#######################################################################################
################ Statistická laboratoř - Zimní škola ##################################
################      Základy práce s jazykem R      ##################################
############### Adéla Vrtková, Martina Litschmannová ##################################
#######################################################################################
# jednoduché početní operace
2+4
5/2

# POZOR na závorky! Pro počítání se používají pouze kulaté! Hranaté a složené mají v R jinou funkci!
(((10+2)*(340-33))-2)/3


#######################################################################################
# datové typy -> numeric, character, logical, (complex)
# funkcí class zjišťujeme typ objektu
a=2+3
class(a)

b="pismenko"
class(b)

c=(1>3)
class(c)

d=3+1i
class(d)

#######################################################################################
## datové struktury v R
# vector (rozumíme sloupcový vektor)
# factor (speciální případ vektoru)
# matrix (matice s rozměry n x m)
# data.frame (datový rámec s rozměry n x p)
# list (seznam)

#######################################################################################
## definování vektoru (sloupcový=column)
a = c(3,4,6,7)
a <- c(3,4,6,7)
a
a[2]

#další možnosti
rep(1,4) # vytvoří vektor se čtyřmi jedničkami 

# vsuvka - nevíme si rady? -> podívejme se do nápovědy
?rep
help(rep)

seq(1,10,2) #posloupnost od 1 do 10 s krokem 2
1:10  #posloupnost od 1 do 10 s krokem 1

b=c("A","B","C","D")
class(b)

#práce s vektory - slučování podle sloupců/řádků
cbind(a,b)
rbind(a,b)

#předefinování objektu na jiný typ - např. as.vector, as.matrix, as.factor,...
bb=as.factor(b)
class(bb)
bb

#######################################################################################
## definování matice
A=matrix(c(3,4,6,7,3,2),nrow=2,ncol=3)
A
B=matrix(c(3,4,6,7,3,2),nrow=2,ncol=3,byrow=TRUE)
B
C=matrix(c(3,4,6,7,3,2),nrow=3,ncol=2)
C

A[1,3]
A[1,]
A[,2:3]

#diagonální matice
diag(4)
diag(4,2)

## operace s maticemi - pozor na maticové násobení -> %*%
A+B
A-B
A*B
A%*%C

######################################################################################
## Instalace a spuštění rozšiřujících balíčků funkcí

# Instalování balíčku - provádíme pouze jednou
install.packages("datasets") 

# Načtení balíčku (nutno opakovat při každém novém spuštění Rka, vhodné mít na začátku skriptu)
library(datasets)

# nápověda k balíčku
library(help = "datasets")

Orange

#######################################################################################
## datový rámec - získáme (většinou) importováním dat ze souboru (csv, txt, xls,...)
# POZOR! nezbytné nastavení pracovního adresáře (working directory)

getwd() # zjištění současného pracovního adresáře
setwd("C:/Users/Skripty") # změna pracovního adresáře

data=read.csv2("aku_new.csv",header=TRUE)  # import dat z pracovního adresáře
data=read.csv2("C:/Users/aku_new.csv",header=TRUE) # import dat z lokálního disku
data=read.csv2(file="http://am-nas.vsb.cz/lit40/DATA/aku_new.csv") # import dat z internetu

library(readxl)  # načtení dat z xlsx souboru pomocí balíčku readxl
data <- read_excel("C:/Users/Desktop/aku_new.xlsx",skip = 3) # další parametry nalezneme v nápovědě -> ?read_excel nebo help(read_excel)

#práce s datovým rámcem (data frame)
rownames(data)
colnames(data)

data[["A"]]
data$A

# export dat
write.csv2(Orange,file="C:/Users/Desktop/data.csv")

######################################################################################
# definování vlastní funkce - nazev <- function(proměnné){.......}
prepona = function(x,y){
  sqrt((x^2)+(y^2))
}
prepona(10,15)

## Shrnutí, doporučení, rady
# 1. pozor na závorky -> ( ) při počítání, [ ] odkazují na prvek ve vektoru/matici/data.framu, { } používají se při cyklech 
# 2. brát v úvahu typ objektu
# 3. používat nápovědu - např. ?seq, nebo help(matrix)
# 4. nastavení Working Directory
# 5. pozor na mezery v názvu proměnných, rozlišování velkých a malých písmen