Introduccin a la programacin en R

Programación en R
1
Introducción a la programación en R
¿Qué es un programa de ordenador?
Un programa de ordenador consiste en una secuencia de instrucciones que un
ordenador pueda entender. El procesador de los ordenadores sólo es capaz de
comprender un número limitado de instrucciones, y ello en un lenguaje
incomprensible para la mayoría de personas. En la práctica, los programas se escriben
en otros lenguajes más inteligibles para los humanos, como Pascal, Fortran, Java, o
C, por citar algunos de los más conocidos. Luego, los programas escritos en estos
lenguajes de alto nivel se traducen al lenguaje que entienden los procesadores. Está
traducción la hacen otros programas que se denominan compiladores o intérpretes.
¿Qué es R?
R es un dialecto de S. S es un lenguaje que se desarrolló para el análisis de datos,
cálculos estadísticos, simulación y gráficos. Además, y eso es lo que nos interesa más
aquí, es un lenguaje de programación de tipo general. S-Plus es la versión comercial
de S. R es la versión en código abierto y gratuita de S.
Componentes básicos de un programa
Los programas de ordenador pueden llegar a ser muy complejos, pero, en
realidad todos ellos constan de muy pocos componentes. El aprendizaje de
los componentes básicos no es difícil. Esto es especialmente cierto en R,
que es un lenguaje de programación con pocos requerimientos, por lo que se pueden
escribir programas sencillos en poco tiempo.
Cuando se ejecuta un programa es necesario acceder a la memoria interna del
procesador. La mayoría de lenguajes no permiten el acceso directo a dicha memoria,
sino que el acceso se hace mediante unas entidades denominadas variables. Estas
variables pueden contener números, caracteres u otras estructuras más complejas. A
lo largo del programa el contenido de una variable puede cambiar de valor.
Los programas se estructuran en sentencias, las cuales se van ejecutando unas
detrás de otras. Las sentencias pueden ser simples o complejas. Las sentencias
complejas constan de varias sentencias simples.
Para que un programa pueda hacer cosas interesantes es necesario que se le permita
bifurcarse. Normalmente esto se hace mediante la evaluación de una condición
lógica. Si ésta es cierta el programa hace una cosa y si es falsa hace otra cosa distinta.
Los ordenadores son excelentes haciendo tareas repetitivas. Estas tareas que hay que
realizar muchas veces se ponen dentro de unas estructuras conocidas como bucles.
A veces nos encontramos dentro de un programa con partes muy parecidas, solo que
unas veces se aplican a unas variables y otras veces a otras. Los lenguajes de
programación suelen permitir unas estructuras (funciones en R) que pueden ser
ejecutadas de forma ligeramente distinta dependiendo de unos parámetros o
argumentos que se pasan en el momento de la ejecución.
J Piñol
Taller de Modelización
Programación en R
2
Variables
Las más elementales que nos encontraremos contendrán números (enteros o reales) o
tiras de caracteres. Los nombres de las variables empiezan por una letra que puede ir
seguida de más letras, dígitos o los símbolos punto (.) y subrayado (_). Las letras
mayúsculas y minúsculas son tratadas como caracteres distintos.
Para dar un valor a una variable se usa el símbolo de asignación <-. En R, a diferencia
de otros lenguajes, no es necesario declarar a priori el nombre y el tipo de las
variables. Para crear una variable denominada r que valga 2.5 basta con escribir:
r <- 2.5
El signo de asignación <- se tiene que interpretar como una flecha que apunta a la
izquierda y que dice que ponemos el valor 2.5 en la variable r.
