1
Procvičování 9 - řešení
1. Importujte do R tabulku jmen s daty narození českých občanů jmena.txt. Nazvěte ji jm.data. Tabulka obsahuje v řádcích všechna jednoslovná křestní jména českých obyvatel, ve sloupcích pak jejich frekvenci v jenotlivých ročnících od r. 1896 do 2013. Tabulka je docela velká, nepokoušejte se ji proto celou zobrazit v R, nechejte si raději vypsat jen prvních pár řádků a sloupců. Najdete ji ve studijních materiálech, nebo ji můžete načíst přímo z http: //www. sci .muni. cz/~syrovat/ jmena.txt, to ale bude chvilku trvat.
# Mam problém s encodovanim v LyXu, nepodařilo se mi pres LyX nacist správné jména
# s diakritikou, coz způsobuje, ze některá jména jsou zdánlivé duplikovana.
# Načtu proto dataset bez jmen radku, odstranim duplikovana jména, a pak teprve definuji
# jména radku.
# Nastaveni pracovního adresáře:
setwd("D:/My Dropbox/predmety/uvod do R/2014/cv09")
# načteni jmen bez jmen radku, zabranim vytvořeni faktoru ze jmen a kontrole jmen sloupců: jm.data<- read.delim('jména.txť, sep= '\ť, check.names= F, stringsAsFactors= F)
# odstraněni radku s duplikovanymi jmény: jm.data<- jm.data[!duplicated(jm.data[, 1]), ]
# definováni jmen radku:
jm.data<- data.frame(jm.data, row.names= 1) ## Error: row names contain missing values
# R hlasi, ze mezi jmény jsou missing values (NA), odstranim i ty: jm.data<- jm.data[!is.na(jm.data[, 1]), ]
# definováni jmen radku podruhé: jm.data<- data.frame(jm.data, row.names= 1)
2. Do vektoru jm.freq vypočítejte frekvenci výskytu jednotlivých jmen v české populaci. jm.freq<- rowSums(jm.data)
3. Do vektoru jm si vytáhněte křestní jména z dataframu jm.data. jm<- rownames(jm.data)
4. Seřaďte křestní jména podle abecedy a nechejte si zobrazit prvních a posledních 20.
sort(jm)[1:20]
## [1] ""
## [6] "\016AKLE"
## [11] "\016ANET"
## [16] "\016ANNETA
\016AMETA \016ARK0"
\016ABER" \016AKLIM
II
\016AKELIM \016ANA" \016ANETKA \016AV"
II
II
\016AKELIM \016AMRGUL \016ANETTA" \016EANETA"
" "\016AKELMM " "\016ANDA"
\016AMM \016ELAM
II
# Vas výsledek by mel byt jiny (lepši), me zlobi to kódováni v LyXu.
2
5. Zjistěte nejdelší křestní jméno. Postup: vytvořte si vektor délek jmen, seřaďte jména podle jejich délek od nej vyšších po nejnižší a vyberte první. Délkou rozumíme počet znaků (characters). Funkci, která zjistí délku textového řetězce musíte vyhledat.
