R skript

# nacteni tabulky a jeji ulozeni do objektu jmenem "history"
# -------------------------------------------------------------
# zakladni funkce na nacteni textoveho souboru s oddelovaci, musime specifikovat, o jaky oddelovac jde pomoci argumentu sep, symbol se pise do uvozovek
# pro jistotu jeste stejnym zpusobem nastavime oddelovac desetinnych mist argumentem "dec"
history <- read.delim("HistorickaDB.csv", header=T, row.names=1, sep=";", dec=".")

# funkce read.csv2 primo nacita .csv dokument oddeleny stredniky, nemusime specifikovat oddelovac 
history <- read.csv2("HistorickaDB.csv", header=T, row.names=1)

# podivame se na strukturu tabulky, o jaky typ R objektu jde a z jakych prvku se sklada
str(history)

# vydelime si jeden ze sloupcu, resp. vektoru a vytvorime z nej objekt "jmeno.lesa"
jmeno.lesa <-history$ForestName
# podivame se, jak vypada
jmeno.lesa
# uplne stejneho vysledku bychom dosahli obecnejsim zpusobem vyberu pomoci hranatych zavorek, chceme vsechny radky a sesty sloupec
jmeno.lesa1 <- history[,6]
jmeno.lesa1

# vyzkousime si nakreslit krabicovy graf zavislosti rozlohy v jitrech na typu lesa pomoci funkce boxplot
boxplot (history$Rozloha_jitra~history$ManagementType)
# abychom graf videli, musime v pravem dolnim okne kliknout do zalozky "Plots"
# alternativne muzeme graf vykreslit v novem okne, kdy nejprve pouzijeme funkci
windows()
# a pak prikazeme kresleni grafu
boxplot (history$Rozloha_jitra~history$ManagementType)
# graf se da ruzne menit pomoci argumentu popsanych podrobne v napovede
# tu zobrazime kliknutim na zalozku "Help" a vepsanim nazvu funkce do okenka a odentrovanim
# muzeme si treba zmenit popisky os, a to argumentem "xlab" a "ylab", text popisku se pise do uvozovek
boxplot (history$Rozloha_jitra~history$ManagementType, ylab="Rozloha (jitra)", xlab="Typ lesa")

# instalace knihovny lattice; buď kliknutí na Packages -> Install -> napsáním lattice v pravém spodním okně v R Studiu nebo následujícím příkazem:
install.packages("lattice")
# nacteni knihovny, je potřeba provést při každém novém spuštění R Studia
library(lattice)
# boxplot se tremi promennymi, oproti beznemu boxplotu zde pouzivame svisle lomitko pro stanoveni druhe kategorialni promenne
bwplot (historie$Rozloha_jitra ~ historie$ManagementType | historie$DocType, xlab="Test")

# Rko umi delat i zakladni statisticke operace, jako napriklad sumu sloupce
sum(historie$Rozloha_jitra)
# prumer sloupce
mean (historie$Rozloha_jitra)
# nebo dale napr. min, max, rowSums...

# Na dalsi operaci, ktera umoznuje delat statistiku podle ruznych kategorii si nacteme dalsi datovy soubor
canopy <- read.table("Devin_canopy.csv",header=T,row.names=1,sep=";")
# Pokud nevite, jak se vase promenne v tabulce jmenuji, muzete pouzit funkci "names", ktera vypise nazvy promennych
names (canopy) 
# Zajima nas, jaky je prumer hodnot otevrenosti stromoveho patra pro kazdy rok a typ treatmentu (intenzita prosvetleni). Vysledek ulozime do promenne "mean_canopy"
mean_canopy <- aggregate(Openness~Year+Treatment, data=canopy, FUN=mean)
# abychom si udelali v tabulce poradek, tak si prejmenujeme promennou "canopy" v tabulce "mean canopy" na "Canopy [%]", ktera se nachazi v tabulce na tretim miste.
names(mean_canopy)[3] <- "Canopy [%]" # prejmenuje nazev Openness

# nakonec vyexportujeme vyslednou tabulku do textoveho souboru, ktery potom muzeme jednoduse nacist do excelu
write.table(mean_canopy, "canopy.txt", sep="\t")

# Vytvorime si vlastni vektor
cisla      <- c (1,25,96,13,4)
cisla.auto <- 1:5   # posloupnost celych cisel
pismena    <-letters[1:5] # pismena abecedy
barvy      <- c("modra","zlata","oranzova")

# pomoci funkce
cisla.seq  <- seq(1,3,by=0.5) #argument length.out
cisla.rep  <- rep(5,5)
barvy.rep  <- rep(barvy,5)  #je videt recyklace hodnot

# vybery
cisla [1:3] #podle stejne logiky se da i vybirat
cisla [2]  #druhy prvek v poradi
cisla [-4] #bez trinactky

vyber <- c(1,3,4) # vyber pomoci nazvu vektoru
cisla[vyber]

# zamenovani hodnot ve vektorech
cisla [4] <- 77 cisla # logicke vybery cisla>20          #ukaze, ktere to jsou, ale nic nevybere
cisla[cisla>20]   #vybere
barvy.log <-barvy.rep=="zlata" #vyber z character vectoru cisla>20|cisla<90         #slozita podminka s operatorem OR

logic <-cisla>20&cisla<90 #ulozi logicky vektor
sum(logic)                #kolik prvku odpovida dane podmince, FIGL: TRUE se koduje jako 1 a da se tedy scitat