आर ट्यूटोरियल - आर प्रोग्रामिंग सीखने के लिए एक शुरुआती गाइड

आर सबसे लोकप्रिय डेटा एनालिटिक्स टूल है क्योंकि यह ओपन-सोर्स, लचीला है, कई पैकेज प्रदान करता है और एक विशाल समुदाय है। यह सॉफ्टवेयर प्रोग्रामर, सांख्यिकीविदों और डेटा खनिक के लिए समान रूप से तैयार किया गया है और इसलिए, की लोकप्रियता को जन्म दिया है ।इस आर ट्यूटोरियल ब्लॉग में, मैं आपको उदाहरणों के साथ आर के बारे में पूरी जानकारी दूंगा।

नीचे इस आर ट्यूटोरियल ब्लॉग के विषय हैं जिन पर मैं निम्नलिखित अनुक्रम में चर्चा करूंगा:

1. हमें Analytics की आवश्यकता क्यों है ?
2. बिजनेस एनालिटिक्स क्या है ?
3. क्यों R और कौन R का उपयोग करता है ?
4. आर की स्थापना
5. डेटा ऑपरेटर्स
6. जानकारी का प्रकार
7. प्रवाह नियंत्रण

ट्यूटोरियल: हमें विश्लेषिकी की आवश्यकता क्यों है?

इससे पहले कि मैं इस प्रश्न का उत्तर दूं, मैं आपको कुछ समस्याओं और उनके समाधानों के बारे में कई डोमेन में R में बता दूं।

बैंकिंग :

बैंकों में प्रतिदिन बड़ी मात्रा में ग्राहक डेटा उत्पन्न होता है। डब्ल्यूनियमित आधार पर लाखों ग्राहकों से निपटने में, उनके बंधक को ट्रैक करना कठिन हो जाता है।

उपाय :

आर एक कस्टम मॉडल बनाता है जो प्रत्येक व्यक्तिगत ग्राहक को प्रदान किए गए ऋणों को बनाए रखता है जो समय के साथ ग्राहक द्वारा भुगतान की जाने वाली राशि को तय करने में हमारी मदद करता है।

बीमा :

बीमा बड़े पैमाने पर पूर्वानुमान पर निर्भर करता है। यह कठिन है कितय करें कि किस नीति को स्वीकार या अस्वीकार करना है।

उपाय:

इनपुट के रूप में निरंतर क्रेडिट रिपोर्ट का उपयोग करके, हम आर में एक मॉडल बना सकते हैं जो न केवल जोखिम की भूख का आकलन करेगा, बल्कि साथ ही एक पूर्वानुमान पूर्वानुमान भी बनाएगा।

स्वास्थ्य देखभाल:

हर साल लाखों लोग अस्पताल में भर्ती होते हैं और अरबों सालाना प्रवेश प्रक्रिया में ही खर्च होते हैं।

उपाय :

रोगी के इतिहास और चिकित्सा के इतिहास को देखते हुए, यह अनुमान लगाने के लिए एक पूर्वानुमान मॉडल का निर्माण किया जा सकता है कि अस्पताल में भर्ती होने का जोखिम कौन है और चिकित्सा उपकरणों को किस सीमा तक बढ़ाया जाना चाहिए।

अब हम जानते हैं कि डेटा एनालिटिक्स संगठनों को अपने डेटा का उपयोग करने में मदद करता है और नए अवसरों की पहचान करने के लिए इसका उपयोग करता है। अगर हम किसी संगठन में विश्लेषिकी की आवश्यकता के बारे में बात करते हैं, तो आपको इन 4 पहलुओं पर ध्यान देना चाहिए:

अगला, आर ट्यूटोरियल ब्लॉग में आगे बढ़ते हैं, जहां हम पहले समझेंगे कि वास्तव में व्यावसायिक विश्लेषण क्या है।

आर ट्यूटोरियल: बिजनेस एनालिटिक्स क्या है?

