DATUM V R
•import dat do R
•as.Date() – nepracuje s časem
•chron() – pracuje i s časem; library chron
•formáty:
•character
•numeric
•POSIXlt
•POSIXct
•
•POZN.: as.Date() a chron() nepracuje s kontrolou časových zón, typy proměnných (class) POSIXlt a
POSIXct ano.
•
•Sys.time() – funkce vrátí systémový čas

•POSIXct
•počet vteřin od počátku 1. ledna 1970. Záporná hodnota reprezentuje počet sekund před tímto datem
a kladná hodnota reprezentuje počet sekund za tímto datem.
•
•POSIXlt
•list (!)
1.sekundy
2.minuty
3.hodiny
4.den měsíce (1 – 31)
5.měsíc (0 – 11, 11 = listopad)
6.rok od 1900 (tzn. pro 2018 je to 118tý rok)
7.den týdne (0 - 6, 0 = neděle)
8.den roku (0 - 365)
9.daylight savings indicator (positive if it is daylight savings)
•

•OBECNÉ FORMÁTY DATA
•s výjimkou formátu (class/třídy) POSIXlt jsou data uložena jako počet dnů, nebo sekund od určitého
referenčního data
•tzn. data budou mít obecně numerický režim (class/třídu)
•formát POSIXlt ukládá hodnoty jako seznam komponent
•
•NOTE:
•pro antropologická data je ve většině případů dostačující formát as.Date(), resp. bez konkrétního
času, pouze datum (den-měsíc-rok, rok-měsíc-den,...)
•
•eventuálně může být dostačující datum pouze jako numerická proměnná, nebo faktor
•datum výzkumu atp.
•

as.Date() funkce
•parametr format = ________
•výchozí nastavení je v podobě rok (4 cifry), měsíc a poté den
•oddělené pomocí pomlček nebo lomítka
•
•
•
•
•
•
•
•
•
•
•Pozn.: %y je závislé na systému, používat opatrně!
Kód
Hodnota/význam
Příklad
%d
Den měsíce; 0 - 31
01 – 31
%m
Měsíc (číslo); 00 - 12
00 - 12
%a
Den (zkratka názvu)
Mon
%A
Den (celý název
Monday
%b
Měsíc (zkratka názvu)
Jan
%B
Měsíc (celý název)
January
%y
Rok (2 cifry)
18
%Y
Rok (4 cifry)
2018

•> as.Date("13/3/1992", format = "%d/%m/%Y")
•[1] "1992-03-13"
•> as.Date("Březen 03, 1992", format = "%B %d, %Y")
•[1] "1992-03-03 "
•
•IMPORT DAT NUMERICKÉHO FORMÁTU
•
•Excel
•pro data po roce 1900 je počáteční datum: 30. prosince 1899
•Note: není to 31. prosince 1899, protože návrháři Excelu se domnívali, že se jedná o přestupný
rok, nejednalo.
•
• > data <- c(17431, 15349)
• > data2 <- as.Date(data, origin = "1899-12-30")
• > data2
• [1] "1947-09-21" "1942-01-08"
•

•Excel on Mac
•pro data po roce 1900 je počáteční datum: 1. ledna 1904
• > data <- c(17426, 38540)
• > data3 <- as.Date(data, origin = "1904-01-01")
• > data3
• [1] "1951-09-17" "2009-07-08"
•
•
•
•
•
•
•Note: obecně se doporučuje mít data v takové podobě, aby s nimi bylo možné ihned pracovat. Tzn.
pozor na formát!
•
•
Formát datum
Formát číslo
21. 9. 1947
17431
8. 1. 1942
15349

Změna formátu načteného data
•funkce format()
•načtený vektor dat změní dle nově zadaného typu formátu
•
•> rok_narozeni
•[1] "1856-07-10" "1892-01-03" "1948-06-21"
•> format(rok_narozeni, "%a %b %d")
•[1] "čt VII 10" "ne I 03" "po VI 21"
•> format(rok_narozeni, "%A %B %d %Y")
•[1] "čtvrtek červenec 10 1856" "neděle leden 03 1892" "pondělí červen 21 1948"
•
•Note: pozor zda máte mirror czech, pokud máte prostředí anglické musíte používat anglické názvy
dní, měsíců apod.

Důvod správného formátování
•V případě, že máme fatum korektně vloženo do R, lze s ním dále pracovat.
•> min(rok_narozeni)
•[1] "1856-07-10"
•> max(rok_narozeni)
•[1] "1948-06-21„
•
•> rok_narozeni
•[1] "1856-07-10" "1892-01-03" "1948-06-21"
•> plus <- rok_narozeni + 5
•> plus
•[1] "1856-07-15" "1892-01-08" "1948-06-26"

Datové formáty - obecně
•V antropologii ve specifických případech.
•Vždy s nimi pracovat velmi OPATRNĚ!
•Časté chyby
•v převodu mezi jednotlivými časovými zónami,
•chybné nastavené origin date,
•pohybujeme se v jiné zóně než data,  apod.
•
•DOPLŇUJÍCÍ INFORMACE
•Cole, B. (2012): Handling date-times in R.
•[http://biostat.mc.vanderbilt.edu/wiki/pub/Main/ColeBeck/datestimes.pdf]
•University of California, Berkeley, Department of Statistics
•[https://www.stat.berkeley.edu/~s133/dates.html]

•DOMÁCÍ ÚKOL 12
•A) Vytvořte objekt roky, do kterého uložíte data narození Vámi zvolených pěti významných
osobností.
•B) Zjistěte průměrný rok objektu roky.
•C) Objekt roky následně upravte za pomoci funkce format() tak, abyste vytvořili vektor dní
narození zmíněných pěti osobností. Výsledný vektor dny, bude obsahovat POUZE dny v týdnu.
•
•