# Hledáme funkci, která vrati počet znaku v nějakém řetězci, anglicky "number o f characters".
# Nejprve muzeme zkusit hledáni funkce uvnitř nasi instalace R pomoci ??.
# ??"number of characters"
# mi vrátilo funkci nchar z baliku base (psáno base::nchar).
# Pripadne (nebo pokud ?? nefunguje) muzeme primo hledat na googlu. Jeden z prvnich
# odkazu určite bude směrovat na stejnou funkci.
# Abychom zjistili, jak funkci použit, podivame se na jeji nápovědu:
# ?nchar
# Vektor délek jmen (poctu znaku ve jménech): jm.nchar<- nchar(jm)
# Ted štaci jména seřadit sestupné podle délek a vybrat prvni: jm[order(-jm.nchar)[1]]
## [1] "ANDRIAMNDRAIM"
# Tohle mame snad všichni stejné.
6. Nechejte si vypsat 100 nejkratších jmen.
jm[order(jm.nchar)[1:100]]
##	[1]	11 11	"E"	"A"	IľJMI	"R"	11 J 11	"M"	"0"	lipil	"U"	"V"
##	[12]	"KA"	"AI"	"AJ"	"AL"	"AM"	"IK"	»TI"	"TA"	"AR"	"ES"	"0M"
##	[23]	"0T"	"BA"	"IR"	"BI"	"BO"	"K0"	"DA"	"JA"	"DE"	"DI"	"DO"
##	[34]	"DU"	"ED"	"EL"	"AD"	"EK"	"GA"	"HA"	"IM"	"EM"	"HI"	"AM"
##	[45]	"MK"	"JE"	"JO"	"KE"	"Kí"	"AV"	"OF"	"MM"	"LA"	"LE"	"LY"
##	[56]	"MA"	"MI"	"M0"	"MR"	"MY"	"OK"	"OR"	"0Z"	"PA"	"PE"	"PI"
##	[67]	"IA"	"RA"	"MD"	"RI"	"RM"	"RU"	"ID"	"RY"	"R] "	"SA"	"SI"
##	[78]	"SY"	"ON"	"TE"	"TL"	"TU"	"TZ"	icpY"	"IE"	"UR"	"AK"	"VI"
##	[89]	"VM"	"VU"	"IM"	"VY"	"WU"	"YA"	"YE"	"YI"	"ZO"	"ABA"	"ABE
## [100] "ABI"
# opet, vas výsledek bude jiny.
7. Nechejte si vypsat 50 nejběžnějších jmen.
jm[order(-jm.freq)[1:50]]
## [1] "JIXM" "JAN"
## [6] "JOSEF" "PAVEL"
## [11] "MIROSLAV" "HAMA"
## [16] "LENKA" "KATEXIMA
## [21] "LUCIE" "ALENA"
## [26] "JAROSLAVA" "VLADIMMR
## [31] "TEREZA" "LUDMILA"
"MARIE"	"PETR"	"JANA"
"MARTIN"	"JAROSLAV"	"EVA"
"ANNA"	"ZDENLK"	"MICHAL"
"VLRA"	"MILAN"	"KAREL"
"PETRA"	"JAKUB"	"DAVID"
"VERONIKA"	"MARTINA"	"JITKA"
"HELENA"	"MICHAELA"	"LADISLAV
3
## [36] "ZDERKA" ## [41] "JARMILA ## [46] "MARKITA
II
II
"ONDXEJ" "MONIKA" "RADEK"
"IVANA" "MAREK" "DANIEL
"ROMAN"
"ZUZANA"
"ANTONMN
STANISLAV
JIXINA"
MARCELA"
# tady taky vas výsledek bude jiny.
8. Zjistěte, zda se Vaše jméno nachází mezi 50 nejběžnějšími.
# 50 nejbeznejsich jmen uz umime zjistit, ted se jen zeptáme, zda to nase je mezi nimi: "VIT" '/.in'/. jm[order(-jm.freq) [1:50]]
## [1] FALŠE
# Pokud bychom neznali '/,in'/, operátor, muzeme se porovnat nase jméno
# s kazdym z 50 nejbeznejsich a secist logické hodnoty vzešle z tohoto porovnáni.
# Pokud je jejich suma > 0, pak se moje jméno vyskytuje mezi temi 50: sum("VIT" == jm[order(-jm.freq)[1:50]]) > 0
## [1] FALŠE
9. Zjistěte kolikáté nejběžnější je Vaše jméno.
# Muzeme využit toho, ze jména rozmeru (radku ci sloupců) se pri výpočtech
# mezi objekty prenaseji. Štaci zjistit poradi (rank) frekvenci jmen a vyhledat
# poradi daného jména. Zajima nas samozrejme poradi od nejvyssi po nejnizsi prekvenci: rank(-jm.freq)["VIT"]
# Stejného dosáhneme i tak, ze ke jmenum pripojime jejich ranky, a pak se podivame na radek
# daného jména. Zobrazit muzeme i frekvenci:
jm.dtf<- data.frame(jmena= jm, jm.freq= jm.freq, jm.rank= rank(-jm.freq), row.names= 1) jm.dtf["VIT", ]
10. Naimportujte do R dataframy spe a env a vektor korelací abundancí jednotlivých druhů s Frou-deho číslem korelace. Použijte funkce read.delimO a scan(). Vše najdete v dat09.xls.
spe<- read.delim('D:/My Dropbox/predmety/uvod do R/2013/cv09/spe.txť, row.names=l) env<- read.delim('D:/My Dropbox/predmety/uvod do R/2013/cv09/env.txť, row.names=l)
kor <- scanO
11. Nechejte si vypsat zaokrouhlené hodnoty Froudeho čísla (na 2 desetinná místa) seřazené od nejmenší po největší, a pak od největší po nejmenší.