बिजनेस एनालिटिक्स डेटा के बड़े सेट की जांच करने और छिपे हुए पैटर्न, सहसंबंध और अन्य अंतर्दृष्टि प्राप्त करने की एक प्रक्रिया है। यह मूल रूप से आपके द्वारा एकत्रित किए गए सभी डेटा को समझने में मदद करता है, यह संगठनात्मक डेटा, बाजार या उत्पाद अनुसंधान डेटा या किसी अन्य प्रकार का डेटा हो सकता है। आपके लिए बेहतर निर्णय लेना, बेहतर उत्पाद, बेहतर मार्केटिंग रणनीति आदि बनाना आसान हो जाता है। बेहतर समझ के लिए नीचे दी गई छवि देखें:

कैसे जावा में एक कार्यक्रम को रोकने के लिए

यदि आप उपरोक्त आंकड़े को देखते हैं, तो पहली छवि में आपका डेटा बिखरा हुआ है। अब, यदि आप किसी डेटाबेस में किसी विशेष रिकॉर्ड जैसे कुछ विशिष्ट चाहते हैं, तो यह बोझिल हो जाता है। इसे सरल बनाने के लिए, आपको विश्लेषण की आवश्यकता है। विश्लेषण के साथ, डेटा के बीच सहसंबंध पर प्रहार करना आसान हो जाता है। एक बार जब आप क्या करने के लिए स्थापित हो जाते हैं, तो आपके लिए निर्णय लेना काफी आसान हो जाता है, जैसे कि आप किस मार्ग का अनुसरण करना चाहते हैं या व्यावसायिक विश्लेषण के संदर्भ में, किस मार्ग से आपके संगठन की बेहतरी होगी।

लेकिन आप उपरोक्त श्रृंखला के लोगों से यह उम्मीद नहीं कर सकते हैं कि आप उन कच्चे आंकड़ों को हमेशा समझें जो आप उन्हें एनालिटिक्स के बाद प्रदान कर रहे हैं। इसलिए इस अंतर को दूर करने के लिए, हमारे पास एक अवधारणा है डेटा विज़ुअलाइज़ेशन ।

डेटा विज़ुअलाइज़ेशन : डेटा विज़ुअलाइज़ेशन एक बड़ी मात्रा में डेटा तक पहुंच है, जिसे आपने एनालिटिक्स के बाद उत्पन्न किया है। कच्चे डेटा की तुलना में मानव मन दृश्य चित्र और दृश्य ग्राफिक्स अधिक बेहतर है। कच्चे नंबरों की तुलना में पाई चार्ट या बार ग्राफ को समझना हमारे लिए हमेशा आसान होता है। अब आप सोच रहे होंगे कि जिस डेटा का आपने पहले ही विश्लेषण किया है, उससे आप इस डेटा विज़ुअलाइज़ेशन को कैसे प्राप्त कर सकते हैं?
डेटा विज़ुअलाइज़ेशन के लिए बाज़ार में विभिन्न उपकरण उपलब्ध हैं:

आप सभी सोच रहे होंगे कि पहले से ही बहुत सारे उपकरण हैं जो आपको डेटा विज़ुअलाइज़ेशन और निश्चित मात्रा में एनालिटिक्स प्राप्त करने में मदद करते हैं, तो आर के साथ क्यों जाएं?

इसलिए आर ट्यूटोरियल ब्लॉग में मेरा अगला विषय ’क्यों आर’ और। आर का उपयोग करने वाले ’से संबंधित है।

आर ट्यूटोरियल: क्यों आर और कौन आर का उपयोग करता है?

क्यों आर?

R एक प्रोग्रामिंग और सांख्यिकीय भाषा है।

R का उपयोग डेटा विश्लेषण और विज़ुअलाइज़ेशन के लिए किया जाता है।

आर सीखना, पढ़ना और लिखना सरल और आसान है।

R एक FLOSS (Free Libre और Open Source Software) का एक उदाहरण है जहाँ कोई भी इस सॉफ़्टवेयर की प्रतियों को स्वतंत्र रूप से वितरित कर सकता है, इसे स्रोत कोड पढ़ सकता है, इसे संशोधित कर सकता है, आदि।

R का उपयोग कौन करता है?

