Alyssa Rosenzweig se v příspěvku na svém blogu Vulkan 1.3 na M1 za 1 měsíc rozepsala o novém Vulkan 1.3 ovladači Honeykrisp pro Apple M1 splňujícím specifikaci Khronosu. Vychází z ovladače NVK pro GPU od Nvidie. V plánu je dále rozchodit DXVK a vkd3d-proton a tím pádem Direct3D, aby na Apple M1 s Asahi Linuxem běžely hry pro Microsoft Windows.
Byla vydána (𝕏) květnová aktualizace aneb nová verze 1.90 editoru zdrojových kódů Visual Studio Code (Wikipedie). Přehled novinek i s náhledy a animovanými gify v poznámkách k vydání. Ve verzi 1.90 vyjde také VSCodium, tj. komunitní sestavení Visual Studia Code bez telemetrie a licenčních podmínek Microsoftu.
Byla vydána (Mastodon, 𝕏) nová verze 2024.2 linuxové distribuce navržené pro digitální forenzní analýzu a penetrační testování Kali Linux (Wikipedie). Přehled novinek se seznamem nových nástrojů v oficiálním oznámení.
Počítačová hra Tetris slaví 40 let. Alexej Pažitnov dokončil první hratelnou verzi 6. června 1984. Mezitím vznikla celá řada variant. Například Peklo nebo Nebe. Loni měl premiéru film Tetris.
MicroPython (Wikipedie), tj. implementace Pythonu 3 optimalizovaná pro jednočipové počítače, byl vydán ve verzi 1.23.0. V přehledu novinek je vypíchnuta podpora dynamických USB zařízení nebo nové moduly openamp, tls a vfs.
Canonical vydal Ubuntu Core 24. Představení na YouTube. Nová verze Ubuntu Core vychází z Ubuntu 24.04 LTS a podporována bude 12 let. Ubuntu Core je určeno pro IoT (internet věcí) a vestavěné systémy.
Databáze DuckDB (Wikipedie) dospěla po 6 letech do verze 1.0.0.
Intel na veletrhu Computex 2024 představil (YouTube) mimo jiné procesory Lunar Lake a Xeon 6.
Na blogu Raspberry Pi byl představen Raspberry Pi AI Kit určený vlastníkům Raspberry Pi 5, kteří na něm chtějí experimentovat se světem neuronových sítí, umělé inteligence a strojového učení. Jedná se o spolupráci se společností Hailo. Cena AI Kitu je 70 dolarů.
Byla vydána nová verze 14.1 svobodného unixového operačního systému FreeBSD. Podrobný přehled novinek v poznámkách k vydání.
V minulém díle jsem pověděl něco o kreslení jednoduchých grafů a počítání jednoduchých stastistických funkcí. Jak ale člověk do GNU R dostane data z reálného světa, aniž by musel tato opisovat? Dneska popíšu načítání ze souboru.
GNU R má jakési data frames, což bych vzdáleně přirovnal k tabulce v libreoffice calc. Sloupce mohou být pojmenované, mít odlišné datové typy a některé buňky můžou být nevyplněné. Dají se také vybírat různé podmnožiny sloupců, tyto mazat, duplikovat, přemisťovat, přejmenovávat, ale i sčítat, dělit, počítat součet, průměr, atd.
K tomu abych něco předvedl budu muset nějaká data napřed vyrobit.
find /usr -maxdepth 1 -mindepth 1 -type d -exec du -sk "{}" ";" 2>/dev/null | tee r.txt
Po zavaření počítače a vypití kafe se nám objeví nějaká ta kýžená statistická data popisující reálný svět našeho harddisku:
204272 /usr/include 2828 /usr/local 1448 /usr/LessTif 4516 /usr/sbin 2405148 /usr/lib 1017824 /usr/share 132480 /usr/bin 52912 /usr/libexec 4 /usr/src 24 /usr/man
Na dostání dat do programu R používám nejčastěji funkci read.table. Zkusíme tedy, co se stane, když ji pustíme jen tak s minimálním parametrem:
> df=read.table("r.txt") > dfProměnnou jsem nazval df protože se jedná právě o ten zmíněný data frame. Vida! Ono nám to načetlo a dokonce to pojmenovalo sloupečky defaultním pojmenováním V1 a V2. Vidíme také, že v data framu jsou řádky číslované:
V1 V2 1 204272 /usr/include 2 2828 /usr/local 3 1448 /usr/LessTif 4 4516 /usr/sbin 5 2405148 /usr/lib 6 1017824 /usr/share 7 132480 /usr/bin 8 52912 /usr/libexec 9 4 /usr/src 10 24 /usr/man
Ani jsme nemuseli laborovat se separátorem sloupců! R má totiž defaultně nastavený přechod z nonblank na blank nebo tak nějak. Pokud bychom ho přeci jenom potřebovali změnit (CSV soubory oddělované čárkou a pod.), dělá se to parametrem sep (viz help(read.table)).