Formát dat pro načtení do R
•nejčastěji ve formátu .csv nebo .txt
•formáty .csv nebo .txt generujeme nejčastěji z Excelu, pokud nepoužíváme jiný software na generaci
dat
•
•ZÁSADY TVORBY TABULEK
•přehledně
•srozumitelně
•neslučujeme buňky
•nejlépe zdržíme-li se excesivního formátování buněk
•nepropojujeme navzájem listy Excelu
•nejlépe jsou-li všechna data na jednom listu
•názvy proměnných volíme vhodným způsobem s ohledem na typ dat

Datové tabulky
•než začneme datovou tabulku vytvářet:
•1) jaká máme data
•sin vs. dx, males vs. females, faktorové proměnné, souřadnice...
•2) pro jakou analýzu data chystáme?
•výpočet základních statistik,
•zobrazení,
•korelační analýza, ...
•3) pozor na typy formátů buněk (zejména Excel)
•používáme datum?
•používáme čísla?
•české vs. anglické prostředí
•Note: použití vhodných názvů proměnných
•NEPOUŽÍVAT DIAKRITIKU!

•4) Máme neexistující/nulové hodnoty?
•nejčastěji v případě, kdy není možné změřit rozměr, tzn. NA hodnoty
•dopředu si „nechystejte“ hodnoty buněk (zejména používáme-li funkce Excelu)
•pokud používáme funkce Excelu nezapomene vzorce ODSTRANIT!
•5) Pozor na jednotky
•zejména v případě měření se doporučuje mít všechny proměnné stejnými jednotkami (vše např. v mm)
•6) Pozor na desetinnou čárku vs. tečku
•7) Pozor na mezeru v prázdných buňkách
•
•8) Sporné hodnoty (odhad, nepřesné měření) – vůbec neuvádíme, nebo vytvoříme novou proměnnou,
která definuje přesnost proměnných, NIKDY nedopisujeme poznámky k numerických proměnným do té SAMÉ
buňky!
•

•9) Nejčastěji volíme strukturu tak, že proměnné představují sloupce a případy představují řádky
•10) Nedoporučuje se používat nestandartní symboly pro kategorické proměnné
•Ideálně se vyvarovat používá symbolů jako *, +, -, /, atp.
•V případě duální kategorické proměnné používáme ideálně 0 a 1
•
•
•
•PŘIPOMENUTÍ
•R je case sensitive !!!
•A a a jsou odlišné symboly
•Výrazy/proměnné nezačínáme ‘.’ , ‘_’ ani cifrou
•Výrazy/proměnné nenazýváme již existující názvy funkcí!
•Názvy objektů: F, T, c apodobně také ne.
•
•

Nápověda
•nápověda přímo v R
•Případně k jednotlivým balíčkům jejich dokumentace
•https://stackoverflow.com/
•https://www.r-bloggers.com/
•https://www.statmethods.net/index.html
•Department of Biostatistics, Vanderbilt University:
http://biostat.mc.vanderbilt.edu/wiki/Main/ProgrammingTipsForStatisticians
•University of California, Berkeley, Department of Statistics, Concepts in Computing with Data,
Phil Spector (2011):
•https://www.stat.berkeley.edu/~s133/all2011.pdf
•
•chybová hlášení čteme!  - případně chybu můžeme zadat do vyhledávače Googlu
•stejně tak čteme i varovná hlášení!
•

•NEZAPOMÍNÁME
•vše průběžně kontrolujeme (zejména načtení dat!)
•je vhodné místy promazat globální prostředí
•můžeme si přepsat objekty,
•je možné, že pracujeme s chybně vytvořeným/načteným objektem
•vypnout a zapnout RSTudio
•zejména v případě problémů s balíčky
•kód vhodně doplňujeme poznámkami
•Pravidlo 1: tak abych věděl/a po půl roce, co jsem dělal/a
•Pravidlo 2: tak aby to pochopil i někdo jiný
•Snažíme se kód zbytečně neopakovat
•Pravidlo: Don‘t Repeat Yoursel (DRY)
• ale
•Pravidlo: Be Clear and Correct First; Fast and Clever Second
•

Balíčky v R
•Funkce install.packages()
•Instalujeme – „stáhneme“ – balíček do adresáře R (ve většině případů win-library)
•Balíčky stahujeme z CRAN (=> nutné připojení k internetu)
•Funkce librabry()
•V projektu (skriptu) „řekneme“ R, že budeme pracovat s funkcemi, které jsou obsaženy v tomto
balíčku.
•Je možné v Rstudiu nastavit, které balíčky se mají spouštět automaticky společně se základní sadou
<- NEDOPORUČUJE SE!
•Balíčky se aktualizují
•Zapomeneme na to a zapomeneme balíčky citovat! => necitujeme POUZE základní sadu.
•Balíčky je nutné v některých případech aktualizovat.

•POZNÁMKY K BALÍČKŮM
•Funkce install.packages() má četné množství argumentů, př.:
•dependencies = TRUE
•výchozí nastavení je dependencies = FALSE
•Pokud TRUE pak se automaticky nainstalují i balíčky na kterých,právě instalovaný balíček závisí
•type = "win.binary"
•Většinou není třeba zadávat (výjimkou Mac users)
•
•Obecně se doporučuje začít funkcí: install.packages(„název_balíčku")a teprve po tom, co se objeví
problém, zjišťovat kde – R nám to zpravidla poví!