## VIT ## 6486
## VIT
jm.freq jm.rank
2 6486
4
sort(round(env$froude, 2))
##    [1] 0.00 0.02 0.04 0.05 0.05 0.07 0.07 0.13 0.13 0.14 0.14 0.14 0.17 0.18 ## [15] 0.18 0.22 0.24 0.30 0.30 0.33 0.41 0.43 0.48 0.51 0.52 0.54 0.56
sort(round(env$froude, 2), decreasing=T)
##    [1] 0.56 0.54 0.52 0.51 0.48 0.43 0.41 0.33 0.30 0.30 0.24 0.22 0.18 0.18 ## [15] 0.17 0.14 0.14 0.14 0.13 0.13 0.07 0.07 0.05 0.05 0.04 0.02 0.00
12. Zjistěte 5 nejnižších a 5 nejvyšších hodnot Froudeho čísla, sort(env$froude)[1:5]
## [1] 0.001813 0.020319 0.039662 0.046165 0.051925
sort(env$froude, decreasing= T)[l:5]
## [1] 0.5584 0.5395 0.5225 0.5071 0.4767
# nebo naraz treba takhle:
sort(env$froude)[c(l:5,  (length(env$froude)-4)  : length(env$froude))]
##    [1] 0.001813 0.020319 0.039662 0.046165 0.051925 0.476675 0.507082 ##    [8] 0.522477 0.539509 0.558432
13. Nechcejte si vypsat jména 5 lokalit s nejvyšším Froudeho číslem.
rownames(env)[order(env$froude, decreasing=T)][1:5] ## [1]  "s24" "s25" "sl2" "s21" "s20"
14. Do dataframu env přidejte proměnné iná a spec obsahující celkové počty jedinců a druhů pako-márů na lokalitách.
env$ind<- rowSums(spe) env$spec<- rowSums(spe>0)
15. Nechejte si vypsat počty druhů seřazené podle Froudeho čísla od nejmenšího po největší. env$spec[order(env$froude)]
##    [1] 31 28 27 19 26 29 25 15 20 16 22 19 17 27 22 21 31 26 30 23 19 17 20 ## [24] 28 24 19 31
16. Nechejte si vypsat dataframe env seřazený podle Froudeho čísla od nejvyššího po nejnižší.
5
env[order(-env$froude),]
##		gr	depth			vel		froude	ind	spec
##	s 24	Er_VEG	0,	,300	0,	,958	0,	,558432	678	31
##	s25	Er	0,	,139	0,	,630	0,	,539509	47	19
##	sl2	Er_VEG	0,	,245	0,	,810	0,	,522477	450	24
##	s21	Er_VEG	0,	,138	0,	,590	0,	,507082	531	28
##	s20	Er	0,	,290	0,	,804	0,	,476675	221	20
##	s08	Er	0,	,213	0,	,618	0,	,427528	146	17
##	slO	Er_VEG	0,	,353	0,	,758	0,	,407331	212	19
##	s09	Er	0,	,243	0,	,508	0,	,329023	220	23
##	sl5	Er_VEG	0,	,279	0,	,496	0,	,299809	738	30
##	s07	Er	0,	,278	0,	,490	0,	,296715	258	26
##	sl8	Er_VEG	0,	,200	0,	,340	0,	,242733	565	31
##	sll	Er_VEG	0,	,236	0,	,334	0,	,219511	181	21
##	s 14	Ep	0,	,155	0,	,224	0,	,181655	150	22
##	s02	Ep	0,	,422	0,	,358	0,	,175951	405	27
##	sl6	Ep	0,	,501	0,	,372	0,	, 167799	122	17
##	s03	Ep	0,	,496	0,	,310	0,	,140536	146	19
##	sOl	Ep	0,	,395	0,	,274	0,	,139193	139	22
##	sl7	Ep	0,	,454	0,	,286	0,	, 135520	243	16
##	s22	Ep	0,	,340	0,	,246	0,	,134698	122	20
##	s23	Ep	0,	,344	0,	,234	0,	,127380	145	15
##	s06 Ep_FP0M		0,	,328	0,	,126	0,	,070242	611	25
##	s13 Ep_CP0M		0,	,184	0,	,088	0,	,065500	569	29
##	s05 Ep_FP0M		0,	,320	0,	,092	0,	,051925	489	26
##	s04 Ep_FP0M		0,	,291	0,	,078	0,	,046165	183	19
##	sl9	Ep	0,	,162	0,	,050	0,	,039662	198	27
##	s27 Ep_CP0M		0,	,478	0,	,044	0,	,020319	416	28
##	s26 Ep_CP0M		0,	,124	0,	,002	0,	,001813	893	31
17. Zjistěte, kolik druhů a kolik jedinců pakomárů bylo na 5 lokalitách s nejvyšším Froudeho číslem (vyberte jen příslušné elementy z proměnných ind a spec dataframu env).
