Datatypes

Basisvaardigheden in R: Gebruik van R als een rekenmachine

Datatypes

Inhoud

Wat zijn datatypes?
Waarom moet je iets weten over datatypes?
Enkele voorbeelden van create van variabelen en controle van eigenschappen
Hoe verander je het datatype van een variabele?
Werken met een datum
Lijst van logische test- en conversiefuncties

Wat zijn datatypes? R kan veel verschillende soorten informatie of waarden in variabelen opslaan. We kunnen bijvoorbeeld getallen en letters in een variabele opslaan. Er zijn een paar basale datatypes die in een variabele kunnen worden opgeslagen. Hieronder noemen we de belangrijkste:

Numeriek datatype: Dit zijn getallen, mogelijk in wetenschappelijke notatie. Ze kunnen zijn
- gehele getallen ( \(\ldots, -2,-1,0,1,2,\ldots\) );
- kommagetallen, dat wil zeggen getallen met een decimaalteken, zoals \(1.23\), \(1.234\mathrm{e}56\) of \(1.234\mathrm{E}56\);
- complexe getallen zoals \(2+3\ii\).

Karakter datatype: Dit gaat allemaal over letters, woorden. en andere karakters. Een reeks karakters wordt ook wel een string genoemd. Vergeet niet om de karakters tussen aanhalingstekens te plaatsen. Bijvoorbeeld 'vijftien' of 'leeftijd van het kind'.

Logische gegevens: Dit betreft binaire keuzes, zoals "ja" of "nee", "aan" of "uit", "waar", "onwaar". We zullen op een andere theoriepagina zien waarom je in vredesnaam 'ja' en 'nee' in een variabele wilt opslaan. Op dit moment volstaat het om te overwegen dat het logische datatype een van de twee mogelijke waarden heeft: waar of onwaar, en dat het bedoeld is om de twee waarheidswaarden weer te geven die in de logica worden gebruikt.
Factor datatype: dit is niet echt een basaal datatype, maar meer een datastructuur. Niettemin plaatsen we het in deze lijst omdat het kan worden beschouwd als een type dat wordt gebruikt voor categorale gegevens (factoren voor een boekobject kunnen bijvoorbeeld zijn het genre, de kleur van de omslag, de titel, de naam van de auteur, de naam van de uitgever, enzovoort). Zie de pagina Werken met factoren als je meer wilt weten over dit type.

Meer over gehele getallen

Datatype integer

Als u een variabele maakt en daarin een geheel getal opslaat in de gebruikelijke notatie, slaat R het getal feitelijk op als een kommagetal. Zie de voorbeeldsessie rechts, met instructie een <- 1. Wanneer we via de functie typeof() naar het type ervan vragen, antwoordt R met num als afkorting van het datatype numeric, wat in feite een dubbel kommagetal is (64-bit float).

Je kunt R dwingen een geheel getal toe te wijzen in plaats van een kommagetal door 1L in te toetsen in plaats van 1 . De letter L geeft aan dat het object feitelijk van het type long integer is, dat wil zeggen een 32-bits geheel getal dat een geheel getal tussen \(-2^{31}\) en \(2^{31}\) mogelijk maakt.

Om het nog ingewikkelder te maken: als je het getal invoert als 1:1, wordt het ook als een geheel getal beschouwd.

Voorbeeldsessie

> een <- 1
> class(een)
[1] "numeric"
> typeof(een)
[1] "double"
> een <- 1L
> class(een)
[1] "integer"
> typeof(een)
[1] "integer"
> een <- 1:1 
> class(een) 
[1] "integer" 
> typeof(een) 
[1] "integer"

Waarom moet je iets weten over datatypes? Het is belangrijk dat je het datatype van je variabelen kent, omdat je hiermee de juiste bewerkingen kan uitvoeren. Je kunt bijvoorbeeld getallen optellen, letterreeksen samenvoegen of waarden vergelijken, maar je kunt geen letterreeks aan een getal toevoegen. Als je de datatypes kent, kun je de juiste operatoren gebruiken en fouten voorkomen.

Enkele voorbeelden van creatie van variabelen en controle van eigenschappen

Uitleg

Laten we eens kijken naar enkele voorbeelden van hoe je variabelen van verschillende datatypes kunt maken en hun eigenschappen kan controleren.

Voer de instructies in het voorbeeld aan de rechterkant uit en bekijk de uitvoer in R. De functie str() geeft je de interne structuur van de variabele, d.w.z. het datatype en de inhoud. Als je alleen het datatype wilt weten, ku je de functie typeof() of class() gebruiken. Er zijn ook functies zoals is.numeric(), is.character() en is.factor() om te testen of een object van een bepaald datatype is

Maak je nog geen zorgen over het niet verder bespreken van het logische datatype of dat van factor. Op dit punt is het doel vooral om je te laten weten dat er meerdere datatypes zijn en dat twee daarvan factor en logical worden genoemd. Je zult later meer hierover leren.

