# ПРАКТИКА №1
#@Lakmania

# --- Установка R и RStudio ----------------------------------------------------------------
# Примечания:
# 1. Сначала ставится R, затем RStudio
# 2. Не устанавливайте программы в папки `Program Files` и `Program Files (x86)`
# 3. В пути установки не должно быть кириллицы
# 4. После установки использовать только RStudio
# 5. Сделать кодировку UTF-8 в RStudio основной:
#    Tools -> Global Options... -> Code -> Saving -> Раздел "Default text encoding" -> Уставносить UTF-8 и сохранить

# --- Введение -----------------------------------------------------------------------------
  # Присвоение значения 
  x <- 5
  # Создаст переменную "x" и даст ей значение 5
  # `<-` можно быстро создать сочетанием клавиш `Alt` + `-`
  # Можно присваивать значения следующим образом: `x = 5`, но по стандарту лучше использовать `<-` 
  # Разделитель целой и дробной частей "точка": 5.27, а не 5,27
  # R чувствителен к регистру команд и переменных.
  # Например, переменные "art", "Art" и "ART" - разные 
  # Операторы
  # &     И
  # |     ИЛИ
  # > <   Больше/меньше
  # >= <= Больше/меньше или равно
  # !     Отрицание
  # ==    Равно
  # !=    Не равно
  # =     Используется для присвоения

# --- Вектора ------------------------------------------------------------------------------
# Создание вектора
z <- c(5, 6, 1, 5.2)           # Численный вектор
w <- c("Маша", "Петя", "Вася") # Текстовый вектор
q <- c(9, 6, 2, 1)
# Обращение к определенным наблюдениям
  z[1]         # Выведет первое наблюдение вектора z
   z[z > 5]     # Выведет значения вектора z, которые больше 5
   which(z > 5) # Индексы элементов вектора z, которые больше 5
# Операции с векторами (при этом желательно, чтобы длина векторов была одинаковой)
  z + q
  z - q
  z * q
# Статистики 
  mean(z)   # Среднее 
  sum(z)    # Сумма
  max(z)    # Максимальное значение
  min(z)    # Минимальное значение
  sd(z)     # Отклонение
  length(z) # Длина
  median(z) # Медиана
  mean(w)
  length(w)
  
 # --- Датафреймы ---------------------------------------------------------------------------
# Таблицы в R называются датафреймами
# Чаще всего анализ данных проводится именно с датафреймами
# Создание датафрейма
# Сделаем таблицу из 3 переменных и 4 наблюдений
# Первую переменную сделаем из нового вектора и назовем его "id"
# Две других переменных возьмем из созданных ранее векторов "z" и "q"
      df <- data.frame(
        id   = c(1, 2, 3, 4), 
        var1 = z, 
        var2 = q
        )
# преобразование датафрейма в матрицу
    mm <- data.matrix(df)
# для получения справки по команде достаточно написать ее название и перед ней поставить знак ?
    ?data.matrix
    
# Посмотреть на датафрейм
    View(df)
    
# Обращение к определенным ячейкам датафрейма
    df[2, 3] # Выведет значение во второй строке и третьем столбце
    df[2, ]  # Выведет все значения второй строки
    df[, 3]  # Выведет все значения третьей переменной
    
# Обращение к определенным столбцам датафрейма
    df$id
    df$var1
    df$var2
    
# --- Пакеты -------------------------------------------------------------------------------
 # Пакеты позволяют значительно расширить возможно сти базового R
 # Загружать нужные пакеты можно разными способами:
 # Способ 1: Прописать команду 
      install.packages(c("tidyverse", "rmarkdown"))
# Способ 2: Tools -> Install Packages... -> в открывшемся окне перечислить необходимые пакеты через запятую
# Способ 3: В правой нижней панели перейти на вкладку Packages и нажать кнопку Install. Откроется окно как в предыдущем пункте
    
