Vector di R: c(), seq(), Pengindeksan, dan Matematika Tervektorisasi

Semua di R Adalah Vector

Sebagian besar bahasa punya skalar, yaitu nilai tunggal, lalu semacam tipe wadah untuk menampung beberapa nilai. R melewatkan skalar. Vector adalah kumpulan nilai berurutan yang semuanya bertipe sama, dan menjadi unit dasar bagi semua hal lain. Bahkan yang terlihat seperti satu angka saja adalah vector dengan panjang 1:

scores <- c(70, 85, 92)
print(scores)
print(length(scores))

print(is.vector(5))
print(length(5))

c(), singkatan dari combine, adalah cara membuat vector secara manual. length() memberi tahu berapa banyak elemen di dalamnya. Dan 5 saja melaporkan is.vector sebagai TRUE dengan panjang 1: R tidak pernah berhenti bekerja dengan vector, hanya kadang bekerja dengan vector yang sangat pendek.

Desain inilah alasan kode R terlihat berbeda dari Python atau JavaScript: operasi yang di tempat lain kamu tulis dengan perulangan berlaku untuk seluruh vector dalam satu ekspresi. Kita akan sampai ke sana di bawah.

Satu aturan yang perlu dipahami sekarang: semua elemen sebuah vector bertipe sama. Kalau kamu memberi c() campuran, ia tidak protes, tetapi diam-diam mengonversi semuanya ke tipe paling fleksibel yang ada:

mixed <- c(1, "two", TRUE)
print(mixed)
print(class(mixed))

numish <- c(1, TRUE, FALSE)
print(numish)
print(class(numish))

Satu string di dalam campuran mengubah semuanya menjadi string ("1", "TRUE"). Nilai logika di antara angka menjadi 1 dan 0. Koersi ini mengikuti urutan yang tetap, logical → integer → double → character, dan terjadi tanpa peringatan, itulah sebabnya satu "7" yang nyasar di kolom angka bisa diam-diam mengubah seluruh dataset-mu menjadi teks. Hierarki lengkapnya dibahas di tipe data; kalau kamu perlu menampung nilai yang memang bercampur, itulah gunanya list.

Membuat Barisan: :, seq(), dan rep()

Mengetik setiap elemen ke dalam c() cepat membosankan. R punya tiga jalan pintas untuk pola yang teratur:

print(1:10)
print(seq(0, 1, by = 0.25))
print(seq(2, 20, length.out = 4))
print(seq_len(5))

print(rep("ha", 3))
print(rep(c(1, 2), times = 3))
print(rep(c(1, 2), each = 3))

• 1:10 adalah yang dipakai sehari-hari: integer dari satu batas ke batas lain, dengan langkah 1.
• seq() memperluasnya: pilih langkahnya dengan by =, atau sebutkan berapa elemen yang kamu inginkan dengan length.out = dan biarkan R menghitung jaraknya.
• seq_len(n) menghasilkan 1 sampai n dan merupakan cara aman membuat indeks perulangan: tidak seperti 1:n, fungsi ini dengan benar menghasilkan vector kosong ketika n bernilai 0, alih-alih menghitung mundur 1 0.
• rep() mengulang: times = mengulang seluruh vector dari ujung ke ujung (1 2 1 2 1 2), each = mengulang setiap elemen di tempatnya (1 1 1 2 2 2). Keduanya mudah tertukar; jalankan potongan kodenya dan bandingkan.

Pengindeksan: R Menghitung dari 1

Kurung siku mengambil elemen. Elemen pertama adalah [1], bukan [0]. Kalau kamu datang dari Python atau JavaScript, inilah sandungan awal yang paling umum:

fruits <- c("apple", "banana", "cherry", "date")

print(fruits[1])
print(fruits[c(2, 4)])
print(fruits[-1])
print(fruits[-c(1, 2)])

Tiga hal di sini layak diperhatikan:

• Kamu bisa mengindeks dengan sebuah vector posisi: fruits[c(2, 4)] mengambil elemen kedua dan keempat sekaligus.
• Indeks negatif berarti "semuanya kecuali". fruits[-1] adalah vector tanpa elemen pertamanya. Ini sangat berbeda dari Python, tempat -1 berarti elemen terakhir. Kamu tidak bisa mencampur indeks positif dan negatif dalam satu panggilan.
• fruits[0] bukan error: ia mengembalikan character(0) yang kosong. Bug selisih satu di R sering menghasilkan hasil kosong tanpa suara alih-alih crash, jadi ada baiknya memeriksa length() ketika sesuatu di langkah berikutnya tampak kosong secara misterius.