env[order(env$froude, decreasing=T)[1:5], c( ' inď , ' spec')]
## ind spec
## s24 678 31
## s25   47 19
## s12 450 24
## s21 531 28
## s20 221 20
18. Zjistěte, jaké Froudeho číslo bylo naměřeno na 3 lokalitách s nejvyšším počtem jedinců pakomárů.
env$froude[order(env$ind, decreasing=T)[1:3]] ## [1] 0.001813 0.299809 0.558432
6
19. Nechejte si vypsat dataframe env s lokalitami seřazenými podle Froudeho čísla.
env[order(env$froude),]
##		gr	depth			vel		froude	ind	spec
##	s26 Ep_CP0M		0,	,124	0,	,002	0,	,001813	893	31
##	s27 Ep_CP0M		0,	,478	0,	,044	0,	,020319	416	28
##	sl9	Ep	0,	,162	0,	,050	0,	,039662	198	27
##	s04 Ep_FP0M		0,	,291	0,	,078	0,	,046165	183	19
##	s05 Ep_FP0M		0,	,320	0,	,092	0,	,051925	489	26
##	s13 Ep_CP0M		0,	,184	0,	,088	0,	,065500	569	29
##	s06 Ep_FP0M		0,	,328	0,	,126	0,	,070242	611	25
##	s23	Ep	0,	,344	0,	,234	0,	, 127380	145	15
##	s22	Ep	0,	,340	0,	,246	0,	,134698	122	20
##	sl7	Ep	0,	,454	0,	,286	0,	, 135520	243	16
##	sOl	Ep	0,	,395	0,	,274	0,	,139193	139	22
##	s03	Ep	0,	,496	0,	,310	0,	,140536	146	19
##	sl6	Ep	0,	,501	0,	,372	0,	,167799	122	17
##	s02	Ep	0,	,422	0,	,358	0,	,175951	405	27
##	s 14	Ep	0,	,155	0,	,224	0,	,181655	150	22
##	sil	Er_VEG	0,	,236	0,	,334	0,	,219511	181	21
##	sl8	Er_VEG	0,	,200	0,	,340	0,	,242733	565	31
##	s07	Er	0,	,278	0,	,490	0,	,296715	258	26
##	sl5	Er_VEG	0,	,279	0,	,496	0,	,299809	738	30
##	s09	Er	0,	,243	0,	,508	0,	,329023	220	23
##	slO	Er_VEG	0,	,353	0,	,758	0,	,407331	212	19
##	s08	Er	0,	,213	0,	,618	0,	,427528	146	17
##	s20	Er	0,	,290	0,	,804	0,	,476675	221	20
##	s21	Er_VEG	0,	,138	0,	,590	0,	,507082	531	28
##	sl2	Er_VEG	0,	,245	0,	,810	0,	,522477	450	24
##	s25	Er	0,	,139	0,	,630	0,	,539509	47	19
##	s 24	Er_VEG	0,	,300	0,	,958	0,	,558432	678	31
20. Nechejte si vypsat dataframe env s lokalitami seřazenými podle typu habitatu (gr) a uvnitř typů podle hloubky vody.
env[order(env$gr, env$depth),]
##                 gr depth     vel     froude ind spec
## sl4          Ep 0.155 0.224 0.181655 150 22
## sl9          Ep 0.162 0.050 0.039662 198 27
## s22          Ep 0.340 0.246 0.134698 122 20
## s23          Ep 0.344 0.234 0.127380 145 15
## sOl          Ep 0.395 0.274 0.139193 139 22
## s02          Ep 0.422 0.358 0.175951 405 27
## sl7          Ep 0.454 0.286 0.135520 243 16
## s03          Ep 0.496 0.310 0.140536 146 19
## sl6          Ep 0.501 0.372 0.167799 122 17
## s26 Ep_CP0M 0.124 0.002 0.001813 893 31
## sl3 Ep_CP0M 0.184 0.088 0.065500 569 29
7