# Пакеты устанавливаются один раз
  # После установки их необходимо подключить командой library()
  # После каждого запуска RStudio пакеты надо подключать заново
  # Для дальнейшей работы нам также понадобятся пакеты: rmarkdown и knitr
    install.packages(c("rmarkdown", "knitr"))
   
# Загрузка пакетов
    library(tidyverse)
    
# Загрузка встроенные датасет VA из пакета ggplot2
    data <-  VA
# Получить справку по набору (Функция "?" выдает окно со справкой)
    ?VA
 # Veteran's Administration lung cancer trial (данные о раке легких среди 134 пациентов)
  # 1. stime — время выживания или время наблюдения (в днях).
  # 2. status — статус пациента: умер (dead) или цензурирован (censored).
  # 3. treat — лечение: стандартное (standard) или экспериментальное (test).
  # 4. age — возраст пациента в годах.
  # 5. Karn — показатель Карнофского, отражающий физическое состояние пациента по шкале от 0 до 100.
  # 6. diag.time — время с момента постановки диагноза в месяцах на момент вступления в исследование.
  # 7. cell — один из четырёх типов клеток.
  # 8. prior — было ли лечение ранее (prior therapy: да или нет).
     str(data)          # Структура датасета (Список переменных и их тип)
    head(data)         # Несколько первых наблюдений
    head(data, n = 10) # 10 первых наблюдений. n отвечает за количество наблюдений
    tail(data)         # Несколько последних наблюдений
    
# ------------задание для самотстоятельной работы------------
 # По встроенному набору mtcars об автомобилях:
 # загрузить данные, проверить корректность их загрузки, 
# проверить класс переменных, просмотреть структуру датафрейма,
# посмотреть первые 10 и последние 10 наблюдений
    mt <- mtcars
# Подключение пакетов
    library(tidyverse)
    library(readxl)# для работы с данными в формате Excel
    library(DescTools) # для описательной статистики
    
# --- Загрузка данных ----------------------------------------------------------------------
# R позволяет загружать данных из практических всех источников данных
# Основные форматы данных: .csv, .xlsx
    
# -- CSV --
# У формата CSV (comma-separated values - значения, разделенные запятыми) существует свой стандарт
# Но многие csv-файлы собраны по своим собственным правилам
# Перед тем как загрузить данные в R 
# Откройте файл в текстовом редакторе и провеьте как собран ваш csv-файл
# На что обратить внимание:
# 1. Наличие заголовка в файле с названиями переменных (header)
# 2. Разделитель целой и дробной частей: точка или запятая (в России чаще всего запятая)
# 3. Разделитель между переменными (столбцами): пробел, табуляция, запятая, точка с запятой (в России чаще всего точка с запятой)
# 4. Кодировка данных: UTF-8, CP1251, KOI8-R (старайтесь использовать UTF-8)
# Стандарт csv-файлов: 
  # - с заголовком
  # - разделитель целой и дробной частей: точка
  # - разделитель между столбцами: запятая
  # - кодировка UTF-8
  # Эти параметры в команде загрузки данных
    
 data_csv <- read.csv(
    file   = "название_файла.csv", 
    header = "Наличие заголовка TRUE - есть, FALSE - нет",
    dec    = "Разделитель целой и дробной частей: вписать здесь . или ,",
    sep    = "Разделитель между переменными (столбцами): 
                      , (при запятой) 
                      ; (точка с запятой)
                      \t (при табуляции)", 
    encoding = "Кодировка файла UTF-8 и другие")
    
# Пример файла без заголовков, 
# разделитель целой и дробной части запятая и между переменными точка с запятой
    
  read.csv(file = "название_файла.csv", header = FALSE, sep = ";", dec = ",")
    
# По умолчанию R считает, что ваш файл собран по стандарту, 
# если у вас есть какие-то отклонения от стандарта вы можете их дописать
# Например, если бы в предыдущем примере заголовок был, то header можно не прописывать
  read.csv(file = "название_файла.csv", sep = ";", dec = ",")
    
