Deutsch (DE) Übersetzung

R - Arrays: Ein Anfängerleitfaden für mächtige Datenstrukturen

Hallo da draußen, ambitionierte R-Programmierer! Ich freue mich sehr, Ihr Guide auf dieser aufregenden Reise in die Welt der R-Arrays zu sein. Als jemand, der seit über einem Jahrzehnt Informatik unterrichtet, kann ich Ihnen versichern, dass Arrays wie die Schweizer Army knives der Programmierung sind – vielseitig, mächtig und absolut notwendig zu beherrschen. Also, tauchen wir ein!

Was sind Arrays?

Bevor wir uns den Details widmen,fangen wir mit den Grundlagen an. Stellen Sie sich vor, Sie haben eine Sammlung von Büchern. Sie könnten sie in einen Haufen stapeln, aber das würde es schwierig machen, ein bestimmtes Buch zu finden. Stellen Sie sich nun eine Bücherregal mit mehreren Regalen und Abschnitten vor. Das ist im Grunde genommen, was ein Array in R ist – eine strukturierte Möglichkeit, Daten zu speichern und zu organisieren.

In R ist ein Array eine mehrdimensionale Datenstruktur, die Daten desselben Typs speichern kann. Es ist wie eine superstärkere Version eines Vektors, in der Daten in mehreren Dimensionen gespeichert werden können.

Beispiel: Erstellen Ihres ersten Arrays

Lassen Sie uns unser erstes Array erstellen! Wir verwenden die Funktion array(), um dies zu tun.

mein_erstes_array <- array(1:24, dim = c(4, 3, 2))
print(mein_erstes_array)

Wenn Sie diesen Code ausführen, werden Sie etwas wie folgendes sehen:

, , 1

[,1] [,2] [,3]
[1,]    1    5    9
[2,]    2    6   10
[3,]    3    7   11
[4,]    4    8   12

, , 2

[,1] [,2] [,3]
[1,]   13   17   21
[2,]   14   18   22
[3,]   15   19   23
[4,]   16   20   24

Was ist da passiert? Wir haben ein 3-dimensionales Array erstellt! Stellen Sie es sich als zwei gestapelte 4x3-Matrizen vor. Der Teil dim = c(4, 3, 2)weist R an, ein Array mit 4 Zeilen, 3 Spalten und 2 "Schichten" oder Matrizen zu erstellen.

Benennung von Spalten und Zeilen

Genau wie wir unsere Bücherregale beschriften, um Bücher leichter zu finden, können wir die Dimensionen unseres Arrays benennen. Das macht unsere Daten bedeutungsvoller und einfacher zu handhaben.

# Erstellen eines Arrays mit benannten Dimensionen
schueler_noten <- array(
c(85, 90, 78, 92, 88, 76, 95, 87, 82),
dim = c(3, 3),
dimnames = list(
c("Alice", "Bob", "Charlie"),
c("Mathematik", "Wissenschaft", "Englisch")
)
)

print(schueler_noten)

Ausgabe:

Mathematik Wissenschaft Englisch
Alice    85             88             95
Bob      90             76             87
Charlie  78             92             82

Jetzt hat unser Array bedeutungsvolle Zeilen- und Spaltennamen. Es ist viel einfacher zu verstehen, dass Alice 85 in Mathematik und 95 in Englisch erreicht hat!

Zugriff auf Array-Elemente

Nun, da wir unser Array haben, wie bekommen wir spezifische Informationen daraus? Es ist wie das Wissen, genau welchem Regal und Abschnitt in unserem Bücherregal wir uns zuwenden müssen.

# Zugriff auf ein einzelnes Element
print(schueler_noten["Alice", "Mathematik"])  # Ausgabe: 85

# Zugriff auf eine gesamte Zeile
print(schueler_noten["Bob", ])  # Ausgabe: Mathematik 90 Wissenschaft 76 Englisch 87

# Zugriff auf eine gesamte Spalte
print(schueler_noten[, "Wissenschaft"])  # Ausgabe: Alice 88 Bob 76 Charlie 92

Manipulation von Array-Elementen

Arrays sind nicht nur zum Speichern von Daten da – wir können sie auch ändern! Lassen Sie uns einige Noten aktualisieren:

# Aktualisieren einer einzigen Note
schueler_noten["Charlie", "Englisch"] <- 89
print(schueler_noten["Charlie", "Englisch"])  # Ausgabe: 89

# Aktualisieren einer gesamten Zeile
schueler_noten["Alice", ] <- c(91, 93, 97)
print(schueler_noten["Alice", ])  # Ausgabe: Mathematik 91 Wissenschaft 93 Englisch 97

Berechnungen über Array-Elemente

Eine der leistungsfähigsten Funktionen von Arrays ist die Fähigkeit, Berechnungen über ihre Elemente durchzuführen. Lassen Sie uns einige Durchschnittswerte berechnen:

# Berechnung des Durchschnitts für jeden Schüler
schueler_durchschnitte <- apply(schueler_noten, 1, mean)
print(schueler_durchschnitte)

# Berechnung des Durchschnitts für jede Fächer
facher_durchschnitte <- apply(schueler_noten, 2, mean)
print(facher_durchschnitte)

Die apply()-Funktion ist wie ein Schweizer Army knife für Arrays. Das zweite Argument (1 oder 2)weist R an, die Funktion (in diesem Fall mean) auf Zeilen (1) oder Spalten (2) anzuwenden.

Array-Methoden

Hier ist eine Tabelle mit einigen commonly verwendeten Array-Methoden in R:

Methode	Beschreibung	Beispiel
array()	Ein Array erstellen	array(1:12, dim = c(3, 4))
dim()	Array-Dimensionen abrufen oder festlegen	dim(mein_array)
length()	Gesamtzahl der Elemente abrufen	length(mein_array)
dimnames()	Array-Dimensionenamen abrufen oder festlegen	dimnames(mein_array)
apply()	Funktion über Array-Ränder anwenden	apply(mein_array, 2, sum)
sweep()	Array-Zusammenfassungen bereinigen	sweep(mein_array, 2, colMeans(mein_array))

Fazit

Glückwunsch! Sie haben die ersten Schritte in die mächtige Welt der R-Arrays unternommen. Wir haben das Erstellen von Arrays, das Benennen ihrer Dimensionen, den Zugriff und die Manipulation von Elementen sowie die Durchführung von Berechnungen über sie behandelt.

Erinnern Sie sich daran, dass das Lernen, mit Arrays zu arbeiten, wie das Organisieren einer Bibliothek ist. Am Anfang mag es kompliziert erscheinen, aber wenn Sie den Dreh raus haben, werden Sie erstaunt sein, wie effizient Sie Daten speichern, abrufen und analysieren können.

Während Sie Ihre Reise mit R fortsetzen, werden Sie Arrays überall finden – von einfacher Datenanalyse bis hin zu komplexen statistischen Modellen. Also üben Sie weiter, bleiben Sie neugierig und fürchten Sie sich nicht, zu experimentieren. Viel Spaß beim Programmieren und möge Ihre Arrays immer gut organisiert sein!

Credits: Image by storyset