Introduktion till funktion

Funktioner är den grundläggande byggstenen för alla programmeringsspråk. Det hjälper till i modulär programmering, dvs. vi skapar ett kodblock (funktion) och använder det när det behövs. Genom att skapa funktion undviks att skriva samma kodstycke om och om igen. I det här ämnet kommer vi att lära oss om R-programfunktioner.

En funktion bör vara

  • skrivet för att utföra en specificerad uppgift.
  • får eller inte inkludera argument
  • innehåller en kropp
  • får eller kanske inte returnerar ett eller flera värden.

Funktioner i R

R har många inbyggda funktioner som används för de specifika uppgifterna

Här några viktiga och ofta använda funktioner inom datavetenskap

listas nedan

1. medelvärde ()

Det används för att hitta medelvärdet för objektet.

Ex: a<-c(0:10, 40)
xm<-mean(a)
print(xm)

Produktion:

(1) 7.916667

2. sd ()

Det returnerar standardavvikelsen för ett objekt.

a<-c(0:10, 40)
xm<-sd(a)
print(xm)

Produktion:

(1) 10, 58694

3. median ()

Det returnerar median.

a<-c(0:10, 40)
xm<-meadian(a)
print(xm)

Produktion:

(1) 5.5

4. summa ()

Det returnerar summan.

a<-c(0:10, 40)
xm<-sum(a)
print(xm)

Produktion:

(1) 95

5 min()

Det returnerar minimivärde.

a<-c(0:10, 40)
xm<-min(a)
print(xm)

Produktion:

(1) 0

6. max ()

Det ger maximalt värde.

a<-c(0:10, 40)
xm<-max(a)
print(xm)

Produktion:

(1) 40

7. är.na ()

Det returnerar de tomma raderna.

Utgången är antingen SAND ELLER FALSK.

Giltigt för tomma rader och falskt för icke-skyldiga.

  • som (is.na ()) - Det returnerar indexet för de tomma raderna.
  • hjälp () - används för att visa dokumentation av moduler, funktioner, klasser, nyckelord, etc.

Det finns många andra inbyggda funktioner som kan användas genom att importera respektive bibliotek.

Förutom dessa inbyggda funktioner kan vi skapa våra egna funktioner efter behov.

Skapa våra egna funktioner

Här är formatet för att skriva vår egen funktion:

Funtion_name <- function(p)
(
Body
return ()
)

Här förklarar jag varje komponent i den användardefinierade funktionen.

1. Funktionsnamn

Vi kan ge valfritt namn på vår funktion men vi bestämmer funktionsnamnet baserat på

Funktionalitet, dvs vilken typ av operation den utför.

Om vi ​​till exempel skapar en funktion för att beräkna summan av 2 siffror då

Det är bättre att ge namnet “Summa” till den funktionen.

2. Funktionens kropp

Vi skriver stegen för att utföra viss operation. Dessa steg benämns funktionen. Koden för funktionen är stängd under lockiga hängslen ().

Till exempel

Anta att vi måste beräkna summan av två siffror:

Då kommer funktionen att vara:

Sum (x, y)
(
a=x
b=y
c = a+b
return (c)
)

De markerade linjerna benämns funktionens kropp.

Nu har vi stött på några nya termer som return () och efter namnet på funktionen har vi passerat två värden x, y dessa benämns som parametrar. Jag kommer att förklara dessa villkor i detaljer:

Först, parametrar: Dessa är de variabler som vi utför den operation som definieras i funktionen.

För det andra, returnera (): Inuti funktionen har vi en retur () som får vår funktion att lämna och överlämna värdet till den som ringer.

Betydelsen av att bygga funktionen

Det är mycket svårt att förstå det stora antalet kod. Det är nödvändigt att ta fram ett nytt sätt att bryta den stora monolitiska koden i mindre läsbar kod, dvs. (Funktion)

På grund av användningen av funktionen blev det ett bättre sätt att modulera. Funktionen är bara ett annat sätt att gruppera exekveringsraden med koder i en del och namnge den. Namnet hjälper oss att kalla det på samma sätt som du kan ringa mig om du känner mitt namn.

Som vi har sett finns det flera inbyggda funktioner i R som gör våra

Arbeta lättare, vi måste bara importera biblioteken och kan använda funktionerna

tillgängliga i dessa bibliotek.

Slutsats - R-programfunktioner

Den primära användningen av R är och kommer alltid att vara, statistik, visualisering och maskininlärning, vilket kräver en hel del beräkningar och visualiseringar, vilket betyder att vi kommer att kräva en hel del funktioner. Få statistiska beräkningar som medelvärde, median, standardavvikelse etc. krävs i nästan alla Data Science-projekt. Det är därför vi har många inbyggda bibliotek som består av många funktioner som används ofta. Om vi ​​behöver ny funktionalitet som ska implementeras kan vi skapa våra egna funktioner.

Rekommenderade artiklar

Detta är en guide till R-programfunktioner. Här diskuterar vi några viktiga och ofta använda funktioner i R-programmet och formatet för att skriva vår egen funktion. Du kan också titta på följande artiklar för att lära dig mer -

  1. R Programmeringsspråk
  2. R-programmering mot Python
  3. Karriärer inom R-programmering
  4. R Programmeringshandledning online
  5. Exempel på inbyggda Python-funktioner

Kategori:

Big Data