## s27 Ep_CPOM			0	.478	0	.044	0	,020319	416	28
##	s04 Ep_FPOM		0	.291	0	.078	0,	,046165	183	19
##	s05 Ep_FPOM		0	.320	0	.092	0,	,051925	489	26
##	s06 Ep_FPOM		0	.328	0	.126	0,	,070242	611	25
##	s25	Er	0	.139	0	.630	0,	,539509	47	19
##	s08	Er	0	.213	0,	.618	0,	,427528	146	17
##	s09	Er	0	.243	0,	.508	0,	,329023	220	23
##	s07	Er	0	.278	0,	,490	0,	296715	258	26
##	s20	Er	0	.290	0,	,804	0,	476675	221	20
##	s21	Er_VEG	0,	,138	0,	,590	0.	507082	531	28
##	sl8	Er_VEG	0,	,200	0,	,340	0.	242733	565	31
##	sll	Er_VEG	0,	,236	0,	,334	0.	219511	181	21
##	sl2	Er_VEG	0,	,245	0,	,810	0.	522477	450	24
##	sl5	Er_VEG	0,	,279	0.	,496	0.	299809	738	30
##	s24	Er_VEG	0,	,300	0.	,958	0.	558432	678	31
##	slO	Er_VEG	0,	353	0,	758	0.	407331	212	19
21. Nechejte si vypsat jména pěti nejfrekventovanějších druhů (tedy těch s výskytem na nejvyšším počtu lokalit).
names(spe)[order(-colSums(spe>0))[1:5]]
## [1]  "orthobum" "synosemi" "corysp."    "mictrasp" "thiegrge"
22. Nechejte si vypsat jména druhů seřazená podle jejich korelací s Froudeho číslem.
names(spe)[order(kor)]
##	[1]	"micrchgr"	"thiegrge"	"cromussp"	"cladotsp"	"apsetrif"	"natasp."
##	[7]	"prodoliv"	"polyscgr"	"paraalgr"	"corysp."	"tanytasp"	"tanybrun
##	[13]	"ablabesp"	"phaepssp"	"synosemi"	"stembrgr"	"cricbici"	"thellasp
##	[19]	"brilmode"	"hetemarc"	"nilodubi"	"paratasp"	"polyconv"	"demisp."
##	[25]	"mictrasp"	"orthobum"	"pararufi"	"brilflav"	"diplcult"	"eukisimi
##	[31]	"rheofusc"	"paracrsp"	"pottgaed"	"eukigrgr"	"eukibrev"	"orthfrig
##	[37]	"nanoreag"	"eukicoer"	"eukimino"	"parastyl"	"cricannu"	"critriia
##	[43]	"polylagr"	"orthrubi"	"crictrgr"	"rheotasp"	"pottlong"	"orthrigr1
##	[49]	"eukideil"	"tvetbaca"	"eukilobi"	"cricbigr"	"orththie"	"tvetdive1
23. Zjistěte, kterých 10 druhů nejlépe koreluje s Froudeho číslem. Pozor na to, že korelace může být kladná nebo záporná, zajímají nás druhy, které nejlépe na hydraulické podmínky reagují, tedy ty s nejnižší a nej vyšší korelací (při řazení tedy použijeme absolutní hodnoty korelací).
