Operazioni vettoriali

Puoi estendere il concetto di operatori relazionali a vettori di qualsiasi lunghezza. Confronta due vettori usando > per ottenere un vettore logico della stessa lunghezza, con TRUE quando il primo è maggiore del secondo e FALSE altrimenti.

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

Funziona anche confrontare un vettore con un singolo numero. R riciclerà il numero per avere la stessa lunghezza del vettore:

apple > 120
[1] FALSE  TRUE FALSE  TRUE

Immagina come questo potrebbe essere usato come segnale di acquisto/vendita nell’analisi di titoli! Un data frame, stocks, è a tua disposizione.

Questo esercizio fa parte del corso

R intermedio per la finanza

Visualizza il corso

Istruzioni dell'esercizio

Stampa stocks.
Vuoi comprare ibm quando scende sotto 175. Usa $ per selezionare la colonna ibm e un operatore logico per capire quando succede. Aggiungila a stocks come colonna ibm_buy.
Se panera supera 213, vendi. Usa un operatore logico per capire quando succede. Aggiungila a stocks come colonna panera_sell.
ibm è mai sopra panera? Aggiungi il risultato a stocks come colonna ibm_vs_panera.
Stampa stocks.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Print stocks
___

# IBM range
___$___ <- 

# Panera range
___$___ <- 

# IBM vs Panera
___$___ <- 

# Print stocks
___

Modifica ed esegui il codice

Questo esercizio fa parte del corso

R intermedio per la finanza

InicianteNível de habilidade

4.8+

Inizia il corso gratis

Welcome! Before we go deeper into the world of R, it will be nice to have an understanding of how dates and times are created. This chapter will teach you enough to begin working with dates, but only scratches the surface of what you can do with them.

Exercise 1: An introduction to dates in R Exercise 2: What day is it?Exercise 3: From char to date Exercise 4: Many dates Exercise 5: Date formats and extractor functions Exercise 6: Date formats (1)Exercise 7: Date formats (2)Exercise 8: Subtraction of dates Exercise 9: months() and weekdays() and quarters(), oh my!

Imagine you own stock in a company. If the stock goes above a certain price, you might want to sell. If the stock drops below a certain price, you might want to buy it while it's cheap! This kind of thinking can be implemented using operators and if statements. In this chapter, you will learn all about them, and create a program that tells you to buy or sell a stock.

Exercise 1: Operatori relazionali Exercise 2: Esercizio sui relazionali Exercise 3: Operazioni vettoriali

Esercizio in corso

Exercise 4: Operatori logici Exercise 5: And / Or Exercise 6: Non!Exercise 7: Logici e subset()Exercise 8: Tutti insieme, adesso!Exercise 9: Istruzioni if Exercise 10: Se questo Exercise 11: Se questo, altrimenti quello Exercise 12: Se questo, Altrimenti se quello, Altrimenti quell’altra cosa Exercise 13: Sai mettere un If dentro un If?Exercise 14: ifelse()

Loops can be useful for doing the same operation to each element of your data structure. In this chapter you will learn all about repeat, while, and for loops!

Exercise 1: Repeat loops Exercise 2: Repeat, repeat, repeat Exercise 3: When to break?Exercise 4: While loops Exercise 5: While with a print Exercise 6: While with a plot Exercise 7: Break it Exercise 8: For loops Exercise 9: Loop over a vector Exercise 10: Loop over data frame rows Exercise 11: Loop over matrix elements Exercise 12: Break and next

If data structures like data frames and vectors are how you hold your data, functions are how you tell R what to do with your data. In this chapter, you will learn about using built-in functions, creating your own unique functions, and you will finish off with a brief introduction to packages.

Exercise 1: What are functions?Exercise 2: Function help and documentation Exercise 3: Optional arguments Exercise 4: Functions in functions Exercise 5: Writing functions Exercise 6: Your first function Exercise 7: Multiple arguments (1)Exercise 8: Multiple arguments (2)Exercise 9: Function scope (1)Exercise 10: Function scope (2)Exercise 11: Packages Exercise 12: tidyquant package

A popular alternative to loops in R are the apply functions. These are often more readable than loops, and are incredibly useful for scaling the data science workflow to perform a complicated calculation on any number of observations. Learn about them here!

Exercise 1: Why use apply?Exercise 2: lapply() on a list Exercise 3: lapply() on a data frame Exercise 4: FUN arguments Exercise 5: sapply() - simplify it!Exercise 6: sapply() vs. lapply()Exercise 7: Failing to simplify Exercise 8: vapply() - specify your output!Exercise 9: vapply() vs. sapply()Exercise 10: More vapply()Exercise 11: Anonymous functions Exercise 12: Congratulations