• उपभोक्ता वित्तीय संरक्षण ब्यूरो डेटा विश्लेषण के लिए आर का उपयोग करता है
• जॉन डीरे पर सांख्यिकीविद समय श्रृंखला मॉडलिंग और भू-स्थानिक विश्लेषण के लिए एक विश्वसनीय और प्रतिलिपि प्रस्तुत करने योग्य तरीके से आर का उपयोग करते हैं।
• रिपोर्टिंग के लिए बैंक ऑफ अमेरिका R का उपयोग करता है।
• आर फोरस्क्यू के प्रसिद्ध सिफारिश इंजन के पीछे प्रौद्योगिकी ढेर का हिस्सा है।
• ऑस्ट्रेलिया में चौथा सबसे बड़ा बैंक एएनजेड, क्रेडिट जोखिम विश्लेषण के लिए आर का उपयोग कर रहा है।
• Google आर्थिक गतिविधि की भविष्यवाणी करने के लिए R का उपयोग करता है।
• मोज़िला, फ़ायरफ़ॉक्स वेब ब्राउज़र के लिए जिम्मेदार नींव, वेब गतिविधि की कल्पना करने के लिए आर का उपयोग करता है।

नीचे कुछ डोमेन हैं जहां R का उपयोग किया जाता है:

अब, हम आर ट्यूटोरियल ब्लॉग में आगे बढ़ते हैं और आर स्थापित करते हैं।

आर ट्यूटोरियल: आर की स्थापना

अपने सिस्टम पर R को स्थापित करने की प्रक्रिया के माध्यम से मेरा मार्गदर्शन करें। बस नीचे दिए गए चरणों का पालन करें:

स्टेप 1 : लिंक पर जाएं- https://cran.r-project.org/

चरण 2 : अपने सिस्टम पर R 3.3.3 डाउनलोड और इंस्टॉल करें।

बेहतर समझ पाने के लिए नीचे दिए गए स्क्रीनशॉट का संदर्भ लें।

उपरोक्त चरणों का पालन करके, आपको आर इंस्टॉलेशन भाग के साथ किया जाता है। अब, आप सीधे RStudio IDE डाउनलोड करके R में कोडिंग शुरू कर सकते हैं। इसे डाउनलोड करने के लिए, नीचे दिए गए चरणों का पालन करें:

स्टेप 1 : लिंक पर जाएं- https://www.rstudio.com/

चरण 2 : अपने सिस्टम पर Rstudio डाउनलोड और स्थापित करें।

सब कुछ स्थापित करने के बाद, आप कोड के लिए तैयार हैं!

आर ट्यूटोरियल फॉर बिगिनर्स | आर प्रोग्रामिंग ट्यूटोरियल | Edureka

अगला, आर ट्यूटोरियल ब्लॉग में आगे बढ़ते हैं और समझते हैं कि आर में डेटा ऑपरेटर क्या हैं।

आर ट्यूटोरियल: डेटा ऑपरेटर्स आर में

मुख्य रूप से 5 विभिन्न प्रकार के ऑपरेटर हैं, जो नीचे सूचीबद्ध हैं:

1. अंकगणितीय आपरेटर : अंकगणित संचालन जैसे कि जोड़, घटाव, गुणा, भाग आदि करें।
2. असाइनमेंट ऑपरेटर्स :असाइनमेंट ऑपरेटरों का उपयोग मूल्यों को निर्दिष्ट करने के लिए किया जाता है। उदाहरण के लिए:

• असाइनमेंट ऑपरेटर =
  वाक्य - विन्यास: चर नाम = मान

> x = 5 >एक्स 

आउटपुट: [१] ५

• असाइनमेंट ऑपरेटर<-
  वाक्य - विन्यास: चर का नाम<- value

  > एक्स<- 15 > एक्स

  आउटपुट: [१] १५

• असाइनमेंट ऑपरेटर<<-
  वाक्य - विन्यास : चर का नाम<<- value

> एक्स<<- 2 > एक्स

आउटपुट: [१] २

• असाइनमेंट ऑपरेटर ->
  वाक्य - विन्यास : मान -> चर नाम

  > 25 -> x > एक्स 

  आउटपुट: [१] २५

3. रिलेशनल ऑपरेटर : यह दो संस्थाओं के बीच एक संबंध को परिभाषित करता है। उदाहरण के लिए: ,<=,!= etc.

> xx! = 2

आउटपुट:[१] सही

4. लॉजिकल ऑपरेटर्स : ये ऑपरेटर दो संस्थाओं की तुलना करते हैं और आमतौर पर बूलियन (तार्किक) मानों जैसे &; तथा !।

> x2 & 3

आउटपुट:[१] सही

5. विशेष संचालक : इन ऑपरेटरों का उपयोग विशिष्ट उद्देश्य के लिए किया जाता है, न कि तार्किक संगणना के लिए। उदाहरण के लिए:

• यह एक वेक्टर के लिए अनुक्रम में संख्याओं की श्रृंखला बनाता है।
  
  