# Если ваш файл сделан по стандарту, вам необходимо указать только название файла (+путь).
  dt <- read.csv(file = "C://Users//ILakman//Desktop//ПЦС БГУ//курс для Томска 2024//Модуль 1//Практика 2//pr2.csv", sep = ";", dec = ",")
  data <- read.csv(file = "pr2.csv", sep = ";", dec = ",")
# У csv-файлов могут быть и другие настройки
# Вы можете посмотреть их в справке
  ?read.csv
    
# Другой вариант вы можете написать команду
  read.csv()
  
# Поставить курсор между скобок и нажать кнопку tab
  # У вас высветится список возможных команд
  # При наведении на каждую команду вы увидите небольшую справку
  # для вставки комментария надо переместить курсор перед комментриуемым выражением или строчкой и нажать Ctrl+Shift+C
    
# -- Excel -- 
  install.packages("readxl")
    
# Примеры
  library(readxl)
  data_xlsx  <- read_excel(path = "Путь_до_эксель_файла.xlsx") # Пример загрузки данных
    
# При необходимости загрузки определенного листа вы можете указать название или номер листа в параметре sheet
  data_xlsx2 <- read_excel(path = "Путь_до_эксель_файла.xlsx", sheet = "Название или номер листа")
    
# -- Данные из других статистических пакетов: stata, SPSS, SAS --
  # Для этого используется пакет "haven"
  install.packages("haven")
    # !ПРИМЕР! Не запускать
    library(haven)
    data_sas   <- read_sas("test_from_sas.sas")
    data_spss  <- read_sav("test_from_spss.sav")
    data_stata <- read_dta("test_from_stata.dta")
    
# Формат загрузки во всех случаях одинаковый. Надо просто указать нужный файл
# RStudio позволяет подключаться к базам данных и делать к ним запросы
# Подключиться к базе данных можно через вкладку "Connections" (справа сверху) 
# и нажать на кнопку "New Connection"
# Для разных видов БД может потребоваться свой собственный пакет
    # Совет:
   # Для большинства форматов данных существует свой пакет или команда, чтобы загрузить данные.  
   # Для того, чтобы найти нужный пакет достаточно написать в поисковой системе "R load data from *название_формата_данных*"
   # У языка R обширное комьюнити, так что вы легко сможете найти всю необходимую информацию по вашему формату данных
    
# ----------формат данных, преобразование формата данных-------------------
# для просмотра формата данных конкретной переменной есть команда class (название переменной)
    class(data$gender)
    
#для просмотра формата данных конкретной переменной есть команда str(название набора данных)
    str(data)
    summary(data)
#для проверки относится ли переменная к конкретному типу выполняется соответствующая команда
# ответ выдается в виде логического значения TRUE/FALSE (истина/ложь)
    is.factor(data$id)
    is.numeric(data$age)
    is.logical(data$X)
    
# преобразование переменных (команда as.factor - в категориальную)
    data$gender = as.factor(data$gender)
    
# преобразование переменных (команда as.ordered - в упорядоченную)
    data$edu = as.ordered(data$edu)
# как создать комментарий `Ctrl` + `Shift` + `C` (нажать одновременно)
# преобразование переменных (команда as.integer - в целочисленную)
# df$var2 = as.integer(df$var2)
    q <- c(5, 3, 4, 7)
# сложности при переводе из числовой в факторную и обратно
    q = as.factor(q)
    q = as.integer(q)
    q
# как видим в новой переменной q значения 3 1 2 4, а не изначальные значения
# для того, чтобы получить именно те значения, которые были изначально, надо было 
# сначала перевести факторную переменную в текстовую (chr), а затем в целочисленную
    q = as.integer(as.character(q))
    q    
# ---------------------сохранение данных--------------------------------
# для сохранения набора данных в формате xlsx необходимо установить и подключить библиотеку writexl
library(writexl)
# для сохранения файла используется команда write_xlsx(), в которой сначала указывается то, что 
# хотим сохранить (данные), далее в ковычках имя файла для сохранения
write_xlsx(cancer_NA_1, "cancer.xlsx")