آموزش صفر تا صد آر استودیو (فیلم فارسی+ جزوه PDF)

در ادامه آموزش های کاربردی نرم افزار آر استودیو، بعد از حدود ۱ هفته گشت و گذار در اینترنت و از بین هزاران ویدیو، یک مجموعه بی نقص و کامل ویدیویی را برای یادگیری سریع این نرم افزار گلچین کرده ایم. این مجموعه کامل برای شروع از صفر و برای همه سطوح مناسب می باشد. بعد از آن نیز بهترین جزوه PDF فارسی موجود در اینترنت را جهت تکمیل یادگیری می توانید دانلود کنید.

به عنوان مکمل این مطلب: دانلود رایگان ۳ تا از بهترین جزوه های PDF آموزش آر استودیو

آر استودیو (توضیحات این صفحه یعنی 80 درصد راه !)

• لینک دانلود جدیدترین نسخه
• لینک سایت اصلی

R یک زبان برنامه‌نویسی تخصصی برای آمار، تحلیل داده، رسم نمودار، علوم داده و پژوهش‌های دانشگاهی است. اگر با Excel کار کرده‌اید و می‌خواهید تحلیل‌های پیچیده‌تر، دقیق‌تر و قابل تکرار انجام دهید، R یکی از بهترین گزینه‌هاست.

برای شروع لازم نیست همه مباحث آماری یا صدها Package را بلد باشید. کافی است ابتدا این مسیر را یاد بگیرید:

متغیرها → بردارها → Data Frame → شرط و حلقه → توابع → واردکردن داده → پاک‌سازی → تحلیل آماری → نمودار

R بیشتر در چه کارهایی استفاده می‌شود؟

R در حوزه‌هایی مانند آمار، اقتصاد، پزشکی، علوم اجتماعی، بازاریابی، زیست‌شناسی، داده‌کاوی و یادگیری ماشین کاربرد دارد. مثلاً با R می‌توانید:

• میانگین و انحراف معیار داده‌ها را محاسبه کنید
• فایل Excel یا CSV را تحلیل کنید
• نمودارهای حرفه‌ای بسازید
• آزمون‌های آماری انجام دهید
• مدل رگرسیون بسازید
• داده‌های ناقص را پاک‌سازی کنید
• گزارش‌های تحلیلی ایجاد کنید
• الگوریتم‌های یادگیری ماشین اجرا کنید

R و RStudio چه تفاوتی دارند؟

R خود زبان برنامه‌نویسی و موتور اجرای دستورات است. RStudio یک محیط برنامه‌نویسی یا IDE است که کار با R را بسیار آسان‌تر می‌کند. در RStudio معمولاً چهار قسمت مهم مشاهده می‌کنید:

برای یادگیری بهتر، کدها را بیشتر در بخش Source بنویسید و سپس اجرا کنید؛ نه اینکه همه دستورات را مستقیماً در Console وارد کنید.
ویدیوی زیر روش نصب و شروع کار را توضیح می دهد:

اولین دستور در R

ساده‌ترین مثال:

print("Hello R")

یا:

2 + 3

نتیجه:

5

R حتی می‌تواند مانند یک ماشین‌حساب قدرتمند استفاده شود.

متغیر چیست؟

متغیر محلی برای نگهداری اطلاعات است. در R معمولاً از <- برای قرار دادن مقدار در متغیر استفاده می‌شود:

age <- 25
name <- "Ali"
price <- 150000

مثلاً:

x <- 10
y <- 20

x + y

نتیجه برابر 30 خواهد بود. علامت = نیز در بسیاری از شرایط کار می‌کند، اما استفاده از <- در کدهای R بسیار رایج است.

انواع داده را بشناسید

چند نوع داده اصلی در R وجود دارد:

مثلاً:

age <- 30
city <- "Mashhad"
is_student <- TRUE

شناخت نوع داده بسیار مهم است، زیرا بسیاری از خطاهای تحلیل آماری به دلیل نوع اشتباه داده رخ می‌دهند.

Vector مهم‌ترین ساختار اولیه R

Vector مجموعه‌ای از چند مقدار هم‌نوع است. مثلاً نمرات پنج دانش‌آموز:

scores <- c(15, 18, 12, 20, 17)

اکنون می‌توان میانگین آن‌ها را محاسبه کرد:

mean(scores)

یا بیشترین مقدار:

max(scores)

کمترین مقدار:

min(scores)

در R بسیاری از عملیات به‌صورت مستقیم روی کل Vector انجام می‌شوند و لازم نیست تک‌تک اعداد را پردازش کنید.