Funkci read.table používám v drtivé většině případů. Existují i další, jako readBin použitý v minulém díle, readChar, readLines. Viz vždy help() - parametr helpu se zadává bez uvozovek.
Když už jsme u těch CSV, tyto doporučuju jako metodu dostání dat z Libreoffice Calc do R. V Save As se nastaví formát CSV a odklepne spoustu různých potvrzovacích okýnek, z kterých mi vždycky tečou nervy. Pak musíme soubor zase uložit do normálního libreoffice formátu dat, jinak se bude libreoffice pokoušet ukládat pozdější změny do CSV a přijdeme možná o nějaká metadata.
Můžeme si teď třeba spočítat velikost těch adresářů v megabajtech místo kilobajtů? Ale jistě, udělá se to takhle:
> df$mega=df$V1/1000 > df V1 V2 mega 1 204272 /usr/include 204.272 2 2828 /usr/local 2.828 3 1448 /usr/LessTif 1.448 4 4516 /usr/sbin 4.516 5 2405148 /usr/lib 2405.148 6 1017824 /usr/share 1017.824 7 132480 /usr/bin 132.480 8 52912 /usr/libexec 52.912 9 4 /usr/src 0.004 10 24 /usr/man 0.024
Jak vidíme, R se nám nežinýroval přiřadit do sloupečku s neexistujícím jménem a tak se vytvořil sloupec nový.
A co si tak spočítat procenta? Na to budeme potřebovat funkci sum, která sečte vektor. Zdalipak bude fungovat i na sloupec data frame? Funguje!:
sum(df$mega) [1] 3821.456
Tak vypočteme další sloupec s procenty. Přitom se nám projeví jeden aspekt gnu R - že když dělíme vektor jedním číslem (právě jsme viděli experimentální důkaz toho, že součet sloupce je jedno číslo ), toto se automaticky rozkopíruje na příslušný počet kopií:
> df$procenta=100*df$mega/sum(df$mega) > df V1 V2 mega procenta 1 204272 /usr/include 204.272 5.345397e+00 2 2828 /usr/local 2.828 7.400321e-02 3 1448 /usr/LessTif 1.448 3.789132e-02 4 4516 /usr/sbin 4.516 1.181749e-01 5 2405148 /usr/lib 2405.148 6.293800e+01 6 1017824 /usr/share 1017.824 2.663446e+01 7 132480 /usr/bin 132.480 3.466741e+00 8 52912 /usr/libexec 52.912 1.384603e+00 9 4 /usr/src 0.004 1.046721e-04 10 24 /usr/man 0.024 6.280329e-04
Bum! Počítače zase útočí (já bych všechny tyhle internety zakázala...!) Z vědeckého hlediska je tato odpověď jistě zcela korektní, nicméně podaří se nám ji upravit do humánně čitelné podoby? Vypadá to jakoby nás programátor R omilostnil a vybavil příkaz print parametrem digits (help(print)), který svádí k doměnce, že si s ním budeme moct nastavit zaokrouhlování:
> print(df,digits=5) V1 V2 mega procenta 1 204272 /usr/include 204.272 5.3454e+00 2 2828 /usr/local 2.828 7.4003e-02 3 1448 /usr/LessTif 1.448 3.7891e-02 4 4516 /usr/sbin 4.516 1.1817e-01 5 2405148 /usr/lib 2405.148 6.2938e+01 6 1017824 /usr/share 1017.824 2.6634e+01 7 132480 /usr/bin 132.480 3.4667e+00 8 52912 /usr/libexec 52.912 1.3846e+00 9 4 /usr/src 0.004 1.0467e-04 10 24 /usr/man 0.024 6.2803e-04
K této domněnce skutečně jen svádí. V help(print) žádný další vhodný parametr nenajdu. Podívám se tedy ještě do print.default. To je právě typické že funkce mají ještě .default v kterém se dají další věci nastavovat. Ale ani tam nic nenajdu. Jedna možnost se nabízí takto:
> df$procenta=round(df$procenta,2) > df V1 V2 mega procenta 1 204272 /usr/include 204.272 5.35 2 2828 /usr/local 2.828 0.07 3 1448 /usr/LessTif 1.448 0.04 4 4516 /usr/sbin 4.516 0.12 5 2405148 /usr/lib 2405.148 62.94 6 1017824 /usr/share 1017.824 26.63 7 132480 /usr/bin 132.480 3.47 8 52912 /usr/libexec 52.912 1.38 9 4 /usr/src 0.004 0.00 10 24 /usr/man 0.024 0.00
To má ale nevýhodu, že se nám tím zkazí ty data samotná, pokud je budeme chtít později použít, přijdeme o tisícinky. Zdá se mi že přehledný tisk čísýlek na obrazovku je téma na dizertační práci! Vytáhnu tedy řešení až úplně z paty:
> options(scipen=50) > print(df,digits=1) V1 V2 mega procenta 1 204272 /usr/include 204.272 5.3454 2 2828 /usr/local 2.828 0.0740 3 1448 /usr/LessTif 1.448 0.0379 4 4516 /usr/sbin 4.516 0.1182 5 2405148 /usr/lib 2405.148 62.9380 6 1017824 /usr/share 1017.824 26.6345 7 132480 /usr/bin 132.480 3.4667 8 52912 /usr/libexec 52.912 1.3846 9 4 /usr/src 0.004 0.0001 10 24 /usr/man 0.024 0.0006Podařilo se. Můžeme si teď v klidu zaletět do Stockholmu převzít Nobelovu cenu za tisk čísel. Mravní ponaučení co bych z toho dal je, že existuje v GNU R centrální příkaz options, který, jak píšou v jeho manuálové stránce, nastavuje "variety of global options which affect the way in which R computes and displays its results". Také je potřeba někdy kramařit v dalších manuálových stránkách odkazovaných v sekci See Also.
No a jak teď naše vydobydá data uložíme do externího souboru? Analogicky pomocí funkce write.table:
> write.table(df,file="out.txt")
Program nám texty opatřil uvozovkami, s čímž se ve světě CSV souborů často setkávám. Tyto uvozovky, separátor, popisky sloupečků a řádků a další se dají ve write.table zapínat a vypínat podle manuálové stránky.
Takto můžeme GNU R používat ve skriptech na matematiku, na kterou jsou expr a bc už těžkopádné. Musím vám jenom říct, jak se to volá v dávkovém režimu (sociálním? drogovém?). Program si napíšeme do souboru:
cat >program.R << "EOF" df=read.table("r.txt") procenta=100*df$V1/sum(df$V1) novy=data.frame(df$V2,procenta) write.table(novy,"out.txt",col.names=FALSE,quote=FALSE) EOF
A pak GNU R pustíme z příkazové řádky takto:
R --save <program.R
--save je parametr který se musí uvést a nastavuje se jím zda po skončení R prostředí uloží nebo neuloží (man R). Pokud nám program bouchne a měli jsme --save, můžeme rovnou pustit R a máme v něm pro ruční inspekci všechny proměnné ve stavu těsně před detonací. No a dnešní díl uzavřu výsledkem našeho experimentu, který je dále strojově zpracovatelný ve skriptech příkazy jako cut -d ' ':
cat out.txt 1 /usr/include 5.34539714705599 2 /usr/local 0.0740032071545505 3 /usr/LessTif 0.0378913168174643 4 /usr/sbin 0.118174852726291 5 /usr/lib 62.9380005945378 6 /usr/share 26.6344555583003 7 /usr/bin 3.46674147236027 8 /usr/libexec 1.38460314602602 9 /usr/src 0.000104672145904598 10 /usr/man 0.000628032875427586
Nástroje: Tisk bez diskuse
Tiskni Sdílej: