R nejen v SQL Serveru Jiří Neoral BI Data Architect Dixons Carphone CoE s. r. o. jiri@neoral.cz www.neoral.cz Twitter: @JiriNeoral

Osnova Představení R obecně R & Microsoft Úvod do syntaxe Příklady R pro vizualizaci v SQL Serveru v SSRS v Power BI v Azure ML

R R je implementací jazyka S (a nedělám si legraci) Integrovaná sada softwaru pro práci s daty, výpočty a grafické zobrazení Open Source In – Memory & Defaultně jedno jádro Rozšiřitelné prostředí r-project.org

R + Microsoft Microsoft R Server dříve Revolution R for Enterprise specializované konektory pr SQL Server, Hadoop, Oracle, Teradata ... Azure ML – používá R interně Power BI R jako zdroj R vizualizace R pro čištění dat (nové) SQL Server volá R ze SQL Serveru

Základní operátory Operace Operátor Příklad Subtract - 5 - 4 = 1 Add + 5 + 4 = 9 Multiply * 5 * 4 = 20 Divide / 5 / 4 = 1.25 Raise to the power ^ 5 ^ 4 = 625 Modulus %% 9 %% 4 = 1 Integer division %/% 9 %/% 4 = 2 Basic sequence : 1:3 = 1, 2, 3

Stavy Operace Operátor Příklad Less than < 5 < 5 = FALSE Less than or equal to <= 5 <= 5 = TRUE Greater than > 5 > 5 = FALSE Greater than or equal to >= 5 >= 5 = TRUE Equal all.equal() all.equal(0.5 - 0.3,0.3 - 0.1) is TRUE Exactly equal == (0.5 - 0.3) == (0.3 - 0.1) is FALSE, 2 == 2 is TRUE Not equal != (0.5 - 0.3) != (0.3 - 0.1) is TRUE, 2 != 2 is FALSE

Přiřazení do proměnné Operace Operátor Příklad Create / update a variable <- a <- 10

Accessors Operace Operátor Příklad Use public function from package :: memisc::cases() Use private function from package ::: optiRum:::pounds_format() Get a component e.g a data.frame column $ iris$Sepal.Length Extract a property from a class @ Refer to positions in a data.frame or vector [ ] iris[5:10,1] Refer to item in a list [[ ]] list(iris=iris,mtcars=mtcars)[["iris"]]

Logické operátory Operace Operátor Příklad Less than < 5 < 5 = FALSE Less than or equal to <= 5 <= 5 = TRUE Greater than > 5 > 5 = FALSE Greater than or equal to >= 5 >= 5 = TRUE Equal all.equal() all.equal(0.5 - 0.3,0.3 - 0.1) is TRUE Exactly equal == (0.5 - 0.3) == (0.3 - 0.1) is FALSE, 2 == 2 is TRUE Not equal != (0.5 - 0.3) != (0.3 - 0.1) is TRUE, 2 != 2 is FALSE

Meta-Operátory Operace Operátor Příklad Comment # # This is my comment Help ? ?data.table Identifier ` `1`<-2

Datové typy Datový typ Příklad Integer 1 Logical TRUE Numeric 1.1 String / character “Red” Factor (enumerated string) “Amber” or 2 in c(“Red”,“Amber”,“Green”) Complex i Date “2016-05-19”

Datové struktury Datový typ Info Příklad Vector A 1D set of values of the same data type c(1,“a”) , 1:3 , LETTERS Matrix A 2D set of values of the same data type matrix(LETTERS,nrow=13, ncol=2) , rbind(1:5,2:6) Array An nD set of values of the same data type array(LETTERS, c(13,2)) Data.frame A 2D set of values of different data types data.frame(a=1:26, b=LETTERS) List A collection of objects of various data types list(vector=c(1,“a”), df=data.frame(a=1:6))

Vektor - Tvorba handCrafted<-c(1,2,3,4) seqCrafted<-1:4 named<-c(a=1,b=2,c=3,d=4) named ## a b c d ## 1 2 3 4

Vektor - Filtrace handCrafted[1] ## [1] 1 seqCrafted[-1] ## [1] 2 3 4 named["b"] ## b ## 2

Vektor - Update handCrafted[2]<-99 handCrafted ## [1] 1 99 3 4

Vektor - Manipulace mode(seqCrafted) ## [1] "numeric"

Vektor - Řazení preOrder<-sample(letters, 6) preOrder ## [1] "n" "a" "x" "z" "s" "q" order(preOrder) ## [1] 2 1 6 5 3 4 ordered<-preOrder[order(preOrder)] ordered ## [1] "a" "n" "q" "s" "x" "z"

Tabulka – Tvorba a filtrace df<-data.frame(a=1:4, b=LETTERS[5:8], c=rnorm(4),row.names = letters[9:12]) df df[1, ] df[ ,1] df[1,1] df[-(3:4),] df[,"a"] df[ , c(TRUE, TRUE, FALSE)] df[df$a<4,]

Tabulka - Update df[1,1]<-2 df Odebrání sloupce df[,2] df[,2]<-NULL Odebrání řádku df[2,] df<-df[-2,]

Tabulka append superDF<-data.frame(df,d=5:7) superDF df$newcol<-5:7 df df[4,]<-c(1,1,1)

Vizualizace Vestavěná knihovna pairs(iris) plot(lm(Sepal.Length~Petal.Length, iris))

ggplot2 library(ggplot2) p <- ggplot(data=iris) #Přidat osy p <- ggplot(data=iris, aes(x=Sepal.Width, y=Sepal.Length, colour=Species)) #Přidat geometrii p <- p + geom_point() #Volitelně přidat statistiku p <- p + stat_boxplot(fill="transparent") p

Pokračování #Úprava os p <- p + coord_flip() p p <- p + facet_grid(.~Species) pp p <- p + theme_minimal()

Načítání z flat file setwd('C:/Users/Jiri/Desktop/WUG/000 SQL Bootcamp/R nejen v SQL Serveru') BikeData<-read.csv('BikeData.csv')

Načítání z SQL Serveru library(RODBC) cn <- odbcDriverConnect(connection="Driver={SQL Server Native Client 11.0};server=wppdwlz01;database=AdventureWorksDW2012;trusted_connection=yes;") dataset<-sqlQuery(cn,"SELECT OrderDate = datefromparts(Orderdatekey/10000,OrderDateKey%10000/100,1) ,Sales = sum(f.salesamount) FROM dbo.FactInternetSales f GROUP BY datefromparts(Orderdatekey/10000,OrderDateKey%10000/100,1) order by 1") dataset

Úklid v paměti rm(list=ls())

R v SQL Serveru

R v Azure ML

R v Power BI SELECT OrderDate = datefromparts(Orderdatekey/10000,OrderDateKey%10000/100,1) ,Sales = sum(f.salesamount) FROM dbo.FactInternetSales f GROUP BY datefromparts(Orderdatekey/10000,OrderDateKey%10000/100,1) order by 1

Děkuji Vám za pozornost Dotazy teď, nebo později u stánku Dixons Carphone CoE Kontakty jiri@neoral.cz www.neoral.cz