Para saber el contenido de una variable basta con teclear su nombre
r
[1] 2.5
Si queremos que una variable contenga una tira de caracteres introduciremos dichos
caracteres entre comillas (“…”)
apellido <- “Ferrer”
Un tipo especial de variables contiene los valores lógicos cierto (TRUE) y falso (FALSE)
condicion <- TRUE
Muy a menudo conviene guardar varias variables del mismo tipo bajo el mismo
nombre. Para ello usamos vectores y para asignarles valores se usa la función c
primos <- c(1, 2, 3, 5, 7, 11, 13, 17, 19)
Se puede acceder al vector entero por su nombre
primos
[1] 1
2
3
5
7 11 13 17 19
O a uno de sus elementos proporcionando la posición del mismo (el quinto elemento
del vector primos es el número 7)
primos[5]
[1] 7
Operaciones aritméticas
Suma
Diferencia
Producto
J Piñol
+
*
Taller de Modelización
Programación en R
3
División
División entera
Módulo (resto)
Potencia
/
%/%
%%
^
Ejemplos:
a <- 4
b <- 3
suma <- a + b
diferencia <- a
producto <- a *
division <- a /
potencia <- a^b
division_entera
modulo <- a%%b
suma
[1] 7
diferencia
[1] 1
producto
[1] 12
division
[1] 1.333333
potencia
[1] 64
division_entera
[1] 1
modulo
[1] 1
- b
b
b
<- a %/% b
A diferencia de otros lenguajes de programación, R puede efectuar operaciones
directamente con vectores. Es fácil, por ejemplo, obtener el cuadrado de cada uno de
los elementos contenidos en el vector primos
primos^2
[1]
1
4
9
25
49 121 169 289 361
Bifurcaciones
A veces nos interesa ejecutar alguna parte del programa dependiendo de alguna
condición. Para ello R dispone de la instrucción if:
alpha <- 2
if (alpha > 1) x <- 99
x
[1] 99
Si la sentencia que se desea ejecutar cuando se cumple la condición es compleja, es
decir, está compuesta de varias sentencias simples, entonces estas deben agruparse
dentro de los símbolos “{” y “}”. Las sentencias simples se separan unas de otras
mediante el símbolo “;” o mediante el salto de línea.
J Piñol
Taller de Modelización
Programación en R
4
alpha <- 2
if (alpha > 1){
x <- 99
y <- 999}
x
[1] 99
y
[1] 999
A menudo nos interesa indicar también lo que se debe hacer si no se cumple la
condición. Para ello tenemos una variación de la sentencia if que es if … else
alpha <- 0
if (alpha > 1) x <- 99 else x <- -99
x
[1] -99
La sentencia que sigue a else puede ser a su vez una sentencia if, de forma que se
pueden encadenar una serie de secuencias if … else if … else …
alpha <- 1
if (alpha > 1) x <- 99 else if (alpha < 1) x <- -99 else x <- 0
x
[1] 0
Bucles
Hay dos tipos de bucles dependiendo de si conocemos de antemano el número de
veces que hay que repetirlo (iteraciones). Si sabemos a priori el número de iteraciones
la instrucción en R es for; por el contrario, si el número de iteraciones depende de los
cálculos que se efectúen en el propio bucle la instrucción adecuada en R es while.
Por ejemplo, si deseamos calcular e imprimir los cuadrados de los 10 primeros
números naturales bastan con
for
[1]
[1]
[1]
[1]
[1]
[1]
[1]
[1]
[1]
[1]
(i in 1:10) print(i^2)
1
4
9
16
25
36
49
64
81
100
La variable i del bucle anterior se denomina variable de control del bucle. En el
paréntesis que sigue a for indicamos el nombre de la variables de control y como
debe variar mediante la instrucción in (entre 1 y 10 en este ejemplo). Aunque puede
hacerse, es desaconsejable alterar dicho valor dentro del mismo bucle for.
J Piñol
Taller de Modelización
Programación en R
5
Por supuesto, la sentencia que sigue a for puede ser compleja. Por ejemplo, si
deseamos generar cinco números aleatorios de distribución uniforme entre 0 y 1
(función runif) e imprimirlos basta con
for (i in 1:5){
x <- runif(1)
print(x)
}
[1] 0.5627295
[1] 0.8562093
[1] 0.3574094
[1] 0.9727754
[1] 0.6712237
Supongamos ahora que queremos escribir todos los números naturales cuyo cubo sea
inferior a 100. Un bucle while nos permite hacerlo fácilmente:
i <- 1
i3 <- i^3
while (i3 < 100){
cat(i, i3, "\n")
i <- i + 1
i3 <- i^3
}
La palabra clave while va seguida de una condición. Si la condición es cierta se
ejecuta la sentencia (compleja en este caso) que sigue. Después de ejecutar la
sentencia se evalúa de nueva la misma condición (ahora con un valor distinto de i3) y
si es cierta se ejecuta de nuevo. Cuando deja de cumplirse la condición el programa
prosigue con la siguiente sentencia. Dentro del bucle se escribe el número natural que
cumple la condición de que su cubo es menor que 100, se incrementa a cada paso la
variable de control y se calcula el nuevo cubo. En este caso usamos la función cat
para imprimir el resultado en lugar de la función print; cat permite concatenar el
output ("\n" indica salto de línea).