  > xx

  आउटपुट: [१] २ ३ ४ ५ ६ [2

• % in% इस ऑपरेटर का उपयोग यह पहचानने के लिए किया जाता है कि कोई तत्व वेक्टर से संबंधित है या नहीं।
  उदाहरण

  > xy%% x में

  आउटपुट: [१] सही

आर ट्यूटोरियल: डेटा प्रकार

डेटा प्रकार का उपयोग सूचना को संग्रहीत करने के लिए किया जाता है। आर में, हमें कुछ डेटा प्रकार के रूप में एक चर घोषित करने की आवश्यकता नहीं है। चर को R- ऑब्जेक्ट के साथ असाइन किया गया है और R- ऑब्जेक्ट का डेटा प्रकार चर का डेटा प्रकार बन जाता है।R में मुख्य रूप से छह डेटा प्रकार मौजूद हैं:

आइए हम उनमें से प्रत्येक पर अधिक विस्तार से जाएं:

वेक्टर : एक वेक्टर एक ही मूल प्रकार के डेटा तत्वों का एक क्रम है। उदाहरण:

vtr = (1, 3, 5, 7 9)

या

vtr<- (1, 3, 5 ,7 9)

5 परमाणु वैक्टर हैं, जिन्हें वैक्टर के पांच वर्ग भी कहा जाता है।

सूची : सूचियाँ R वस्तुएँ हैं जिनमें विभिन्न प्रकार के तत्व होते हैं जैसे & minus number, strings, vectors और इसके अंदर एक अन्य सूची।

> एन = सी (2, 3, 5) > s = c ('आ', 'bb', 'cc', 'dd', 'ee') > x = सूची (n, s, TRUE) > एक्स

आउटपुट -

[[१]] [१] २ ३ ५ [[२]] [१] 'आ ’' बी बी’ ’’ सीसी ’’ डी डी ’’ ई ’’ [[३]] [१] TRUE

ऐरे करता है : Arrays R डेटा ऑब्जेक्ट हैं जो डेटा को दो से अधिक आयामों में संग्रहीत कर सकते हैं। यह वैक्टर को इनपुट के रूप में लेता है और सरणी बनाने के लिए मंद पैरामीटर में मानों का उपयोग करता है।

वेक्टर 1<- c(5,9,3) वेक्टर २<- c(10,11,12,13,14,15) परिणाम<- array(c(vector1,vector2),dim = c(3,3,2))

आउटपुट -

,, १ [१, १] [, २] [, ३] [१, ५ १० १३ [२,] ९ ११ १४ [३,] ३ १२ १५ ,, २, १ [, २] [, २] [, ३ ] [१,] ५ १० १३ [२,] ९ ११ १४ [३,] ३ १२ १५

ऐरे करता है : मेट्रिस आर ऑब्जेक्ट हैं जिसमें तत्वों को दो-आयामी आयताकार लेआउट में व्यवस्थित किया जाता है। मैट्रिक्स () फ़ंक्शन का उपयोग करके एक मैट्रिक्स बनाया जाता है। उदाहरण: मैट्रिक्स (डेटा, nrow, ncol, byrow, dimnames) कहां है,

डेटा इनपुट वेक्टर है जो मैट्रिक्स के डेटा तत्व बन जाते हैं।

nrow बनाई जाने वाली पंक्तियों की संख्या है।

ncol बनाए जाने वाले कॉलम की संख्या है।

बायरो एक तार्किक सुराग है। यदि TRUE है तो इनपुट वेक्टर तत्वों को पंक्ति द्वारा व्यवस्थित किया जाता है।

मंद नाम पंक्तियों और स्तंभों को सौंपा गया नाम है।

> चटाई<- matrix(c(1:16), nrow = 4, ncol = 4 ) > चटाई

[, १] [, २] [, ३] [, ४] [१, १ ५ ९ १३ [२,] २ ६ १० १४ [३,] ३ 15 ११ १५ [४,] ४ 16 १२ १६

कारक : कारक डेटा ऑब्जेक्ट हैं जो डेटा को वर्गीकृत करने और इसे स्तर के रूप में संग्रहीत करने के लिए उपयोग किया जाता है। वे तार और पूर्णांक दोनों को स्टोर कर सकते हैं। वे सांख्यिकीय मॉडलिंग के लिए डेटा विश्लेषण में उपयोगी हैं।