Elemen juga bisa punya nama, yang memberimu cara ketiga untuk mengindeks, yaitu berdasarkan label:

prices <- c(coffee = 3.5, tea = 2.8, juice = 4.2)
print(prices["tea"])
print(prices[c("coffee", "juice")])
print(names(prices))

Named vector bekerja seperti tabel pencarian sederhana dan menjaga kode tetap mudah dibaca: prices["tea"] menyatakan maksudnya, prices[2] tidak.

Mask Logika dan which()

Cara mengindeks yang paling kuat adalah dengan vector logika, yaitu mask berisi nilai TRUE/FALSE yang panjangnya sama dengan datanya. Setiap perbandingan pada vector menghasilkan persis itu:

temps <- c(18, 25, 31, 22, 35)

hot <- temps > 24
print(hot)
print(temps[hot])

print(temps[temps > 24 & temps < 33])
print(which(temps > 24))

temps > 24 tidak memberi satu jawaban, tetapi lima, satu per elemen. Menaruh mask itu di dalam [ ] menyisakan elemen-elemen yang mask-nya TRUE. Gabungkan kondisi dengan & (dan) dan | (atau), yang dibahas bersama operator lainnya.

which() menerjemahkan mask menjadi posisi: di sini 2 3 5, indeks dari suhu yang panas. Pakai saat kamu perlu tahu di mana kecocokannya berada, untuk melaporkannya, atau untuk mengindeks vector lain di posisi yang sama. Untuk sekadar memfilter, temps[temps > 24] lebih langsung daripada temps[which(temps > 24)].

Pola memfilter dengan mask ini adalah tulang punggung hampir semua pekerjaan data di R; pola ini muncul lagi saat kamu memfilter baris sebuah data frame.

Matematika Tervektorisasi dan Aturan Recycling

Aritmetika di R berlaku elemen demi elemen di seluruh vector, tanpa perlu perulangan:

prices <- c(10, 20, 30)

print(prices * 2)
print(prices + c(1, 2, 3))
print(c(1, 2, 3, 4) + c(10, 20))

Baris pertama adalah fitur utamanya: prices * 2 menggandakan setiap elemen. Ketika bahasa lain butuh for loop, R cukup butuh sebuah operator, dan bentuk tervektorisasi ini lebih pendek sekaligus lebih cepat, karena perulangannya terjadi di kode C yang sudah dioptimalkan di baliknya. Tulis for loop ketika setiap langkah bergantung pada langkah sebelumnya; untuk matematika per elemen, pakai vektorisasi.

Baris ketiga menunjukkan aturan recycling: ketika vector-vectornya punya panjang berbeda, R mengulang yang lebih pendek agar cocok. c(10, 20) diulang menjadi 10 20 10 20, menghasilkan 11 22 13 24. Mengulang 2 di sepanjang vector dengan panjang 3 itulah yang membuat prices * 2 berhasil: skalar hanyalah vector dengan panjang 1 yang sedang di-recycle.

Recycling berjalan rapi ketika panjang yang lebih besar adalah kelipatan pasti dari yang lebih kecil. Ketika tidak, R tetap menghitung jawabannya, dan mengeluarkan peringatan:

print(c(1, 2, 3) + c(10, 20))

Kamu mendapat 11 22 13 ditambah peringatan bahwa panjang objek yang lebih panjang bukan kelipatan dari panjang objek yang lebih pendek. Anggap peringatan itu sebagai laporan bug: recycling sebagian hampir tidak pernah sesuai maksudmu, dan biasanya berarti dua vector yang seharusnya sama panjang ternyata tidak.

Mengurutkan, Membalik, Menghapus Duplikat

Tiga utilitas kecil yang akan terus kamu pakai:

x <- c(3, 1, 4, 1, 5)

print(sort(x))
print(sort(x, decreasing = TRUE))
print(rev(x))
print(unique(x))

sort() mengurutkan nilainya, rev() membalik urutan yang ada tanpa mengurutkan, dan unique() membuang duplikat sambil mempertahankan kemunculan pertamanya. Tidak satu pun dari ketiganya mengubah x: seperti hampir semua hal di R, mereka mengembalikan vector baru dan membiarkan yang asli apa adanya.

Yang Perlu Kamu Ingat

• Vector adalah unit dasar R: berurutan, satu tipe di seluruhnya, dan bahkan nilai tunggal adalah vector dengan panjang 1.
• Buat dengan c(), bentuk pola dengan :, seq(), dan rep(), dan ingat bahwa c() diam-diam melakukan koersi pada tipe yang bercampur.
• Pengindeksan dimulai dari 1; indeks negatif membuang elemen; nama memungkinkanmu mengindeks berdasarkan label.
• Mask logika (x[x > 5]) adalah idiom memfilter di seluruh bahasa ini; which() mengubah mask menjadi posisi.
• Matematika itu tervektorisasi, vector yang lebih pendek di-recycle, dan peringatan recycling sebagian berarti ada bug.

Berikutnya: list, wadah untuk ketika nilai-nilaimu tidak bertipe sama.