Funciones
Una de las grandes ventajas de trabajar con R es que dispone de una gran cantidad de
funciones escritas por miles de programadores en todo el mundo y puestas a nuestra
disposición en Internet. Pero no siempre existirá la función que nosotros queramos,
por lo que también es conveniente que sepamos crear nuestras propias funciones.
Una función se define de la siguiente forma
nombre <- function (lista_de_parametros) cuerpo_de_la_funcion
donde nombre es el nombre de la función, function es una palabra reservada que
indica que lo que sigue es una función, lista_de_parametros es una lista separada
por comas que contiene los parámetros que se pueden pasar a la función y
cuerpo_de_la_funcion es una serie de sentencias válidas en R, normalmente
incluidas dentro de los símbolos “{” y “}”.
J Piñol
Taller de Modelización
Programación en R
6
Una vez definida la función se puede invocar desde nuestro programa de la forma
siguiente
x <- nombre (par1, par2, par3)
En la variable x obtendremos el resultado de aplicar la función nombre a los
parámetros indicados (par1, par2, par3, en este ejemplo).
Entenderemos mejor su funcionamiento con un ejemplo. R dispone de la función log
para calcular el logaritmo natural de un número. También dispone de las funciones
log2 y log10 para calcular los logaritmos en base 2 y base 10, respectivamente.
Estas funciones se pueden invocar directamente puesto que ya vienen en la
implementación por defecto de R:
x <- log10(1000)
x
[1] 3
Supongamos que nosotros tuviéramos que efectuar en nuestro programa repetidas
veces el cálculo del logaritmos en base 5 de un número. Para facilitar nuestra tarea lo
mejor sería crear una función log5 que efectuara el cálculo. Veamos como:
# devuelve el logaritmo en base 5 de un número
log5 <- function(x){
y <- log(x) / log(5)
return(y)
}
La instrucción return le dice a la función el valor que debe devolver. No es necesario
que toda función contenga la instrucción return; hay muchas funciones que efectúan
distintas tareas sin necesidad de devolver un resultado.
La invocación de log5 nos proporciona el resultado deseado
log5(25)
[1] 2
Más general todavía sería la siguiente función que calcula logaritmos en cualquier base
#Devuelve el logaritmo de un número en la base indicada
logBase <- function(x, base){
y <- log(x) / log(base)
return(y)
}
J Piñol
Taller de Modelización
Programación en R
7
Ejercicios
1. Escribir un programa que intercambie los valores de dos variables denominadas
x e y.
2. Escribir un programa que escriba “Hola” si el valor de la variable x es menor
que 0.5 y que escriba “Adiós” si x es mayor que 0.5.
3. Escribir un programa que genere 1000 números aleatorios (con distribución
uniforme entre 0 y 1), que cuente los que son mayores y los que son menores
o iguales que 0.5 y que escriba la respuesta. [Podemos generar los 100
números aleatorios en una sola instrucción de la siguiente forma: x <runif(1000)]
4. Escribir un programa que genere los primeros cien términos de la serie de
Fibonacci.
5. Calcular el cociente entre términos consecutivos de la serie de Fibonacci y
representar dichos valores. [La función plot(x) dibuja los valores del vector
x]
6. Escribir un programa que genere números aleatorios (con distribución uniforme
entre 0 y 1) hasta que encuentre uno que sea mayor que 0.9999 y que diga
cuantos intentos ha necesitado.
7. Escribir una función que devuelva el valor medio de dos números.
8. Generar un vector de n números aleatorios con distribución normal y mostrar el
valor mayor de todos. [rnorm(n, mean=0, sd=1) genera n números
aleatorios con distribución normal de media 0 y desviación típica 1]
9. Hacer un programa que simule el crecimiento exponencial de una población con
tasa finita de crecimiento λ y población inicial N0. Hacer un gráfico con el
tamaño poblacional hasta un tiempo t = 100.
10. **Generar un vector de n números aleatorios y mostrarlo ordenado de mayor a
menor.