> डेटा<- c('East','West','East','North','North','East','West','West“,'East“) > कारक_दाता<- factor(data) > कारक_दाता

आउटपुट :

[१] ईस्ट वेस्ट ईस्ट नॉर्थ नॉर्थ ईस्ट वेस्ट वेस्ट ईस्ट स्तर: पूर्व उत्तर पश्चिम

डेटा फ्रेम्स : एक डेटा फ्रेम एक तालिका या दो-आयामी सरणी जैसी संरचना है जिसमें प्रत्येक स्तंभ में एक चर का मान होता है और प्रत्येक पंक्ति में प्रत्येक स्तंभ से एक मान होता है।

> std_id = c (1: 5) > std_name = c ('रिक', 'डान', 'मिशेल', 'रयान', 'गैरी') > अंक = c (623.3,515.2,611.0,729.0,843.25) > std.data<- data.frame(std_id, std_name, marks) > std.data

आउटपुट :

std_id std_name अंक 1 1 रिक 623.30 २ २ और ५१५.२० 3 3 मिशेल 611.00 4 4 रयान 729.00 ५ ५ गैरी 5४३.२५

इसके द्वारा, हम आर। नेक्स्ट में विभिन्न डेटा प्रकारों के अंत में आते हैं, आर ट्यूटोरियल ब्लॉग में आगे बढ़ते हैं और एक अन्य महत्वपूर्ण अवधारणा - फ्लो कंट्रोल स्टेटमेंट्स को समझते हैं।

ट्यूटोरियल: फ्लो कंट्रोल स्टेटमेंट्स

फ्लो कंट्रोल स्टेटमेंट बहुत महत्वपूर्ण भूमिका निभाते हैं क्योंकि वे आपको किसी फ़ंक्शन के अंदर स्क्रिप्ट के निष्पादन के प्रवाह को नियंत्रित करने की अनुमति देते हैं। सबसे अधिक इस्तेमाल किया जाने वाला फ्लो कंट्रोल स्टेटमेंट नीचे दी गई छवि में दर्शाया गया है:

अब, उदाहरणों के साथ उनमें से प्रत्येक पर चर्चा करते हैं।

ट्यूटोरियल: चयनकर्ता विवरण

• यदि कथन को नियंत्रित करें : यह नियंत्रण कथन किसी एकल स्थिति का मूल्यांकन करता है। यह काफी आसान है क्योंकि इसमें केवल एक ही कीवर्ड 'if' होता है, उसके बाद स्थिति और फिर कुछ निश्चित स्टेटमेंट्स को निष्पादित करने की आवश्यकता होती है, यह सच है। बेहतर समझ पाने के लिए नीचे दिए गए फ़्लोचार्ट का संदर्भ लें:

इस फ़्लोचार्ट में, कोड निम्नलिखित तरीके से जवाब देगा:

1. सबसे पहले, यह लूप में प्रवेश करेगा जहां यह स्थिति की जांच करता है।
2. यदि शर्त सही है, तो सशर्त कोड या लिखे गए बयान निष्पादित किए जाएंगे।
3. अगर हालत झूठी है, तो बयानों को नजरअंदाज कर दिया जाता है।

नीचे का एक उदाहरण है अगर R में नियंत्रण कथन। R स्टूडियो में इस उदाहरण को चलाने का प्रयास करें।

x = 2 रिपीट {x = x ^ 2 प्रिंट (x) यदि (x> 100) {ब्रेक}

आउटपुट:

[१] ४ [१] १६ [१] २५६

• यदि एल्स कंट्रोल स्टेटमेंट :परीक्षानियंत्रण कथन का प्रकारपरिस्थितियों के एक समूह का मूल्यांकन करता है और बयानों का चयन करता है। बेहतर समझ पाने के लिए नीचे दिए गए फ़्लोचार्ट का संदर्भ लें:

इस फ़्लोचार्ट में, कोड निम्नलिखित तरीके से जवाब देगा:

1. सबसे पहले, यह लूप में प्रवेश करेगा जहां यह स्थिति की जांच करता है।
2. यदि यह शर्त सही है, तो पहले 'अगर' कथनों को क्रियान्वित किया जाएगा।
3. यदि यह शर्त गलत है, तो यह 'शर्त' के अनुसार 'और' पर जाती है और यदि यह सत्य है, तो 'कोड' निष्पादित किया जाएगा।
4. अंत में, यदि, और यदि is कोड भी गलत है, तो यह code और ’कोड पर जाएगा और इसे निष्पादित किया जाएगा। इसका मतलब यह है कि यदि इनमें से कोई भी स्थिति सत्य नहीं है, तो statement और का कथन निष्पादित हो जाता है।

