Järjestä, suodata ja ryhmittele rivit R:ssä Dplyr:n avulla

Tämä opetusohjelma on jatkoa dplyr- pakettia koskevalle keskustelulle . Opit järjestämään, suodattamaan ja ryhmittelemään rivejä R:ssä.

Edellinen oppitunti koski saraketoimintoja. Tällä kertaa keskitytään rivitoimintoihin dplyr : ssä .

Käsittelemme perusasiat, joihin kuuluu tietojoukon lajittelu ja suodattaminen sekä tietueiden kokoaminen ja yhteenveto . Saat yleiskatsauksen siitä, mitä voit odottaa tältä oppitunnilta, ajattelemalla pivot-taulukkoa MS Excelissä.

Sisällysluettelo

• Päästä alkuun
• Perustoiminnot rivioperaatioille
  • 1. Järjestä rivit R-kirjaimeen
  • 2. Suodata rivit R
    • Suodata rivit useiden kenttien mukaan
  • 3. Ryhmittele ja tee yhteenveto rivistä R
• Johtopäätös

Päästä alkuun

Avaa uusi R-skripti RStudiossa.

Samoin kuin saraketoimintojen oppitunnissa, tämä demonstraatio käyttää Lahman-tietosarjapakettia . Lataa se tekemällä nopea google-haku.

Tuo Lahman-paketti R:hen suorittamalla kirjasto (Lahman) . Ota dplyr- paketti käyttöön suorittamalla kirjasto (tidyverse) . Lisäksi paras käytäntö nimeämiskäytäntöjen R:ssä on käyttää pieniä kirjaimia, joten määritä tiimit ryhmiksi .

Perustoiminnot rivioperaatioille

1. Järjestä rivit R-kirjaimeen

Ensimmäisen rivin operaatio dpylrissä on arrange ( ) . Tämän toiminnon avulla voit järjestellä rivejä uudelleen. Se toimii järjestämällä ensin datakehys df ja sitten annetut kentät.

Lajittelemme esimerkiksi tiimitunnuksen mukaan . Suorita järjestys (joukkueet, tiimitunnus) .

Jos haluat, että ne järjestetään laskevaan järjestykseen, sinun on käytettävä desc ( ) -toimintoa.

Esimerkiksi, jos haluat lajitella vuoden mukaan laskevassa järjestyksessä, suorita arrange (teams, desc(yearID)) .

Kun teet tämän, et määritä tulosta takaisin tiimeille . Näet vain tuloksen konsolissa.

On myös mahdollista lajitella useiden kriteerien mukaan. Jos esimerkiksi haluat lajitella joukkuetunnuksen ja sitten vuositunnuksen mukaan laskevassa järjestyksessä, sinun tarvitsee vain suorittaa tämä koodi:

Kun lajittelet rivejä, et muuta tietoja. Dataa vain siirretään. Mitään ei lisätä tai poisteta.

2. Suodata rivit R

Suodatintoiminto ( ) lisää tai poistaa tietoja valituista ehdoista riippuen. Sen peruskoodi on:

Otetaan esimerkiksi kaikki tiedot, joissa vuositunnus on suurempi tai yhtä suuri kuin 2000. Seuraa suodatinfunktion muotoa ja syötä tarvittavat tiedot. Suorita se sitten. Älä unohda määrittää tätä uudelle objektille. Tässä tapauksessa se määritettiin modernille .

Voit tarkistaa, onko rivit todella suodatettu, käyttämällä himmennystoimintoa ( ) . Se ilmoittaa tietokehyksen rivien ja sarakkeiden lukumäärän.

Jos suoritat dim (teams) , näet, että tietokehyksessä on 2 955 riviä ja 48 saraketta.

Jos suoritat dim- toiminnon modernissa versiossa , huomaat, että rivien määrä on vähentynyt 630:een, mutta sarakkeiden määrä pysyy samana.

Rivejä on katkaistu, koska osa tietueista ylittää vuoden 2000.

Suodata rivit useiden kenttien mukaan

On myös mahdollista suodattaa rivejä useiden kenttien mukaan R:ssä. Sinun on käytettävä AND- ja OR- lauseita.