Obtención, instalación y ejecución de R
R se ha desarrollado para las plataformas Unix, Windows y MAcOS. El copyright de R
pertenece a “The R Foundation for Statistical Computing”, aunque se trata de software
libre, por lo que su utilización es libre y gratuita.
Los archivos de R se encuentran en el “Comprehensive R Archive Network”, o CRAN,
en http://cran.r-project.org. En esta dirección se pueden descargar los
archivos y la documentación necesaria para instalar R en nuestro ordenador. El archivo
principal que se necesita es el de instalación (“setup file”); en el momento de redactar
este documento, el nombre del archivo de instalación era R-2.5.1-win32.exe, lo
que indica que se trata de la versión 2.5.1 de R. Este archivo es autoejecutable y
instalará R automáticamente en nuestro ordenador una vez finalizada la descarga (de
unas 29 MBytes).
Para ejecutar R basta con clicar sobre el icono de R. Una vez iniciado el programa se
puede obtener abundante información adicional sobre R mediante la ayuda del propio
programa. En particular, es conveniente acudir a los manuales en pdf que contiene.
J Piñol
Taller de Modelización
Programación en R
8
Con la operación anterior se habrá instalado la versión básica de R. Sin embargo,
existen numerosas librerías de funciones de R que pueden sernos de utilidad en algún
momento y que hay que instalar manualmente. Algunas de estas funciones se han
descargado a nuestro ordenador con la instalación efectuada pero no se cargan
automáticamente al ejecutar R. Podemos cargar estas librerías con la instrucción “Load
package” de la pestaña “Packages” del programa. Alternativamente, podemos utilizar
la instrucción library
library(lattice)
En este ejemplo se ha cargado la librería lattice, con la que es posible realizar un
gran número de representaciones gráficas. Teclear help(lattice) en R para
obtener más información.
Hay otras librerías que no se han descargado a nuestro ordenador con la configuración
básica. Si deseamos utilizar alguna de ellas se deben descargar manualmente
(normalmente en formato zip) e instalar con la instrucción “Install packages from local
zip files” de la pestaña “Packages” del programa. Una vez realizada esta operación hay
que cargar la libraría deseada con la instrucción library.
Instalación y ejecución de Tinn-R
Tinn-R es un editor para escribir programas en R. No es imprescindible, ya que los
programas se pueden escribir como scripts en el editor que proporciona el propio
compilador de R (Rgui). Sin embargo, Tinn-R facilita notablemente esta tarea.
Tinn-R es, al igual que R, un software de utilización libre y gratuita. Se puede
descargar en https://sourceforge.net/projects/tinn-r. En el momento de redactar este
documento el fichero de instalación (setup) era Tinn-R_2.3.2.3_setup.exe, el cual
instalaba la versión 1.19.2.3 de Tinn-R. Una vez instalado, podemos ejecutar Tinn-R
clicando sobre el icono correspondiente.
El programa tiene un conjunto de menús más o menos estándar que permite abrir o
crear nuevos ficheros de código (menú ‘File’), o trabajar con conjuntos de ficheros
relacionados (menú ‘Project’). Una de las ventajas de Tinn-R sobre el editor de Rgui es
que Tinn-R resalta la sintaxis utilizando colores distintos para indicar diferentes tipos
de código, lo cual facilita mucho la detección de errores. Por ejemplo, los fragmentos
comentados (#) se muestran en color verde y en cursiva; las palabras reservadas
(funciones y parámetros de R, por ejemplo) se muestran en rojo, azul y fucsia,
dependiendo de su tipo; mientras que los valores numéricos y las variables creadas por
el usuario se muestran en negro. Tinn-R ofrece también opciones avanzadas de
búsqueda, formato y visualización.
Una vez escrito el programa de R utilizando Tinn-R, lo primero que hemos de hacer
para ejecutarlo es abrir la consola de R (opción R: Start preferred Rgui). Una vez
hecho esto podemos ejecutar todo el código de una vez (R: Send to R: All) o por
fragmentos (R: Send to R: Selection), lo cual facilita mucho tanto la detección de
errores como la construcción del código de una manera modular. Tinn-R permite
también interactuar con la consola de R para controlar la ejecución de los programas
mediante la opción R: Controlling R. Se puede obtener abundante información
adicional consultando la ayuda que ofrece el propio programa.
J Piñol
Taller de Modelización