नीचे का एक उदाहरण है यदि नहीं तो R में नियंत्रण कथन। R स्टूडियो में इस उदाहरण को चलाने का प्रयास करें।

x5) {प्रिंट ('x 5 से अधिक है')} thanif (x == 5) {प्रिंट ('x 5 के बराबर है)}} {{(' x 5 से अधिक नहीं है ')}

आउटपुट:

[1] 'x 5 के बराबर है'

• विवरण स्विच करें : इन नियंत्रण कथनों का उपयोग मूल रूप से ज्ञात मूल्य की एक निश्चित अभिव्यक्ति की तुलना करने के लिए किया जाता है। बेहतर समझ पाने के लिए नीचे दिए गए फ़्लोचार्ट का संदर्भ लें:

इस स्विच केस फ़्लोचार्ट में, कोड निम्नलिखित चरणों में जवाब देगा:

1. सबसे पहले यह स्विच केस में प्रवेश करेगा जिसमें एक अभिव्यक्ति है।
2. इसके बाद यह केस 1 स्थिति में जाएगा, शर्त पर दिए गए मूल्य की जांच करता है। यदि यह सही है, तो स्टेटमेंट ब्लॉक निष्पादित होगा। उसके बाद, यह उस स्विच केस से टूट जाएगा।
3. यदि यह गलत है, तो यह अगले मामले में बदल जाएगा। यदि केस 2 की स्थिति सत्य है, तो वह कथन को निष्पादित करेगा और उस मामले से अलग हो जाएगा, अन्यथा यह फिर से अगले मामले पर जाएगा।
4. अब मान लें कि आपने कोई मामला निर्दिष्ट नहीं किया है या उपयोगकर्ता से कुछ गलत इनपुट है, तो यह डिफ़ॉल्ट केस में जाएगा जहां यह आपके डिफ़ॉल्ट स्टेटमेंट को प्रिंट करेगा।

नीचे R में स्विच स्टेटमेंट का एक उदाहरण है। R स्टूडियो में इस उदाहरण को चलाने का प्रयास करें।

vtr<- c(150,200,250,300,350,400) option <-'mean' switch(option, 'mean' = print(mean(vtr)), 'mode' = print(mode((vtr))), 'median' = print(median((vtr))) ) 

आउटपुट:

[१] २ ]५

ट्यूटोरियल: लूप स्टेटमेंट्स

लूप्स आपको कुछ निश्चित क्रियाओं को दोहराने में मदद करते हैं ताकि आपको उन्हें बार-बार प्रदर्शन न करना पड़े। कल्पना करें कि आपको 10 बार ऑपरेशन करने की आवश्यकता है, यदि आप प्रत्येक बार कोड लिखना शुरू करते हैं, तो कार्यक्रम की लंबाई बढ़ जाती है और बाद में इसे समझना आपके लिए मुश्किल होगा। लेकिन एक ही समय में एक लूप का उपयोग करके, अगर मैं एक लूप के अंदर एक ही बयान लिखता हूं, तो यह समय बचाता है और कोड पठनीयता के लिए आसान बनाता है। यह कोड दक्षता के संबंध में और अधिक अनुकूलित हो जाता है।

c ++ सरणी सॉर्ट

उपरोक्त छवि में, ‘ दोहराएँ ' तथा ' जबकि ‘कथन शर्त सही होने तक नियमों के एक निश्चित सेट को निष्पादित करने में आपकी मदद करते हैं लेकिन ' के लिये' एक लूप स्टेटमेंट है जिसका उपयोग तब किया जाता है जब आप जानते हैं कि आप कितनी बार स्टेटमेंट ब्लॉक करना चाहते हैं। अब, यदि आप जानते हैं कि आप इसे 10 बार दोहराना चाहते हैं, तो आप 'फॉर' स्टेटमेंट के साथ जाएंगे, लेकिन यदि आप इस बारे में सुनिश्चित नहीं हैं कि आप कितनी बार कोड को दोहराना चाहते हैं, तो आप 'रिपीट' के साथ जाएंगे। 'घुमाव के दौरान।

