Opérations vectorisées

Vous pouvez étendre le concept des opérateurs relationnels à des vecteurs de n’importe quelle longueur. Comparez deux vecteurs avec > pour obtenir un vecteur logique de même longueur, contenant TRUE quand le premier est supérieur au second, et FALSE sinon.

apple <- c(120.00, 120.08, 119.97, 121.88)
datacamp  <- c(118.5, 124.21, 125.20, 120.22)

apple > datacamp
[1]  TRUE FALSE FALSE  TRUE

La comparaison d’un vecteur avec un seul nombre fonctionne aussi. R recyclera le nombre pour qu’il ait la même longueur que le vecteur :

apple > 120
[1] FALSE  TRUE FALSE  TRUE

Imaginez comment cela pourrait servir de signal d’achat/vente dans l’analyse boursière ! Un data frame, stocks, est à votre disposition.

Cet exercice fait partie du cours

R intermédiaire pour la finance

Afficher le cours

Instructions

Affichez stocks.
Vous souhaitez acheter ibm lorsqu’il passe sous 175. Utilisez $ pour sélectionner la colonne ibm et un opérateur logique pour savoir quand cela se produit. Ajoutez-la à stocks sous la forme d’une colonne ibm_buy.
Si panera dépasse 213, vendez. Utilisez un opérateur logique pour savoir quand cela se produit. Ajoutez-la à stocks sous la forme d’une colonne panera_sell.
ibm est-il jamais au-dessus de panera ? Ajoutez le résultat à stocks sous la forme d’une colonne ibm_vs_panera.
Affichez stocks.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Print stocks
___

# IBM range
___$___ <- 

# Panera range
___$___ <- 

# IBM vs Panera
___$___ <- 

# Print stocks
___

Modifier et exécuter le code

Cet exercice fait partie du cours

R intermédiaire pour la finance

DébutantNiveau de compétence

4.8+

Commencer le cours gratuitement

Bienvenue ! Avant d’aller plus loin dans l’univers de R, il est utile de comprendre comment sont créées les dates et les heures. Ce chapitre vous donnera les bases pour commencer à travailler avec les dates, tout en ne faisant qu’effleurer ce qu’il est possible de faire.

Exercise 1: Introduction aux dates en R Exercise 2: Quel jour sommes-nous ?Exercise 3: De caractère à date Exercise 4: Beaucoup de dates Exercise 5: Formats de date et fonctions d’extraction Exercise 6: Formats de date (1)Exercise 7: Formats de date (2)Exercise 8: Soustraction de dates Exercise 9: months(), weekdays() et quarters(), quelle aventure !

Imaginez que vous détenez des actions d’une entreprise. Si le cours dépasse un certain prix, vous pourriez vouloir vendre. S’il passe en dessous, vous pourriez vouloir acheter tant que c’est bon marché ! Ce type de logique s’implémente grâce aux opérateurs et aux instructions if. Dans ce chapitre, vous apprendrez à les utiliser et vous créerez un programme qui vous indique quand acheter ou vendre une action.

Exercise 1: Opérateurs relationnels Exercise 2: Entraînement aux opérateurs relationnels Exercise 3: Opérations vectorisées

Exercice en cours

Exercise 4: Opérateurs logiques Exercise 5: Et / Ou Exercise 6: Pas !Exercise 7: Logiques et subset()Exercise 8: Tous ensemble !Exercise 9: Instructions if Exercise 10: If : à vous de jouer Exercise 11: Si ceci, Sinon cela Exercise 12: Si ceci, Sinon si cela, Sinon autrement Exercise 13: Pouvez-vous mettre un If dans un If ?Exercise 14: ifelse()

Les boucles sont utiles pour appliquer la même opération à chaque élément d’une structure de données. Dans ce chapitre, vous verrez en détail les boucles repeat, while et for !

Exercise 1: Boucles repeat Exercise 2: Encore et encore Exercise 3: Quand utiliser break ?Exercise 4: Boucles while Exercise 5: While avec un print Exercise 6: While avec un graphique Exercise 7: Coupez court Exercise 8: Boucles for Exercise 9: Parcourir un vecteur avec une boucle Exercise 10: Parcourir les lignes d’un data frame Exercise 11: Parcourir les éléments d'une matrice Exercise 12: Break et next

Si des structures de données comme les data frames et les vecteurs servent à stocker vos données, les fonctions servent à indiquer à R quoi faire avec ces données. Dans ce chapitre, vous apprendrez à utiliser les fonctions intégrées, à créer vos propres fonctions, et vous terminerez par une brève introduction aux packages.

Exercise 1: Qu’est-ce qu’une fonction ?Exercise 2: Aide et documentation des fonctions Exercise 3: Arguments optionnels Exercise 4: Des fonctions dans des fonctions Exercise 5: Écrire des fonctions Exercise 6: Votre première fonction Exercise 7: Arguments multiples (1)Exercise 8: Arguments multiples (2)Exercise 9: Portée des fonctions (1)Exercise 10: Portée des fonctions (2)Exercise 11: Packages Exercise 12: package tidyquant

Une alternative courante aux boucles dans R est la famille des fonctions apply. Elles sont souvent plus lisibles que les boucles et extrêmement utiles pour mettre à l’échelle un flux de travail de data science afin d’effectuer des calculs complexes sur un grand nombre d’observations. Découvrez-les ici !

Exercise 1: Pourquoi utiliser apply ?Exercise 2: lapply() sur une liste Exercise 3: lapply() sur un data frame Exercise 4: Arguments de FUN Exercise 5: sapply() - simplifier !Exercise 6: sapply() vs. lapply()Exercise 7: Échec de simplification Exercise 8: vapply() - spécifiez votre sortie !Exercise 9: vapply() vs. sapply()Exercise 10: Encore vapply()Exercise 11: Fonctions anonymes Exercise 12: Félicitations