SEZNAMY (list)
•specifické objekty sdružující různé jiné objekty různých typů;
•jednotlivé položky seznamu mohou mít vlastní název (není povinný)  - v rámci jednotlivých položek
jsou uloženy dané hodnoty: v každé položce pouze jeden typ
•Doctor <- list(name = c("William Hartnell","Patrick Troughton","Jon Pertwee","Tom Baker","Peter
Davison","Colin Baker","Sylvester McCoy","Paul McGann", "John Hurt","Christopher Eccleston"),
year=c("55","45","50","40","29","40","44","36","73","41"),
episodes=c("134","119","128","172","69","31","42","1","2","13")); Doctor

Přidání položek do seznamu
•Doctor <- list(name = c(Doctor$name,"David Tennat","Matt Smith","Peter Capaldi"), year =
c(Doctor$year,"34","27","55"), episodes = c(Doctor$episodes,"47","44","26")); Doctor
•
•

DATOVÁ TABULKA (data.frame)
•seznam uložený jako dvojdimenzionální struktura – dvojrozměrná tabulka dat, kde jednotlivé sloupce
(pole) mohou obsahovat různé typy dat
•vek <- c(27,35,30,47,42);vek
•sex <- c("female","male","male","female","female"); sex
•strana <-c("sin","sin","dx","dx","dx"); strana
•ID <- c("SC_001", "SC_007", "SC_013", "SC_014", "SC_020"); ID
•VZOREK <- data.frame(vek, strana, sex, row.names = ID); VZOREK
•vzorek <- data.frame(vek, strana, sex, ID); vzorek
•
•
•
•

Výběr v data.frame
•VZOREK$vek
•VZOREK$strana
•VZOREK$sex
•VZOREK[,2:3]
•VZOREK[2:5,]
•VZOREK[sex=="male",]
•VZOREK[sex=="male" & strana=="sin",]
•VZOREK[c("SC_001","SC_013"),]
•
•Vyzkoušejte si jednotlivé výběry a navrhněte vlastní.
•

Základní funkce data.frame
•order() – seřazení tabulky
•VZOREK[order(VZOREK$vek),]
•VZOREK[order(VZOREK$sex, VZOREK$vek),]
•merge() – slučování tabulek
•vyzkum <- c("A22","A22","A02","A02","A02")
•ID <- c("SC_001", "SC_007", "SC_013", "SC_014", "SC_020")
•rok_vyzkumu <- data.frame(ID, vyzkum); rok_vyzkumu
•merge(vzorek, rok_vyzkumu, by = "ID")
•
•Otázka: co se stane, když je ve spojovaných tabulkách více sloupců se shodným názvem?
•
•
•
•
•
•

„By default the data frames are merged on the columns with names they both have…“ tedy by = "ID" je
v tomto případě pouze pro demonstraci zápisu.

•rok_vyzkumu <- data.frame(ID, strana, vyzkum); rok_vyzkumu
•merge(vzorek, rok_vyzkumu, by = "ID")
•
•
•
•
•subset() – podvýběr datové tabulky; specifikuje řádky, které splňují danou podmínku
•subset(VZOREK,VZOREK$vek>=35)[,c("strana","sex")]
•
•Přidání nové proměnné do data.frame
•VZOREK$vyska <- c(155,170,187,165,195)
•VZOREK$mereni <- NA
•
•
•
•

Chybějící a neexistující hodnoty
•Je rozdíl mezi: NA, 0, "", NULL a NaN
•NA – chybějící hodnota (ne všechny funkce dokáží s NA hodnotami pracovat – viz odstranění NA
hodnot)
•NaN – ‘Not a Number’; nečíselná hodnota
•Inf a –Inf : kladné či záporné nekonečno, ale NaN číslo není př.:
•0/0
•1/0 + 1/0
•
•NULL – neexistující hodnota, hodnota tam není – neplést s NA kdy hodnota chybí! NULL reprezentuje
nulový objekt
•100+NULL

ULOŽENÍ OBJEKTŮ
•funkce sink()
•sink("vysledky.txt")
•to-co-chceme-uložit
•sink()
•
•write.table(VZOREK, "tabulka.csv", sep=";")
•další funkce: write.csv(), write.csv2(), write.matrix(), write()
•
•Note: možnost Compile Report (Ctrl+Shift+K) v Rstudiu.
•
•

•DOMÁCÍ ÚKOL 4
•A) Dle tabulky 1 vytvořte data.frame s názvem Soubor.
• Snažte se údaje „slepě“ nevypisovat, ale použijte funkce z kapitoly Vektory, výjimku tvoří
poslední dva sloupce).
•B) Seřaďte objekt Soubor podle proměnné strana a vytvořte dva samostatné objekty:
• prava obsahující pouze hodnoty pravé strany (dx)
• leva obsahující hodnoty pouze levé strany (sin)
•C) Objekty prava, leva spojte dohromady podle proměnné ID a proměnné sex do objektu Soubor_S.
•
•
•
•
•
•
•
Tab. 1 Soubor měření
ID
sex
strana
H1
F1
1
f
dx
35.3
49.7
1
f
sin
35.4
49.7
2
f
dx
32.3
47.5
2
f
sin
32.5
47.9
3
f
dx
37.1
53.7
3
f
sin
37.3
53.2
4
m
dx
29.8
44.4
4
m
sin
31.5
44.4
5
m
dx
28.4
43.2
5
m
sin
27.5
44.1
6
m
dx
30.7
46.3
6
m
sin
30.9
45.8

