Programcı gibi düşünmek: problemi tarif et, küçük adımlara ayır, R ile uygula, sonucu kontrol et.
Derse başlaR Ders 1'e geçBu dersin bütün özgün çözüm örnekleri, beklenen sonuçları ve öğretim planı herkese açık. Önce alıştırmaları kendin çözmek istiyorsan cevap anahtarını sona bırak.
Kodu ezberlemekten önce bilgisayara hangi soruyu sorduracağını öğren. Bu derste basit bir psikoloji veri problemiyle başlayacağız; algoritma, değişken, fonksiyon, koşul, tekrar, eksik veri ve hata ayıklamayı keşfedeceğiz.
Programlama; bir problemi, bilgisayarın uygulayabileceği yeterince açık ve sınanabilir adımlara dönüştürme işidir. Kod yazmak bunun yalnızca bir parçasıdır. İyi bir programcı neyin ölçüleceğini belirler, işlemleri tasarlar, hataları araştırır, test eder ve çıktıyı yorumlar.
Ne öğrenmek istiyoruz? Örn. 'Bir uygulamaya katılanların puanı nasıl değişti?'
Veriyi alma, eksikleri belirleme, farkları hesaplama ve sonucu denetleme gibi adımların planı
Bu planı bilgisayara anlatmak için kullandığımız programlama dili
R kodunu yazmayı, çalıştırmayı ve araştırmayı kolaylaştıran geliştirme ortamı; R'nin kendisi değil
12 bir sayıdır; "A" metindir; TRUE/FALSE mantıksal değerdir. Aynı veri gibi görünseler de farklı işlemler ister.
`score <- 12` ifadesi, 12 değerini `score` adlı nesneye atar. Sol taraf isimdir, sağ taraf hesaplanan değerdir.
`c(12, 10, 14)` tek tek değerleri düzenli bir grup olarak tutar. R birçok hesaplamayı bütün vektöre uygular.
`mean(scores)` daha önce tanımlanmış bir işlemi çağırır. `mean` işin adı; `scores` girdi argümanıdır.
`scores >= 12` her değer için TRUE/FALSE üretir. Bir koşul, verinin hangi bölümünün seçileceğini belirleyebilir.
Aynı kuralı tüm gözlemlere uygulamak ve gerektiğinde `is.na()` gibi kontrolleri kullanmak programın güvenilirliğini artırır.
Önce çalıştırma, yalnızca tahmin et: Bu program kaç geçerli gözlemi sayacak? Hangi ortalamayı verecek?
scores <- c(12, 10, 14, NA, 9)
length(scores)
mean(scores)
mean(scores, na.rm = TRUE)
sum(!is.na(scores))Aşağıdaki beş kişi, beş kurgusal gözlemdir; gerçek UCL araştırma verisi değildir. Her kişinin iki zamandaki puanını karşılaştır.
| Kişi | Ön test | Son test |
|---|---|---|
| A | 12 | 14 |
| B | 10 | 13 |
| C | 14 | 13 |
| D | NA | 15 |
| E | 9 | 12 |
Öğrenci başlangıç dosyasını indir ve aşağıdaki işlemleri sırayla uygula. Bilgisayarın sonucu vermesinden önce kendi tahminini yaz.
id <- c("A", "B", "C", "D", "E")
before <- c(12, 10, 14, NA, 9)
after <- c(14, 13, 13, 15, 12)
delta <- after - before
data.frame(id, before, after, delta)
mean(delta, na.rm = TRUE)
sum(delta > 0, na.rm = TRUE)Birinci haftadan önce bunları ustalıkla yazmak zorunda değilsin. Önce bilgisayarın ne yapmasını istediğini anla; sonra koşul, döngü ve fonksiyonlarla yeniden kullanılabilir komutlar oluşturabilirsin.
if (sum(!is.na(scores)) > 0) {
average <- mean(scores, na.rm = TRUE)
} else {
average <- NA_real_
}
print(average)
for (number in c(2, 4, 6)) {
print(number)
}
double <- function(x) {
2 * x
}
double(c(1, 2, 3))Tahmin et: Bütün puanlar NA olsaydı ne olurdu? Döngü neyi basacak? R vektörün bütün elemanlarını döngüsüz ikiyle çarpabilir mi?
R'de birçok işlemin vektörleştirilmiş karşılığı vardır. Döngü de kullanılabilir; önemli olan probleme uygun, açık yöntemi seçmektir.
Kavramsal · Uygulamalı · Hata ayıklama
Bir ankette boş bırakılmış yanıtları hariç tutup ortalamayı bulmanın algoritmasını kod kullanmadan 4–6 adımda açıkla.
İşin girdisini, eksik veri kuralını ve çıktısını ayrı belirt.
`x <- c(2, 4, 6)` ve `mean(x)` çalıştığında ne olacağını tahmin et; sonra çalıştır.
R önce nesne atamasını, sonra fonksiyon çağrısını değerlendirir.
Ön test vektöründe kaç kişinin geçerli puanı olduğunu `sum(!is.na(before))` ile bul ve nedenini açıkla.
`is.na()` eksikleri; `!` değili gösterir.
`delta <- after - before` oluştur. Kaç kişinin puanı arttı, kaçının azaldı? Eksikleri doğru ele al.
Mantıksal koşulları ve `na.rm` kuralını düşün.
`mean(before)` neden NA? `mean(before, na.rm=TRUE)` ile neyi değiştirdin? Bu eksikliği tümden çözer mi?
Çalışan kod her zaman yeterli araştırma kararı değildir.
Bir grubun son test ortalaması daha yüksek çıkmış olsun. 'Uygulama kesin işe yaradı' demek neden hatalı olabilir?
Eşleştirme, kayıp gözlemler ve nedensellik üzerine düşün.
Nesne, fonksiyon, vektör ve veri çerçevesine geç.
CSV, veri birleştirme ve filtreleme; yanlış etiketlenen kodlara dikkat et.
AQ-10 puanlama sürecini küçük işlemlere böl; her birleştirmeyi test et.
Grafik seçimini ve yorum sınırlarını programlama kararlarıyla ilişkilendir.
Yalnız base R kullanılır; paket kurulumu gerekmez. Kodun bazı bölümleri intentionally TODO olarak bırakıldı.
Öğrenci başlangıç R betiğini indirR Lab ana sayfasına dön