Voorbeeldscript

# maak een numerieke variabele
leeftijd <- 15
str(leeftijd)
is.numeric(leeftijd)

# maak een karakter variabele
leeftijd <- "vijftien"
str(leeftijd)
is.character(leeftijd)

# maak een factor variabele
lftdn <- factor(c(16, 18, 16, 21, 21, 16))
str(lftdn)

# maak een logische variabele
volwassenQ <- TRUE
str(volwassenQ)
is.logical(volwassenQ)

Hoe verander je het datatype van een variabele?

Uitleg

R wijst datatypes automatisch toe aan variabelen, zoals we hierboven hebben gezien. Maar R heeft verschillende functies om variabelen van het ene datatype naar het andere te converteren. Dit soort conversie wordt in het Engels coercion genoemd. Hieronder staan enkele voor dit doel veelgebruikte functies:

as.character(): converteer object naar het karakter type.
as.numeric(): converteer object naar een numeriek type.
as.logical(): converteer object naar een logisch type.

Probeer een paar instructies uit!

Voorbeeldscript

# converteer een getal naar een karakter
x <- 5
x <- as.character(x)
str(x)
# uitvoer: chr "5"

# logisch naar numeriek converteren
v <- TRUE
v <- as.numeric(v)
str(v)
# uitvoer: num 1

Oefening

Maak een numerieke variabele en converteer deze naar letters. Kun je nog steeds rekenkundige berekeningen uitvoeren met deze variabele? Probeer het getal 5 eraan toe te voegen.
Kun je een karakter variabele naar een numeriek object converteren? Wanneer kun je dit doen, en wanneer niet?
Kun je de volgende variabele omzetten in een logisch datatype? mijnvariabele <- "olifant"
Stel dat je een variabele hebt met de naam leeftijd en deze het getal 16 bevat. Nu wil je dat deze "16" als naam bevat. Iemand geeft je dit stukje code om dat te doen:
```
 leeftijd <- 16
 as.character(leeftijd)
```
R geeft je als uitvoer: chr "16". Maar als je in je werkomgeving naar de variabele met de functie str() kijkt, dan zie je dat de inhoud van je variabele helemaal niet veranderd is! Wat ging er mis?

Werken met een datum

Uitleg

R heeft een speciaal gegevenstype (of eigenlijk een klasse van objecten) om datums te representeren. De huidige datum kan worden opgehaald met de functie Sys.Date(). De functie format() biedt verschillende opties voor het formatteren van de weergave van een datum. De functies weekdays() en months() retourneren respectievelijk de naam van de dag van de week en de maand voor een gegeven datum.

Een geheel getal kan worden omgezet naar een datum via de conversiefunctie as.Date() en de optie origin stelt je in staat om een referentiedatum te kiezen.

Zie de voorbeeldsessie aan de rechterkant.

Voorbeeldsessie

> vandaag <- Sys.Date()
> typeof(vandaag)
[1] "double"
> class(vandaag)
[1] "Date"
> str(vandaag)
 Date[1:1], format: "2023-09-22"
> format(vandaag, "%d %b %y")
[1] "22 Sep 23"
> weekdays(vandaag)
[1] "Friday"
> twee_weken_later <- as.Date(14, 
+    origin = vandaag) 
> twee_weken_later 
[1] "2023-10-06" 
> format(twee_weken_later, 
+        "%d %b %y") 
[1] "06 Oct 23"

Date formats Formats of dates are described by special symbols listed in the tabel below.

Symbool	Betekenis	Voorbeeld
`%d`	dag als een getal (0-31)	03
`%a`	afkorting weekdag	Mon
`%A`	weekdag	Monday
`%m`	maand als een getal (01-12)	09
`%b`	afkorting maand	Sep
`%B`	maand	September
`%y`	tweecijferig jaar	23
`%Y`	viercijferig jaar	2023

Een voorbeeld:

> Sys.Date()
[1] "2023-09-27"
> format(Sys.Date(), "%A %B %Y")
[1] "Wednesday September 2023"
> date()
[1] "Wed Sep 27 07:35:18 2023"

Tijdsduur van een berekening bepalen De functie Sys.time() geeft je niet alleen een datum, maar ook een kloktijd. Dit maakt het mogelijk om de tijdsduur van een berekening te bepalen. De functie difftime() stelt je in staat om een tijdseenheid te kiezen.

> Sys.time()
[1] "2023-09-27 08:01:32 CEST"
> starttijd <- Sys.time() # start timing
> eindtijd <- Sys.time()  # stop timing 
> eindtijd - starttijd    # tijdsduur
Time difference of 15.63281 secs
> difftime(eindtijd, starttijd, units="mins")
Time difference of 0.2605469 mins

Lijst van logische test- en conversiefuncties

Type	Logische test	Conversiefunctie
numeriek	`is.numeric()`	`as.numeric()`
complex	`is.complex()`	`as.complex()`
karakter	`is.character()`	`as.character()`
logisch	`is.logical()`	`as.logical()`
factor	`is.factor()`	`as.factor()`