उदाहरण के साथ उनमें से प्रत्येक पर चर्चा करें।

• बार-बार : दोहराने वाला लूप कोड के एक ही सेट को बार-बार निष्पादित करने में मदद करता है जब तक कि स्टॉप कंडीशन पूरी नहीं होती है। बेहतर समझ पाने के लिए नीचे दिए गए फ़्लोचार्ट का संदर्भ लें:

उपरोक्त फ़्लोचार्ट में, कोड निम्नलिखित चरणों में जवाब देगा:

1. सबसे पहले यह कोड के एक सेट में प्रवेश करेगा और निष्पादित करेगा।
2. आगे यह स्थिति की जांच करेगा, अगर यह सच है तो यह वापस चला जाएगा और कोड के उसी सेट को फिर से निष्पादित करेगा जब तक कि यह गलत होने का मतलब नहीं है।
3. यदि यह गलत पाया जाता है, तो यह सीधे लूप से बाहर निकल जाएगा।

• जबकि : जबकि स्टेटमेंट भी कोड के एक ही सेट को बार-बार निष्पादित करने में मदद करता है जब तक कि स्टॉप कंडीशन पूरी नहीं होती है। बेहतर समझ पाने के लिए नीचे दिए गए फ़्लोचार्ट का संदर्भ लें:

उपरोक्त फ़्लोचार्ट में, कोड निम्नलिखित चरणों में जवाब देगा:

1. सबसे पहले यह स्थिति की जांच करेगा।
2. यदि यह सत्य पाया जाता है, तो यह कोड के सेट को निष्पादित करेगा।
3. इसके बाद, यह फिर से स्थिति की जांच करता है, अगर इसका सच यह फिर से उसी कोड को निष्पादित करेगा। जैसे ही स्थिति झूठी पाई जाती है, यह तुरंत लूप से बाहर निकलता है।

नीचे R. स्टूडियो में इस उदाहरण को चलाने का प्रयास करते समय कथन का एक उदाहरण है।

x = 2 जबकि (x)<1000) { x=x^2 print(x) } 

आउटपुट:

4 16 256 65 536

तो आप सोच रहे होंगे कि ये दोनों बयान कैसे अलग हैं? मुझे अपना शक साफ़ करने दो!
यहां रिपीट और स्टेटमेंट के बीच मुख्य अंतर यह है कि यह आपकी स्थिति के संबंध में बदलता है। जबकि लूप मूल रूप से परिभाषित करता है जब आप कथनों को निष्पादित करने के लिए लूप में प्रवेश करने जा रहे हैं और दोहराना लूप परिभाषित करता है जब आप कथनों के निष्पादन के बाद लूप से निकलते हैं। इसलिए इन दो कथनों को प्रवेश नियंत्रण पाश और निकास नियंत्रण पाश के रूप में जाना जाता है। यह कैसे और बार-बार बयान अलग-अलग हैं।

• पाश के लिए: जब आप कई बार कोड के ब्लॉक को निष्पादित करने की आवश्यकता होती है, तो लूप का उपयोग किया जाता है। बेहतर समझ पाने के लिए नीचे दिए गए फ़्लोचार्ट का संदर्भ लें:

उपरोक्त फ़्लोचार्ट में, कोड निम्नलिखित चरणों में जवाब देगा:

1. सबसे पहले वहाँ आरंभीकरण है जहाँ आप निर्दिष्ट करते हैं कि आप कितनी बार लूप को दोहराना चाहते हैं।
2. अगला, यह स्थिति की जांच करता है। यदि स्थिति सही है, तो यह निर्धारित समय के लिए कोड के सेट को निष्पादित करेगा।
3. जैसे ही स्थिति झूठी पाई जाती है, यह तुरंत लूप से बाहर निकलता है।

नीचे R. स्टूडियो में इस उदाहरण को चलाने का प्रयास करने के लिए एक उदाहरण दिया गया है।

vtr<- c(7,19,25,65, 45) for( i in vtr) { print(i) } 

आउटपुट:

7 19 25 65 45

अगला, आर ट्यूटोरियल ब्लॉग में अपने अंतिम सेट स्टेटमेंट पर चलते हैं, यानी जम्प स्टेटमेंट्स।

आर ट्यूटोरियल: जम्प स्टेटमेंट्स

ब्रेक स्टेटमेंट : ब्रेक स्टेटमेंट प्रोग्राम को समाप्त करने में मदद करते हैं और लूप के बाद अगले स्टेटमेंट पर नियंत्रण फिर से शुरू करते हैं। इन बयानों का उपयोग स्विच केस में भी किया जाता है। बेहतर समझ पाने के लिए नीचे दिए गए फ़्लोचार्ट का संदर्भ लें:

उपरोक्त फ़्लोचार्ट में, कोड निम्नलिखित चरणों में जवाब देगा:

1. सबसे पहले, यह लूप में प्रवेश करेगा जहां यह स्थिति की जांच करता है।
2. यदि लूप की स्थिति झूठी है, तो यह सीधे लूप से बाहर निकलता है।
3. यदि स्थिति सही है, तो यह ब्रेक की स्थिति की जांच करेगा।
4. यदि ब्रेक की स्थिति सही है, तो यह लूप से मौजूद है।
5. यदि ब्रेक की स्थिति झूठी है, तो यह उन बयानों को निष्पादित करेगा जो लूप में शेष हैं और फिर उसी चरणों को दोहराते हैं।

नीचे R। स्टूडियो में जम्प स्टेटमेंट का एक उदाहरण दिया गया है। R Studio में इस उदाहरण को चलाने का प्रयास करें।

एक्स<- 1:5 for (val in x) { if (val == 3){ break } print(val) } 

आउटपुट:

[१] १ [१] २

अगला कथन : जब आप इसे समाप्त किए बिना लूप के वर्तमान पुनरावृत्ति को छोड़ना चाहते हैं, तो एक अगले कथन का उपयोग किया जाता है। अगला बयान अन्य प्रोग्रामिंग भाषा में 'जारी' के समान है। बेहतर समझ पाने के लिए नीचे दिए गए फ़्लोचार्ट का संदर्भ लें:

उपरोक्त फ़्लोचार्ट में, कोड निम्नलिखित चरणों में जवाब देगा:

1. सबसे पहले, यह लूप में प्रवेश करेगा जहां यह स्थिति की जांच करता है।

2. यदि लूप की स्थिति झूठी है, तो यह सीधे लूप से बाहर निकलता है।

3. यदि लूप की स्थिति सही है, तो यह ब्लॉक 1 कथनों को निष्पादित करेगा।

4. उसके बाद यह 'अगले' विवरण के लिए जाँच करेगा। यदि यह मौजूद है, तो उसके बाद के कथनों को लूप के समान पुनरावृत्ति में निष्पादित नहीं किया जाएगा।

5. यदि the अगला ’कथन मौजूद नहीं है, तो उसके बाद के सभी कथनों को निष्पादित किया जाएगा।

नीचे R. स्टूडियो में इस उदाहरण को चलाने का प्रयास करें।

for (i in 1:15) {if ((i %% 2) == 0) {अगला} प्रिंट (i)}

आउटपुट:

1 3 5 7 9 11 13 15

यह आर ट्यूटोरियल ब्लॉग का अंत है। मुझे उम्मीद है कि आप लोग हर उस अवधारणा के बारे में स्पष्ट होंगे जो मैंने ऊपर चर्चा की है। देखते रहिए, मेरा अगला ब्लॉग आर ट्रेनिंग पर होगा जहाँ मैं आर के कुछ और अवधारणाओं के बारे में विस्तार से बताऊँगापर्याप्त

अब जब आप R की मूल बातें समझ गए हैं, तो देखें 250,000 से अधिक संतुष्ट शिक्षार्थियों के एक नेटवर्क के साथ एक विश्वसनीय ऑनलाइन शिक्षण कंपनी, एडुरेका द्वारा, दुनिया भर में फैली हुई है। R प्रशिक्षण के साथ Edureka का डेटा एनालिटिक्स आपको R प्रोग्रामिंग, डेटा हेरफेर, खोजपूर्ण डेटा विश्लेषण, डेटा विज़ुअलाइज़ेशन, डेटा खनन, प्रतिगमन, सेंटीमेंट विश्लेषण में विशेषज्ञता प्राप्त करने और रिटेल, सोशल मीडिया पर वास्तविक जीवन के अध्ययन के लिए आर स्टूडियो का उपयोग करने में मदद करेगा।

क्या आप हमसे कोई प्रश्न पूछना चाहते हैं? कृपया इस 'आर ट्यूटोरियल' ब्लॉग के टिप्पणी अनुभाग में उल्लेख करें और हम जल्द से जल्द आपके पास वापस आ जाएंगे।