]][[1]]
## [1] TRUE
## 
## [[3]][[1]][[2]]
## [1] FALSE
## 
## [[3]][[1]][[3]]
## [1] TRUE
## 
## 
## [[3]][[2]]
## [1] "pippo"

Liste (cont)

Notiamo subito che è cambiata la visualizzazione:

gli elementi sono sono più tutti su una singola riga
ogni elemento della lista è separato da una riga vuota
N.B.: I vettori come c(“s1”, “s2”) e 1:3 son rappresentati su un’unica riga, nella lista list(TRUE,FALSE,TRUE) gli elementi, pur essendo omogenei, vengono separati da una riga rendendo molto più complessa la visualizzazione.

REGOLA: Quando vi accorgete di avere una sequenza di elementi omogenei usate un vettore.

Liste (cont)

esempioLista <- list(c("s1", "s2"), 1:3, list(c(TRUE,FALSE,TRUE), "pippo")) 
esempioLista
## [[1]]
## [1] "s1" "s2"
## 
## [[2]]
## [1] 1 2 3
## 
## [[3]]
## [[3]][[1]]
## [1]  TRUE FALSE  TRUE
## 
## [[3]][[2]]
## [1] "pippo"

Liste (cont)

Un buon modo per visulizzare la struttura di una lista a (ma anche di altri oggetti) è il comando str(a)

str(esempioLista)
## List of 3
##  $ : chr [1:2] "s1" "s2"
##  $ : int [1:3] 1 2 3
##  $ :List of 2
##   ..$ : logi [1:3] TRUE FALSE TRUE
##   ..$ : chr "pippo"

Accesso agli elementi delle liste

Per accedere agli elementi di una lista si usa [[]]; se poi il nostro elemento è un altro oggetto accessibile (vettori/matrici) possiamo usare [] per accedere ai suoi elementi, se invece l’elemento è una lista dobbiamo usare nuovamente [[]]

esempioLista <- list(c("s1","s2"))
esempioLista
## [[1]]
## [1] "s1" "s2"
#esempio di accesso corretto: esempioLista[[1]]
esempioLista[[1]] #questo è un vettore di stringhe
## [1] "s1" "s2"
esempioLista[[1]][2]
## [1] "s2"
#Esempio di accesso errato: esempioLista[1]
esempioLista[1] #questo è una lista contenente un vettore di stringhe
## [[1]]
## [1] "s1" "s2"
esempioLista[1][2]
## [[1]]
## NULL

Accesso/modifica agli elementi delle liste

esempioLista <- list(c("s1", "s2"), 1:3, list(c(TRUE,FALSE,TRUE), "pippo")) 
esempioLista[[3]][[2]]
## [1] "pippo"
esempioLista[[3]][[1]][2]
## [1] FALSE
esempioLista[[3]][[2]] <- c("pippo", "pluto")
esempioLista[[3]][[2]]
## [1] "pippo" "pluto"

Vi ricordate la funzione names()?

Ovviamente non poteva mancare l’accesso tramite caratteri. Ci sono due modi per attaccare le etichette ad una lista:

in fase di creazione
usando la cara funzione names()

li <- list(val = TRUE, vector = c(1,3,7,0,9), m = matrix(1:12,nrow=2))
li
## $val
## [1] TRUE
## 
## $vector
## [1] 1 3 7 0 9
## 
## $m
##      [,1] [,2] [,3] [,4] [,5] [,6]
## [1,]    1    3    5    7    9   11
## [2,]    2    4    6    8   10   12

Ve lo ricordate names()? (cont)

li <- list(TRUE, c(1,3,7,0,9), matrix(1:12,nrow=2))
names(li) <- c("val", "vector", "m")
li
## $val
## [1] TRUE
## 
## $vector
## [1] 1 3 7 0 9
## 
## $m
##      [,1] [,2] [,3] [,4] [,5] [,6]
## [1,]    1    3    5    7    9   11
## [2,]    2    4    6    8   10   12

Il risultato è esattamente identico al comando precedente

Accesso tramite nomi

Si può accedere ad un elemento della lista utilizzando “lista$nomeElemento” o “lista[[“nomeElemento”]]”

# questi due comandi sono uguali
li$m
##      [,1] [,2] [,3] [,4] [,5] [,6]
## [1,]    1    3    5    7    9   11
## [2,]    2    4    6    8   10   12
li[["m"]]
##      [,1] [,2] [,3] [,4] [,5] [,6]
## [1,]    1    3    5    7    9   11
## [2,]    2    4    6    8   10   12
li$vector == li[["vector"]]
## [1] TRUE TRUE TRUE TRUE TRUE

Ahhhhhhhhh adesso si spiega questo….

Aggiunta di elementi da una lista

L’aggiunta di un elemento avviene in coda alla lista usando l’indice pari a “length +1”
Non è necessario utulizzare le doppie parentesi [[]]

li <- list ("pippo")
li[length(li)+1] <- FALSE
li[length(li)+1] <- 2
li
## [[1]]
## [1] "pippo"
## 
## [[2]]
## [1] FALSE
## 
## [[3]]
## [1] 2

Rimozione di elementi da una lista

La rimozione avviene settando a NULL l’elemento

li[[2]] <- NULL
li
## [[1]]
## [1] "pippo"
## 
## [[2]]
## [1] 2

N.B.

Modifica/aggunta/rimozione di elementi può essere effettuta usando gli operatori “lista[[nomeElemento]]” e “lista$nomeElemento”

Dataframe

Un data frame può essere considerato come una matrice le cui colonne rappresentano dati eterogenei (a differenza di matrici e vettori che possono contenere solo dati omogenei)

frame
##   ripetizioni probSuccesso alunno
## 1           6    0.1000000     A1
## 2           7    0.3333333     A2
## 3           8    0.5666667     A3
## 4           9    0.8000000     A4

Elementi di un Dataframe

Le colonne del data frame possono essere costituiti da:

Vettori (numerici, a caratteri, logici)
Fattori (???)
Matrici numeriche
Liste
Altri data frame

Fattori

Sono variabili qualitative nominali…

eeeeeeeeh???

Fattori

Sono variabili qualitative nominali…

eeeeeeeeh???

Sono variabili non numeriche (ad esempio gli attributi “pessimo”, “cattivo”, “mediocre”, “buono” e “ottimo”):

il numero di possibili valori è finito
possono possedere un ordine, oppure non averlo

Vi ricordate l’indice di eterogeneità di Gini o l’Entropia?

Costruzione (spero non vi capiti mai)

I data frame sono costruiti tramite la funzione data.frame:

x <- 6:9
y <- seq(from = 0.1, to = 0.8, length = 4)
z <- paste("A",1:4,sep="")
frame <- data.frame(ripetizioni = x, probSuccesso = y ,alunno= z)
frame
##   ripetizioni probSuccesso alunno
## 1           6    0.1000000     A1
## 2           7    0.3333333     A2
## 3           8    0.5666667     A3
## 4           9    0.8000000     A4

Costruzione (spero vi capiti spesso)

Nell’ambito scientifico i dati vengono solitamente salvati in formato “.csv” (“comma separated values”) o altri derivati (come il “.tsv” tab separated values).


Eta,StatoCivile,Nazione,Reddito
25,Never-married,United-States,<=50K
38,Married-civ-spouse,United-States,<=50K
28,Married-civ-spouse,United-States,>50K
44,Married-civ-spouse,United-States,>50K
34,Never-married,United-States,<=50K
63,Married-civ-spouse,United-States,>50K
24,Never-married,United-States,<=50K
55,Married-civ-spouse,United-States,<=50K
65,Married-civ-spouse,United-States,>50K

Costruzione (spero vi capiti spesso)

R mette a disposizione un comando per la lettura dei file .csv (e suoi derivati)

reddito <- read.csv(file = "soluzioni/dataset/reddito.csv")
head(reddito)
##   Eta        StatoCivile       Nazione Reddito
## 1  25      Never-married United-States   <=50K
## 2  38 Married-civ-spouse United-States   <=50K
## 3  28 Married-civ-spouse United-States    >50K
## 4  44 Married-civ-spouse United-States    >50K
## 5  34      Never-married United-States   <=50K
## 6  63 Married-civ-spouse United-States    >50K

Vincolo sulle righe

Durante la creazione a partire da vettori, questi devono avere la stessa lunghezza. Può capitare che non ci siano dei dati disponibili, ma se il file .csv è formattato correttamente, read.csv() associa NA per i valori vuoti di tipo numerico mentre una stringa vuota nel caso di fattori

redditoNA <- read.csv(file = "soluzioni/dataset/redditoValoriNA.csv")
redditoNA
##   Eta        StatoCivile       Nazione Reddito
## 1  25      Never-married United-States   <=50K
## 2  38 Married-civ-spouse United-States        
## 3  28 Married-civ-spouse United-States    >50K
## 4  44                    United-States    >50K
## 5  NA           Divorced United-States   <=50K
## 6  63 Married-civ-spouse                  >50K
redditoNA$StatoCivile[4] #Elemento vuoto
## [1] 
## Levels:  Divorced Married-civ-spouse Never-married
redditoNA$StatoCivile[5]
## [1] Divorced
## Levels:  Divorced Married-civ-spouse Never-married

Accesso agli elememnti

Niente di nuovo, le opzioni sono:
- Accesso tramite indice numerico delle colonne
- Accesso tramite coppia di coordinate
- Accesso tramite il nome delle componenti
- Accesso tramite indice “a caratteri”

redditoNA[[1]]
## [1] 25 38 28 44 NA 63
redditoNA[1, 3]
## [1] United-States
## Levels:  United-States
redditoNA$Eta
## [1] 25 38 28 44 NA 63
redditoNA[["Eta"]]
## [1] 25 38 28 44 NA 63

N.B. Gli ultimi 2 casi funzionano se nella prima riga del file sono presenti gli headers.

Creare sottoinsiemi di dataframe

Si possono selezionare componenti del dataframe per crearne un sottoinsieme ridotto

redditoNA[1, ]# selezionare solo la prima riga
##   Eta   StatoCivile       Nazione Reddito
## 1  25 Never-married United-States   <=50K
redditoNA[c(3,5), 2]#selezionare della terza e della quinta riga la seconda colonna 
## [1] Married-civ-spouse Divorced          
## Levels:  Divorced Married-civ-spouse Never-married

La riga “## Levels:…” indica tutti i valori che è possibile siano contentuti nella colonna

Selezione di membri del dataset mediante espressioni logiche

Usando dei confronti su delle variabili è possibile selezionare le righe del dataset in cui si verificano le condizioni

redditoNA[redditoNA$Eta>50, ] #righe in cui età è maggiore di 50
##    Eta        StatoCivile Nazione Reddito
## NA  NA               <NA>    <NA>    <NA>
## 6   63 Married-civ-spouse            >50K
# i valori NA generano dei problemi

Selezione di membri del dataset mediante espressioni logiche

Usando dei confronti su delle variabili è possibile selezionare le righe del dataset in cui si verificano le condizioni

redditoNA[redditoNA$Eta>50, ] #righe in cui età è maggiore di 50
##    Eta        StatoCivile Nazione Reddito
## NA  NA               <NA>    <NA>    <NA>
## 6   63 Married-civ-spouse            >50K
# i valori NA generano dei problemi
# soluzione: filtrarli via
redditoNA[redditoNA$Eta>50 & !is.na(redditoNA$Eta), ]
##   Eta        StatoCivile Nazione Reddito
## 6  63 Married-civ-spouse            >50K
redditoNA[redditoNA$Eta>50 & !is.na(redditoNA$Eta),"Reddito"]
## [1] >50K
## Levels:  <=50K >50K

Selezione di membri del dataset mediante espressioni logiche

Equivalentemente si può usare la funzione subset()

subset(redditoNA, Eta>50 & !is.na(Eta) )
##   Eta        StatoCivile Nazione Reddito
## 6  63 Married-civ-spouse            >50K

Se si vogliono selezionare elementi da un insieme si può usare l’operatore %in%:

subset(redditoNA, StatoCivile %in% c ("Divorced", "Never-married"))
##   Eta   StatoCivile       Nazione Reddito
## 1  25 Never-married United-States   <=50K
## 5  NA      Divorced United-States   <=50K

Esercizio 1

Siano dati i seguenti nominativi di donatori di sangue ed i corrispondenti gruppi sanguigni (GS):

estrarre dai seguenti vettori 100 campioni

c("Luca","Mario", "Tommaso", "Marco", "Gianni", "Pino", "Alessia", "Francesca", "Anna", "Stefania", "Viola", "Cristina")
c("Rossi", "Neri", "Bianchi", "Verdi", "Brambilla", "Ferrari", "Russo", "Esposito", "Romani", "Marino", "Colombo", "Conti", "Gallo", "Greco")
c("0", "A", "B", "AB")

ed inserire nomi, cognomi e GS in un dataframe con colonne etichettate

Rappresentare i gruppi sanguigni in una tabella delle frequenze (assolute)
Rappresentare i gruppi sanguigni in una tabella delle frequenze relative
Restituire i nomi ed i cognomi delle persone che hanno gruppo sanguigno B
Restituire i cognomi delle persone che hanno gruppo sanguigno B e che si chiamano Cristina

N.B. chi verrà sorpreso a scrivere 100 nomi a mano uno per uno, verrà fucilato sul posto.