دسترسی به عناصر Vector

فرض کنید:

numbers <- c(10, 20, 30, 40)

برای دریافت اولین عنصر:

numbers[1]

نتیجه:

10

برخلاف بعضی زبان‌های برنامه‌نویسی، شماره‌گذاری عناصر در R از 1 شروع می‌شود، نه صفر. این نکته برای مبتدیان بسیار مهم است.

Data Frame چیست؟

Data Frame یکی از مهم‌ترین مفاهیم R است. می‌توانید آن را شبیه یک جدول Excel تصور کنید که دارای سطر و ستون است. مثلاً:

students <- data.frame(
  name = c("Ali", "Sara", "Reza"),
  age = c(20, 22, 19),
  score = c(18, 17, 15)
)

جدول حاصل تقریباً چنین است:

برای تحلیل داده واقعی، بخش زیادی از کار شما با Data Frame انجام خواهد شد.

مشاهده داده‌ها

چند دستور بسیار کاربردی:

head(data)

نمایش چند سطر اول.

tail(data)

نمایش سطرهای آخر.

str(data)

نمایش ساختار داده و نوع ستون‌ها.

summary(data)

ارائه خلاصه آماری. اگر یک فایل جدید دریافت کردید، یکی از اولین کارها اجرای str() و summary() است.

شرط if

برای تصمیم‌گیری از if استفاده می‌شود. مثلاً:

score <- 18

if (score >= 10) {
  print("قبول")
} else {
  print("مردود")
}

در اینجا برنامه بررسی می‌کند آیا نمره حداقل 10 است یا خیر.

حلقه for

برای تکرار یک عملیات می‌توان از حلقه استفاده کرد.

for (i in 1:5) {
  print(i)
}

نتیجه:

1
2
3
4
5

اما یک نکته مهم در R این است که برای بسیاری از عملیات داده‌ای، استفاده از روش‌های برداری یا توابع آماده از حلقه بهتر و سریع‌تر است. بنابراین هر مسئله‌ای را فوراً با for حل نکنید.

Function چیست؟

تابع یا فانکشن Function مجموعه‌ای از دستورات است که می‌توانید چند بار استفاده کنید. مثلاً:

sum_two <- function(a, b) {
  return(a + b)
}

سپس:

sum_two(5, 7)

نتیجه:

12

توابع باعث می‌شوند کد شما کوتاه‌تر، مرتب‌تر و قابل استفاده مجدد باشد.

پکیج یا Package چیست؟

یکی از بزرگ‌ترین مزایای R وجود هزاران بسته یا Package آماده است.

Package مجموعه‌ای از توابع و ابزارهای تخصصی است.

مثلاً بسته ggplot2 برای رسم نمودار بسیار معروف است.

برای نصب:

install.packages("ggplot2")

این دستور معمولاً فقط یک بار لازم است.

برای استفاده در پروژه:

library(ggplot2)

این دستور را هر بار که پروژه جدید باز می‌کنید اجرا می‌کنید.

تایدی وِرس Tidyverse چیست؟

Tidyverse مجموعه‌ای از Packageهای بسیار محبوب R برای تحلیل داده است. از معروف‌ترین آن‌ها می‌توان به موارد زیر اشاره کرد:

• dplyr برای مدیریت و تغییر داده
• ggplot2 برای نمودار
• tidyr برای مرتب‌سازی ساختار داده
• readr برای واردکردن فایل
• stringr برای کار با متن

یک مبتدی لازم نیست کل Tidyverse را یکجا یاد بگیرد. ابتدا dplyr و ggplot2 کافی هستند.

واردکردن فایل CSV

یکی از کارهای رایج، تحلیل فایل‌های داده است. مثلاً:

data <- read.csv("students.csv")

سپس:

head(data)

اطلاعات فایل را مشاهده می‌کنید. اگر از Packageهای Tidyverse استفاده کنید:

library(readr)

data <- read_csv("students.csv")

فیلترکردن داده‌ها

فرض کنید می‌خواهید فقط دانشجویانی را ببینید که نمره آن‌ها بیشتر از 15 است. با dplyr:

library(dplyr)

students %>%
  filter(score > 15)

علامت %>% خروجی یک مرحله را به مرحله بعدی می‌فرستد. در نسخه‌های جدید R می‌توانید از Pipe داخلی نیز استفاده کنید:

students |>
  filter(score > 15)

انتخاب ستون‌ها

مثلاً فقط نام و نمره:

students %>%
  select(name, score)

