Controllo del flusso di esecuzione di un programma

• In R esistono strutture di controllo specifiche per regolare il flusso di esecuzione di un programma:

  • Blocchi di istruzioni
  • Istruzioni condizionali
  • Istruzioni di looping

Sequenze e blocchi di istruzioni

• Le istruzioni possono essere raggruppate insieme utilizzando le parentesi graffe. Una sequenza di istruzioni fra parentesi graffe costituisce un blocco

• Un blocco non viene quasi mai usato da solo, ma in combinazione con un’altra istruzione

{
x <- 4+2
z <- 4
x+z
x-3
}
## [1] 3

Sequenze e blocchi di istruzioni

{
x <- 4+2
z <- 4
x+z
x-3
}
## [1] 3

Differenze ?

x <- 4+2
z <- 4
x+z
## [1] 10
x-3
## [1] 3

Si, la valutazione delle singole istruzioni nel caso dei blocchi è di tipo lazy (rimandata al termine del blocco), questo comporta, per esempio, che l’output dell’operazione x+z non sia visibile.

Istruzioni condizionali (IF)

x <- 6
if ( x %% 3 == 0 ){
  x <- x + 6
  x - 3
} else {
  x + 3 
}
## [1] 9

Istruzioni condizionali (IF) (cont.)

Sintassi:

• Se l’istruzione in uno dei blocchi è unica le parentesi graffe possono essere omesse.
• Posso omettere il ramo else

{
x <- 120
if (x >= 100) 
  x <- x + 4
else   
  x <- x - 200
if(x<0)
  x <- x + 2000
x
}
## [1] 124

N.B. Questo tipo di sintassi però è valida solo all’interno di un blocco (potete provare ad incollare il codice senza le parentesi graffe)

Istruzioni di Loop

Esistono diverse forme di istruzioni di loop:

• for
• while
• repeat

Tutte permettono di ripetere un blocco di istruzioni

For

Sintassi:

v = c(2,5,7,8) 
for (i in v){
  print(i)
}
## [1] 2
## [1] 5
## [1] 7
## [1] 8

N.B. La semantica di questo comando è pari al foreach di java, quindi di fatto non avete una variabile i come contatore che si incrementa ad ogni ripetizione

For (cont.)

Su cosa posso iterare?

• Si può iterare su una lista di funzioni di R, quello che ottengo è la valutazione di tutte le funzioni
• Si può iterare su una lista di componenti di un dataframe

valore = 24
funzioni = list(sqrt, sum1, log, exp)
for (f in funzioni){
  print(f(valore))
}
## [1] 4.898979
## [1] 25
## [1] 3.178054
## [1] 26489122130

While

Sintassi:

i <- 0
while (i < 2){
  print (i)
  i<-i+1
}
## [1] 0
## [1] 1

Repeat

Sintassi:

i <- 0
repeat{
  print (i)
  i <- i + 1
  if (i >= 2) break;
}
## [1] 0
## [1] 1

N.B. La differenza principale con while è che posso eseguire del codice prima di valutare la condizione (do while)

Cicli e prestazioni

• Molte delle funzioni di R su vettori operareno elemento per elemento
• Utilizzare direttamente operazioni o funzioni vettorizzate è più efficiente che effettuare le medesime operazioni utilizzando cicli for

Esempio calcolare il vettore sommma tra due vettori v e w. Useremo system.time() per calcolare il tempo di esecuzione

v <- sample (1:400, 100000, replace = TRUE)
w <- sample (400:800, 10000, replace = TRUE )
system.time(for(e in 1:length(w)) v[e] <- v[e] + w[e] )
##    user  system elapsed 
##   0.020   0.003   0.023
system.time(v <- v + w)
##    user  system elapsed 
##   0.001   0.000   0.000

Definizione di funzioni

Ovviamente in R è possibile creare delle funzioni personalizzate usando la parola chiave function

• Alla funzione è possibile passare dei parametri che vengono passati per valore (se li modificate le modifiche non si propogano all’esterno)
• Il corpo di una funzione è definito da un blocco e può restituire un valore con la parola chiave return
• Gli argomenti vengono separati da virgole, è possibile impostare dei valori di default usando gli uguali

# Definizione della funzione successore
succ <- function(x=0){
  return(x+1)
}

Chiamare una funzione (opzione 1)

• Scrivere la funzione direttamente sull’interprete come nella slide precedente e chiamarla usando il nome che le è stato assegnato

expY <- function(x=0,y){
  return(y^x)
}
expY(,3)
## [1] 1
expY(3,2)
## [1] 8
expY(y = 2, x = 3)
## [1] 8

N.B. La seconda e la terza chiamata sono assolutamente identiche, in expY(3,2) la posizione del valore indica a quale parametro della funzione associarlo, in expY(y = 2, x = 3) il valore del parametro viene definito per nome

Chiamare una funzione (opzione 2)

• Scrivere su un file .R la vostra funzione e usare il comando source("nomeFile.R") per importare il file

# esempioScript.R
expY <- function(x=0,y){
  return(y^x)
}

Chiamare una funzione (opzione 2)

• Scrivere su un file .R la vostra funzione e usare il comando source("nomeFile.R") per importare il file

rm(list = ls())
source("esempioScript.R")
expY(3,2)
## [1] 8

Comandi sapply() e lapply()

In una delle slide precendenti abbiamo visto che è possibile ciclare su una lista di funzioni, ovvero applicare una dopo l’altra una serie di funzioni ad un singolo valore. Qualora invece sia necessario applicare una singola funzione a tutti i valori di un vettore/matrice/lista/datframe è possibile usare le funzioni lapply e sapply; mentre lapply restituisce una sempre una lista, sapply restituisce una matrice se applicato ad un dataframe e un vettore altrimenti

• In generale la loro esecuzione è più efficiente del corrispondente ciclo for

y <- sample(1:10, 2, replace=TRUE)
f <- function(el){
  if(el%%2==0)
  return(TRUE)
  else 
  return(FALSE)
}
lapply(y, f)
## [[1]]
## [1] TRUE
## 
## [[2]]
## [1] TRUE
sapply(y, f)
## [1] TRUE TRUE

N.B. lapply

Perché non applichiamo direttamente la funzione f sul vettore?

• Il motivo sta nella condizione dell’if, infatti non è possibile inserire come condizione un vettore di booleani

f(y)
## Warning in if (el%%2 == 0) return(TRUE) else return(FALSE): the condition
## has length > 1 and only the first element will be used
## [1] TRUE

Esercizio 1

Usando le istruzioni viste oggi, scrivere le seguenti funzioni R e salvarle nel file mia_libreria.R

1. Calcolare la frequenza assoluta dei dati contenuti in un vettore (non usare table)
2. Calcolare la frequenza relativa dei dati contenuti in un vettore (non usate table)
3. Calcolare la moda dei dati contenuti in un vettore (non usate table)

N.B. Come ottenere una copia di un vettore senza duplicati

vector = c ("pippo", "pluto", "pluto", "paperino", "paperino", "pluto", "paperino", "paperino")
unique (vector)
## [1] "pippo"    "pluto"    "paperino"

Esercizio 1 (cont.)

4. Calcolare la media campionaria dei dati contenuti in un vettore usando le frequenze relative
5. Calcolare la covarianza campionaria di due vettori
6. Calcolare (senza usare quantile()) il percentile \(k\)-esimo dei dati un vettore (\(k\) deve essere un parametro della funzione)
7. Calcolare l’indice di eterogeneità di Gini e Entropia normalizzati dei dati contenuti in un vettore

Esercizio 2

1. Scaricare il dataset reddito.csv
2. Importare il dataset creando un dataframe
3. Usare la funzione scritta in precendenza per calcolare Entropia e indice di Gini dei fattori StatoCivile e Nazione
4. Calcolare la moda dei due fattori

Esempio: passaggio per valore

foo <- function(x,y){
  x <- x + y
  print(paste("x dentro la funzione foo", x, sep = " "))
}
x <- 3
y <- 3
foo(x, y)
## [1] "x dentro la funzione foo 6"
x
## [1] 3

Esempio: superassegnamento

In R è possibile bypassare il passaggio per valore utilizzando il doppio simbolo di minore: la variabile x viene modificata solo nell’ambiente da cui è stata effettuata la chiamata, non dentro la funzione; se non viene trovata, viene creata e inizializzata

foo <- function(x,y){
  x <<- x + y
  print(paste("x dentro la funzione foo", x, sep = " "))
}
x <- 3
y <- 3
foo(x, y)
## [1] "x dentro la funzione foo 3"
x
## [1] 6

Questionario