Esercizio 2

Scaricare il dataset mtcars.csv
Importare il dataset creando un dataframe
Visualizzare la struttura del dataset
Visualizzare le prime 6 righe del dataset
Convertire i pesi (wt) da libbre a chilogrammi e sovrascrivere il dataframe (attenzione i valori iniziali sono 1000 lb)
Stampare la riga dell’auto più pesante
Calcolare la tabella delle frequenze assolute del numero dei cilindri (cyl)
Determinare le auto che hanno 4 cilindri e più di 70 cavalli (hp) e stamparne modello (model) e peso (wt)(provate sia con subset che con [])

Esercizio 3

Scaricare il dataset atleti.csv
Importare il dataset creando un dataframe e controllarne la struttura
I dati dei pesi soddisfano le tre condizioni necessarie affinché siano approsimativamente normali? Ross pag. 105
I dati dell’età sono simmetrici intorno al valore medio? Ross pag 56

Cambiare directory di lavoro (non strettamente necessario ma comodo)

Al fine di importare il dataset senza usare un path assoluto è importante conoscere la posizione dell’attuale cartella di lavoro e/o impostare la nuova cartella di lavoro.

Su sistemi unix-based

Poniamo il caso che abbiate scaricato i file del dataset nella directory “/home/pippo/Scaricati/”

getwd() 
## [1] "/Users/genuzio/Documents"
setwd("/home/pippo/Scaricati/") 
list.files() 
## [1] "atleti.csv"          "dataset1.csv"        "mtcars.csv"         
## [4] "reddito.csv"         "redditoValoriNA.csv" "titanic.csv"

RICORDATE: il tasto TAB è vostro amico

Cambiare directory di lavoro (non strettamente necessario ma comodo)

Al fine di importare il dataset senza usare un path assoluto è importante conoscere la posizione dell’attuale cartella di lavoro e/o impostare la nuova cartella di lavoro.

Su sistemi windows

Poniamo il caso che abbiate scaricato i file del dataset nella directory “C:/Users/TommasoR/Downloads/”

getwd()
## [1] "C:/Users/TommasoR/Documents"
setwd("C:/Users/TommasoR/Downloads/")
list.files()
## [1] "atleti.csv"          "dataset1.csv"        "mtcars.csv"         
## [4] "reddito.csv"         "redditoValoriNA.csv" "titanic.csv"

RICORDATE: il tasto TAB è vostro amico

Laboratorio di Statistica e Analisi Dati: Lezione 3

Recap sugli esercizi

Recap sugli esercizi (cont)

Recap sugli esercizi (cont)

Recap sugli esercizi (cont)

Recap sugli esercizi (cont)

Recap sugli esercizi (cont)

Cosa abbiamo visto fino ad ora

Liste

Liste (cont)

Liste (cont)

Liste (cont)

Liste (cont)

Accesso agli elementi delle liste

Accesso/modifica agli elementi delle liste

Vi ricordate la funzione names()?

Ve lo ricordate names()? (cont)

Accesso tramite nomi

Aggiunta di elementi da una lista

Rimozione di elementi da una lista

N.B.

Dataframe

Elementi di un Dataframe

Fattori

Fattori

Costruzione (spero non vi capiti mai)

Costruzione (spero vi capiti spesso)

Costruzione (spero vi capiti spesso)

Vincolo sulle righe

Accesso agli elememnti

Creare sottoinsiemi di dataframe

Selezione di membri del dataset mediante espressioni logiche

Selezione di membri del dataset mediante espressioni logiche

Selezione di membri del dataset mediante espressioni logiche

Esercizio 1

Esercizio 2

Esercizio 3

Cambiare directory di lavoro (non strettamente necessario ma comodo)

Cambiare directory di lavoro (non strettamente necessario ma comodo)

Questionario