برای مرتب‌سازی:

students %>%
  arrange(score)

مرتب‌سازی نزولی:

students %>%
  arrange(desc(score))

این دستورات بخش بزرگی از پاک‌سازی داده‌های روزمره را پوشش می‌دهند. ویدیوی زیر هم مفاهیم تکمیلی را توضیح می دهند در ادامه ویدیوی قبل:

داده گمشده یا NA چیست؟

در داده‌های واقعی ممکن است بعضی مقادیر وجود نداشته باشند. R این وضعیت را معمولاً با:

NA

نمایش می‌دهد. مثلاً:

scores <- c(15, 18, NA, 20)

اگر بنویسید:

mean(scores)

ممکن است نتیجه NA شود. برای نادیده‌گرفتن داده‌های گمشده:

mean(scores, na.rm = TRUE)

شناخت و مدیریت NA یکی از مهم‌ترین مهارت‌ها در تحلیل داده است.

ویدیوی نمونه

ویدیوهای داخل پکیج از کیفیت بسیار بالاتری برخوردارند:

تصاویر نمونه

دانلود

  دانلود فیلم های این پکیج

  دانلود جزوه PDF

  حجم: ۳۷۰ مگابایت

  سطح: از صفر تا صد

  نسخه آموزش داده شده: مناسب برای همه نسخه های آر استودیو

به دنبال یادگیری سریع تر، حرفه ای تر، کامل تر و با کیفیت فول اچ دی هستید؟

جابجایی سریع بین پنجره‌های Rstudio

پنجره‌های RStudio اطلاعات مهمی از پروژه شما را در دسترس نگه می‌دارند. یادگیری نحوه جابجایی سریع بین این پنجره‌ها بدون استفاده از ماوس می‌تواند باعث صرفه‌جویی در زمان و بهبود جریان کاری شما شود. از میانبرهای زیر برای حرکت فوری بین پنجره‌ها استفاده کنید:

• Control/Ctrl + 1: ویرایشگر سورس (اسکریپت شما)
• Control/Ctrl + 2: کنسول
• Control/Ctrl + 3: راهنما
• Control/Ctrl + 4: تاریخچه
• Control/Ctrl + 5: فایل‌ها
• Control/Ctrl + 6: نمودارها
• Control/Ctrl + 7: بسته‌ها
• Control/Ctrl + 8: محیط (Environment)
• Control/Ctrl + 9: نمایش‌دهنده (Viewer)

اگر ترجیح می‌دهید فقط یک پنجره را در هر لحظه ببینید، کلید Shift را به هر یک از این دستورات اضافه کنید تا پنجره بزرگ شود. برای مثال، با وارد کردن Control/Ctrl + Shift + 1، فایل اسکریپت یا Markdown که در آن کار می‌کنید، بزرگ می‌شود.

نکته: علامت + که در میانبرها نشان داده شده است به معنی "و" است؛ نیازی به فشردن کلید + نیست.

اگر می‌خواهید به نمای استاندارد چهار پنجره بازگردید، کافی است Control/Ctrl + Shift + 0 را وارد کنید:

تحلیل آماری ساده (خیلی مهمه یادش بگیرین الان)

برای محاسبه میانگین:

mean(scores)

میانه:

median(scores)

انحراف معیار:

sd(scores)

واریانس:

var(scores)

حداقل و حداکثر:

min(scores)
max(scores)

خلاصه آماری:

summary(scores)

این دستورات برای شروع تحلیل داده بسیار مهم هستند.

رسم نمودار

R ابزارهای قدرتمندی برای Visualization دارد. یک نمودار ساده:

plot(x, y)

اما برای نمودارهای حرفه‌ای معمولاً ggplot2 استفاده می‌شود. مثلاً:

library(ggplot2)

ggplot(students, aes(x = name, y = score)) +
  geom_col()

با همین ساختار می‌توانید نمودارهای ستونی، خطی، Scatter Plot، Histogram و Box Plot بسازید.

فرمول‌های آماری در R

در تحلیل‌های آماری زیاد با ساختاری مانند زیر مواجه می‌شوید:

y ~ x

یعنی متغیر y بر اساس متغیر x بررسی شود. مثلاً در رگرسیون:

model <- lm(salary ~ experience, data = employees)

یعنی بررسی رابطه حقوق با سابقه کار. سپس:

summary(model)

نتایج مدل نمایش داده می‌شود. برای شروع لازم نیست رگرسیون را عمیق یاد بگیرید، اما مفهوم Formula را بشناسید.