Suodatetaan esimerkiksi joukkueet alueen mukaan. Tässä tapauksessa luodaan uusi objekti ohio . Suodatuskriteerit ovat, että teamID:n tulee sisältää vain Cleveland JA Cincinnati.

Sinun on käytettävä kaksinkertaista yhtäläisyysmerkkiä ( == ) tasa-arvon tarkistamiseksi. Jos käytät vain yhtä yhtäläisyysmerkkiä, R pitää sitä osoitusoperaattorina. Käytä et-merkkiä ( & ) edustamaan JA.

Tarkistaaksesi käytä himmennystoimintoa . Näet, että rivien määrä on 0.

Tämä tarkoittaa, että ei ole joukkueita, joissa ne molemmat sijaitsevat Clevelandissa ja Cincinnatissa.

Seuraavaksi kokeillaan Cleveland TAI Cincinnatia. TAI-operaattoria edustaa putken operaattori ( | ). Joten sinun tarvitsee vain korvata et-merkki putkioperaattorilla ja sitten käyttää sitä. Suorita sen jälkeen himmennystoiminto uudelleen .

Näet, että riviä on 251 nollan sijaan.

Entä jos unohdat käyttää kaksoisyhtäysmerkkiä ja käytät sen sijaan vain yhtä? Tässä on mitä tapahtuu:

RStudio näyttää konsolissa erittäin hyödyllisen virheilmoituksen, joka muistuttaa sinua käyttämään kaksoisyhtäysmerkkiä.

3. Ryhmittele ja tee yhteenveto rivistä R

Ryhmittele ( ) -funktion avulla voit koota tietueita valittujen sarakkeiden mukaan ja tehdä sitten yhteenvedon toisesta sarakkeesta tämän koosteen perusteella.

Ryhmä ( ) -funktio noudattaa tätä algoritmia:

Esimerkkinä voidaan ryhmitellä teamID:n mukaan ja määrittää se uudelle objektille. Tässä tapauksessa uuden objektin nimi on teams_ID . Tulosta se sitten.

Konsolissa huomaat, että ensimmäisellä rivillä lukee, että se on tabble .

Tibble on siisti parannus perustietokehykseen verrattuna. Se on pakkauksessa oleva ominaisuus, joka täydentää ja parantaa laatikosta saatavaa.

Toinen rivi on Ryhmät . Joten tiedot ryhmitellään nyt teamID-sarakkeen mukaan.

Ja sen avulla voit nyt käyttää yhteenvetotoimintoa ( ) näissä ryhmissä.

Huomautus: yhteenvetofunktio voi olla joko s- tai z-kirjaimella, ja se riippuu britti- tai amerikkalaisen englannin käytöstä.

Tehdään esimerkiksi yhteenveto teams_ID:stä ja hankitaan perusyhteenvetotilastoja. Tarkastellaan kunkin joukkueen voittojen keskiarvoa, minimiä ja enimmäisarvoa. Muista korostaa koko koodi ennen kuin valitset Suorita .

Näet sitten konsolissa, että yhteenveto kunkin joukkueen tilastoista tulee näkyviin. Tämä on hyvin samanlainen kuin pivot-taulukko, jossa kokoat ja teet yhteenvedon.

Johtopäätös

Yhteenvetona totean, että kaksi dplyr-toimintoa on keskusteltu. Edellinen opetusohjelma keskittyi saraketoimintoihin. Sillä välin tämä nykyinen oppitunti osoitti sinulle, kuinka voit suorittaa rivitoimintoja käyttämällä dplyr -pakettia RStudiossa. Erityisesti opit järjestämään, suodattamaan ja ryhmittelemään rivejä R:ssä.

Seuraavaksi opit yhdistämään nämä kaksi toimintoa. Kaikkien tähän mennessä oppimiesi toimintojen käyttäminen auttaa sinua suuresti luomaan koodeja R:ssä. Hyödyllisempi tekniikka olisi kuitenkin liukuhihna. Tämä auttaa kaikkea kulkemaan yhdessä. Muista siis käydä läpi myös seuraavat opetusohjelmat.