Antropologická data
•Tabulky většinou obsahují:
•Hlavičku (názvy sloupců)
•Pozor na ZDVOJENÉ proměnné
•Pozor na sloučené buňky apod.
•Doporučuje se co nejjednodušší formát
•Nedoporučuje s v rámci hodnot používat  ";"
•V případě textových proměnných se doporučuje co nejjednodušší název (bez mezer, pomlček, háčků a
čárek)
•Vždy data po načtení kontrolujeme!
•
•R používá desetinnou tečku ne desetinnou čárku!
•Note: pozor při převádění dat např. z .xlsx do .txt
•Soubor -> Ulož jako -> Text (oddělený tabulátory)(*.txt)
•

NAČTENÍ OBJEKTŮ
•read.table()
•read.csv()
•read.delim()
•read.delim2()
•
•Nejčastěji používané parametry:
•sep() oddělovač sloupců, př.: "\t", ".", ";"
•header()nabývá logických hodnot TRUE nebo FALSE, říká, zda mají sloupce tabulky názvy
•dec oddělovač desetinných míst
•row.names názvy řádků
•col.names názvy sloupců
•skip kolik řádků při načítání tabulky přeskočit
•Funkce načítají tabulky jako data.frame

Kontrola po načtení
•Po načtení data.frame doporučujeme:
•head()zobrazí prvních pár položek načteného objektu
•dim()vypíše dimenze načteného objektu
•dimnames() vypisuje nebo nastavuje názvy jednotlivých dimenzí objektu
•names() má-li objekt položky typu tag (list nebo data.frame), pak vypíše názvy položek
•str() zobrazí strukturu objektu
•summary()výpočet základních charakteristik
•levels() množina hodnot, kterých může kategorická proměnná nabývat
•
•
•
•

•Stáhněte a načtěte data:
•dataP.txt
•dataP.csv
•soubor data.xls obsahuje list 2 s vysvětlením daných proměnných
•Odkaz: učební materiály v ISu
•Zkontrolujte načtené objekty, případně opravte chyby.
•
•
•
•
•
Variable
Description
Variable
Description
Age
Age
Inner_End_W
At Inner End - Widths
Sex
Sex (male, female)
Inner_A_W
At inner Angle - Widths
No
Number
Least_W_W
Least Width - Widths
No_sub
Number of subject
Distance1_W
Distance 1 - Widths
Side
Side (sin, dx)
Conoid_W
At Conoid - Widths
Length_cl
Length of clavicle
Distance2_W
Distance 2 - Widths
Shoulder_w
Shoulder Width
Outer_End_W
At Outer End - Widths
Proportion
Proportion
Inner_End_D
At Inner End - Depths
Inner_C
Inner Angle - Curvature
Middle_D
At Middle - Depths
Outer_C
Outer Angle - Curvature
Conoid_D
At Conoid - Depths
Total_C
Total - Curvature
Outer_D
Least Outer Dept - Depths
Inner_S
Inner Segments
Circumference
Circumference at Middle
Middle_S
Middle Segments
Index_End
Index of Inner End
Outer_S
Outer Segments

•DATA <- read.csv("dataP.csv", sep=";", header = TRUE)
•attach(DATA)
•head(DATA)
•dim(DATA)
•dimnames(DATA)
•names(DATA)
•str(DATA)
•v rámci proměnných sex, side a age jsou neočekávané hodnoty (viz výstup funkce str(DATA))
•> levels(DATA$Sex)
•[1] "female" "male" "muz" "zena"
•> levels(DATA$Side)
•[1] "dx" "dy" "si" "sin" "sni"
•opravíme pomocí levels, např.
•levels(DATA$Sex)[levels(DATA$Sex)=="zena"] <- "female"
•levels(DATA$Age)[levels(DATA$Age)=="old"] <- NA
Note: po úpravě doporučuji tabulku uložit, aby uživatel nemusel úpravu dat opakovat pokaždé, když
bude chtít se souborem dataP.csv pracovat.

•summary(DATA) základní statistiky
•summary(DATA$Age) základní statistiky sloupce Age
•summary(DATA[,7]) základní statistiky 7 sloupce
•
•Jiné základní statistiky pomocí balíčku pastecs
•install.packages("pastecs")
•library(pastecs)
•stat.desc(DATA[Sex=="female","Length_cl"])
•stat.desc(DATA[Sex=="male","Length_cl"])
•
•Totéž, ale bez hodnot NA:
•stat.desc(na.omit(DATA[Sex=="female","Length_cl"]))
•stat.desc(na.omit(DATA[Sex=="male","Length_cl"]))
•
•

•Využití balíčku psych – základní popisné statistiky dle skupin:
•library(psych)
•describeBy(DATA[,"Length_cl"], group=DATA[,"Sex"])
•
•
•
•
•describeBy(DATA[,"Length_cl"], group=DATA[,c("Sex","Side")])
•
•Vymazání proměnné:
•DATA$Inner_End_W <- NULL
•Přidání proměnné:
•DATA$new <- NA
•Note: přidání i vymazání proměnné lze přes odkazování typu [,] ne jen $!
•
•
•

•DOMÁCÍ ÚKOL 5
•A) Z ISu si stáhněte data: du_5.txt a načtěte je do RStudia (jméno proměnné zvolte libovolně).
•B) Zkontrolujte načtená data, případné chyby opravte.
•Při opravách chyb vycházejte z předpokladu, že hodnota s vyšším zastoupením je ta správná.
•C) Zjistěte dimenze načteného objektu a vypočítejte základní statistiky jednotlivých proměnných
•D) Vymažte prázdné sloupce (19 až 31).
•E) Vytvořte dva objekty DX a SIN:
•DX bude obsahovat pouze měření z pravé strany (Side bude dx)
•SIN bude obsahovat pouze měření z levé strany (Side bude sin)
• A spojte je dohromady do objektu DXSIN (note: funkce merge).
•F) Vypočítejte základní statistiky pro muže a ženy k rozměrům F1.x, F1.y.
•
•
•
•
•
•