تفاوت R و Excel

Excel برای مشاهده و ویرایش سریع جداول بسیار مناسب است، اما وقتی داده بزرگ یا تحلیل تکراری باشد R مزیت زیادی دارد. فرض کنید هر ماه باید یک فایل 100 هزار ردیفی را پاک‌سازی، تحلیل و نمودارگیری کنید.

در Excel ممکن است مراحل را هر ماه دوباره انجام دهید.

در R یک بار کد می‌نویسید و ماه بعد فقط فایل جدید را وارد کرده و همان کد را اجرا می‌کنید. این مفهوم Reproducibility یا تکرارپذیری تحلیل یکی از مزایای مهم برنامه‌نویسی داده است.

چند اشتباه رایج مبتدیان

یکی از اشتباهات رایج این است که کاربر صدها دستور R را حفظ کند بدون اینکه روی داده واقعی کار کند. روش بهتر این است که یک Dataset انتخاب کنید و هم‌زمان با یادگیری روی آن تمرین کنید. همچنین:

• نام متغیرها را واضح انتخاب کنید.
• کدها را در Script ذخیره کنید.
• از کپی‌کردن کد بدون فهم آن پرهیز کنید.
• قبل از تحلیل، نوع ستون‌ها را بررسی کنید.
• داده خام را بی‌دلیل تغییر ندهید.
• Missing Valueها را بررسی کنید.
• نمودارها را قبل از نتیجه‌گیری ببینید.
• از Packageهای ناشناخته و غیرضروری زیاد استفاده نکنید.

هوش مصنوعی را چگونه کنار R استفاده کنیم؟

هوش مصنوعی می‌تواند در توضیح Errorها، پیشنهاد کد، نوشتن نمودار و پیدا کردن توابع مناسب بسیار مفید باشد.اما در تحلیل داده نباید فقط به کدی که AI تولید کرده اعتماد کنید.

مثلاً اگر یک آزمون آماری پیشنهاد شد، باید بدانید آیا شرایط استفاده از آن آزمون برای داده شما برقرار است یا خیر. در R مهم‌تر از نوشتن دستور این است که بفهمید داده چه می‌گوید و چرا یک روش آماری انتخاب شده است.

مسیر پیشنهادی یادگیری R

برای یک مبتدی این مسیر بسیار مناسب است:

• مرحله اول متغیرها، انواع داده، Vector، Matrix و Data Frame.
• مرحله دوم شرط، حلقه و Function.
• مرحله سوم واردکردن CSV و Excel.
• مرحله چهارم پاک‌سازی داده با dplyr.
• مرحله پنجم نمودار با ggplot2.
• مرحله ششم آمار توصیفی.
• مرحله هفتم آزمون‌های آماری و رگرسیون.
• مرحله هشتم ساخت پروژه واقعی.

بعداً می‌توانید سراغ Machine Learning، Shiny، R Markdown یا تحلیل‌های آماری پیشرفته بروید.

سه پروژه مناسب برای تمرین

یک فایل شامل نام و نمرات بسازید و میانگین، بیشترین نمره، کمترین نمره و نمودار نمرات را محاسبه کنید.
پروژه دوم تحلیل فروش  ستون‌هایی مانند تاریخ، محصول، قیمت و تعداد فروش داشته باشید. سپس درآمد کل، پرفروش‌ترین محصول و فروش ماهانه را محاسبه کنید.
پروژه سوم تحلیل یک Dataset واقعی  یک فایل واقعی از داده‌های اقتصادی، پزشکی یا اجتماعی انتخاب کنید و مراحل زیر را انجام دهید:

Import → Clean → Explore → Visualize → Analyze → Report

اگر بتوانید این پروژه را به‌تنهایی انجام دهید، از مرحله کاملاً مبتدی R عبور کرده‌اید.

جمع‌بندی

برای یادگیری برنامه‌نویسی R از صفر نیازی به حفظ صدها دستور نیست. ابتدا روی این مسیر تمرکز کنید:

R و RStudio → Vector → Data Frame → Function → Import Data → dplyr → Missing Values → ggplot2 → آمار → پروژه واقعی

اگر بتوانید یک فایل CSV را وارد کنید، داده‌های خراب و ناقص را اصلاح کنید، چند محاسبه آماری انجام دهید و نتیجه را با نمودار نمایش دهید، بخش بزرگی از اصول اولیه R را یاد گرفته‌اید. بعد از آن می‌توانید بر اساس حوزه کاری خود وارد تحلیل آماری پیشرفته، علوم داده، یادگیری ماشین یا گزارش‌سازی حرفه‌ای شوید.