1
Procvičování 4
1. V RStudiu vytvořte nový projekt, umístěte ho do adresáře cv04 a natáhněte si pracovní prostředí z minula. Najdete zde: http://www.sci.muni.cz/~syrovat/cv04.RData. Natažení můžete provést přímo z internetu pomocí příkazu url().
2. Zjistěte, jaké objekty pracovní prostředí obsahuje.
3. Vytvořte vektor vec obsahující sekvenci celých čísel od 1 do 20.
4. Přiřaďte vektoru vec rozměry: 5 řádků a 4 sloupce.
5. Zjistěte třídu objektu vec a zkontrolujte jeho rozměry.
6. Převeďte objekt vec zpět na vektor a nechejte si vypsat jeho třídu.
7. Vytvořte z vektoru vec matici matl o 4 sloupcích tak, aby se hodnoty do matice skládaly po sloupcích.
8. Vytvořte z vektoru vec matici matž o 4 sloupcích tak, aby se hodnoty do matice skládaly po řádcích.
9. Vizuánlě porovnejte 10. hodnotu matic matl a matž (nechejte si je vypsat).
10. Stejně porovnejte první sloupec těchto matic.
11. Do matice mat spojte 1.3. sloupec matice matl a 3.-4. sloupec matž. (vznikne čtvercová matice o 5 řádcích i sloupcích)
12. Vytvořte list mat.info obsahující matici mat, její rozměry, počet sloupců, počet řádků a aritmetický průměr hodnot matice mat. Jednotlivé elementy listu vhodně nazvěte.
13. Horní i dolní trojúhelník matice mat (tedy všechny mimodiagonální elementy) vyplňte nulami.
14. Pojmenujte sloupce matice mat velkými písmeny.
15. K matici mat připojte sloupec součtů hodnot matice mat po řádcích. Nazvěte jej 'sumy'. Funkci počítající sumy v řádcích najděte.
16. Vytvořte matici NA hodnot o počtu řádků rovném počtu sloupců objektu mat a dvou sloupcích. Řádky pojmenujte jmény sloupců matice mat a sloupce rap.
17. Vytvořte dataframe miry, obsahující proměnné výska, noha a sex s hodnotami vektorů vyska, noha a sex.
18. Řádky dataframu miry pojmenujte jmény měřených jedinců jména.
19. V dataframu miry vytvořte novou proměnnou pomer obsahující poměr délky nohy ku výšce.
20. V dataframu miry vytvořte novou logickou proměnnou nadprum odlišující jedince s naprůměr-ným poměrem.
21. Dotažte se, zda objekt spe je matice, (odpovědí má být logická hodnota)
22. Převeďe matici spe na dataframe.
23. Je možné převést dataframe miry na matici? Co se stane, když to uděláme?
24. Nahraďte NA hodnoty dataframu spe nulami (0). (is.naO). Dataframe spe obsahuje početnosti - abundance - larev 56 druhů pakomárů (ve sloupcích) na 27 lokalitách (řádcích).
2
25. Vytvořte vektor loc.sum obsahující celkové abundance pakomárů na lokalitách. (Součty hodnot v řádcích dataframu spe).
26. Vytvořte vektor spe.freq obsahující počty lokalit, na kterých se jednotlivé druhy pakomárů vyskytovaly. (Počty hodnot vyšších než 0 ve sloupcích)
27. Z dataframu spe vytvořte nový dataframe spe2, obsahující všechny lokality s celkovou abundancí pakomárů rovnou alespoň 200.
28. Z dataframu spež odstraňte druhy vyskytující se pouze na jedné (nebo žádné) lokalitě. (V dataframu zůstanou druhy vyskytující se na alespoň dvou lokalitách)
29. Dataframe env obsahuje některé proměnné prostředí naměřené na stejných lokalitách, kde byly odebrány vzorky pakomárů dataframu spe. Proměnná velocity obsahuje naměřené rychlosti proudu, nicméně některé její hodnoty jsou záporné, což je nesmysl. Převeďte proměnnou velocity dataframu env na absolutní hodnoty.
30. Vytvořte novou proměnnou froude v dataframu env, do níž vypočítáte Froudeho čísla pro příslušné lokality. Vzoreček pro výpočet Froudeho čísla je: Fr — U/{gD)1/2, kde g = 9.81, U je absolutní hodnota rychlosti proudu velocity a Ľ je hloubka depth. Všechny proměnné najdete v dataframu env.
31. Zjistěte, kolik lokalit spadá do kategorie peřej (riffle) a kolik do kategorie tůň (pool). Kritériem je Froudeho číslo, jehož hodnota větší než 0,23 indikuje peřej.
32. Spočítejte, kolik druhů se vyskytovalo ve všech peřejích (lokalitách s Foudovým číslem vyšším než 0,23). (myšleno v každé peřeji)
33. Spočítejte, kolik druhů se vyskytovalo aspoň v polovině tůní (lokalit s Foudovým číslem nižším nebo rovným 0,23).