names(spe)[order(-abs(kor))][1:10]
## [1] "micrchgr" "thiegrge" "tvetdive" "cromussp" "orththie" "cricbigr" ##    [7]  "eukilobi" "cladotsp" "tvetbaca" "apsetrif"
8
24. Vytvořte kopii dataframu spe, v níž bude 7 druhů které nejlépe reagovaly na hydraulické podmínky.
spe.red<-	spe[,	order(-abs(kor)) [1:7]]					
spe.red							
## micrchgr		thiegrge	tvetdive cromussp		orththie	cricbigr eukilobi	
## sOl	25	5	4	0	0	2	3
## s02	31	15	7	0	0	7	1
## s03	31	8	5	0	0	0	0
## s 04	14	17	1	0	0	0	0
## s05	3	59	0	1	0	0	0
## s06	31	61	0	4	0	1	1
## s07	0	5	9	0	0	2	2
## s08	0	0	4	0	1	1	1
## s09	0	1	5	0	2	7	2
## s 10	0	0	17	0	0	6	4
## sil	0	1	12	0	0	7	2
## s 12	0	1	32	0	1	13	4
## s 13	213	72	0	2	0	0	0
## s 14	0	3	2	1	0	2	1
## s 15	9	17	64	0	1	3	14
## s 16	0	1	1	0	0	2	1
## s 17	1	4	0	0	1	0	1
## s 18	0	3	53	0	1	9	6
## s 19	25	14	2	1	0	0	8
## s20	0	13	41	0	0	0	3
## s21	0	1	87	0	3	2	7
## s22	8	13	5	6	0	0	0
## s23	5	6	0	7	0	0	0
## s 24	0	6	116	0	2	3	7
## s25	0	1	1	0	1	1	1
## s26	287	127	1	5	0	0	0
## s27	126	32	2	2	0	0	0
25. Seřaďte sloupce tohoto dataframu podle typu odezvy (kladná nebo záporná korelace), a uvnitř každého typu podle síly korelace (první budou ty s nejvyšší odezvou). Řádky pak seřaďte podle Froudeho čísla.
# V predchozim bode jsme vybrali 7 druhu s nejsilnejsi odezvou.
# Těchto 7 druhu ted potrebujeme dal seřadit podle jejich korelaci, a na to potrebujeme mit
# vytažené korelace jen těchto 7 druhu. Vytáhneme si je stejné, jako jsme vybrali ty druhy: kor.red<- kor[order(-abs(kor))[1:7]]
# Nyni mame dataframe s abundancemi 7 vybraných druhu (spe.red)
# a vektor jejich korelaci (kor.red).
# Štaci tedy seřadit radky a sloupce dataframu spe.red a jsme hotovi: spe.red.sort<- spe.red[order(env$froude), order(kor.red>0, -abs(kor.red))] spe.red.sort
##        micrchgr thiegrge cromussp tvetdive orththie cricbigr eukilobi
9
##	s26	287	127	5	1	0	0	0
##	s27	126	32	2	2	0	0	0
##	sl9	25	14	1	2	0	0	8
##	s 04	14	17	0	1	0	0	0
##	s05	3	59	1	0	0	0	0
##	sl3	213	72	2	0	0	0	0
##	s06	31	61	4	0	0	1	1
##	s23	5	6	7	0	0	0	0
##	s22	8	13	6	5	0	0	0
##	sl7	1	4	0	0	1	0	1
##	sOl	25	5	0	4	0	2	3
##	s03	31	8	0	5	0	0	0
##	sl6	0	1	0	1	0	2	1
##	s02	31	15	0	7	0	7	1
##	s 14	0	3	1	2	0	2	1
##	sil	0	1	0	12	0	7	2
##	sl8	0	3	0	53	1	9	6
##	s07	0	5	0	9	0	2	2
##	sl5	9	17	0	64	1	3	14
##	s09	0	1	0	5	2	7	2
##	slO	0	0	0	17	0	6	4
##	s08	0	0	0	4	1	1	1
##	s20	0	13	0	41	0	0	3
##	s21	0	1	0	87	3	2	7
##	sl2	0	1	0	32	1	13	4
##	s25	0	1	0	1	1	1	1
##	s 24	0	6	0	116	2	3	7
26. Exportujte do excelu výsledný dataframe. Použijte funkci write.table().
write.table(spe.red.sort, file= 'D:/My Dropbox/predmety/uvod do R/2014/cv09/spe.red.txt', sep= '\t1, col.names = MA, row.names = TRUE)