Oszlopok hozzáadása, eltávolítása és átnevezése az R alkalmazásban a Dplyr használatával

A dplyr egy népszerű R-csomag az adatkezeléshez, amely megkönnyíti a felhasználók számára az adatkeretekkel való munkát. Az adatokkal való munka során gyakori feladat az oszlopok átnevezése, amelyet a dplyr hatékonyan kezel a rename() függvény használatával.

A dplyr rename() funkciója különösen hasznos olyan adatkészletek kezelésekor, amelyeknek az oszlopai nem egyértelmű vagy kétértelmű nevűek. Az oszlopok átnevezésének egyszerű és intuitív szintaxisával a dplyr megkönnyíti a felhasználók számára a kód megértését és karbantartását.

Ezenkívül ez a funkció könnyen kombinálható más dplyr műveletekkel, például szűréssel és összegzéssel, hogy zökkenőmentes adatkezelési munkafolyamatot hozzon létre az R-ben.

Ezek a funkciók a nyelven is elérhetők, tehát nem egyediek az R programban. R azonban jobban kezeli őket.

A következő cikkben megvizsgáljuk a dplyr rename() függvényének és különféle alkalmazásainak részleteit, bemutatva, hogy mennyire hatékony lehet az adatkeretek kezelésében.

Azt is megtanuljuk, hogyan adhatunk hozzá és távolíthatunk el oszlopokat R-ben a dyplr használatával.

E technikák elsajátításával a felhasználók javíthatják adatkezelési erőfeszítéseik gyakorlatiasságát, robusztusabb és hibamentesebb elemzéseket készíthetnek, és jól érezhetik magukat az út során!

Vágjunk bele egy kis adattudományba, itt az ideje cibálni, vagy mondjuk úgy, hogy ráhozzuk az R-t!

Tartalomjegyzék

• A Dplyr átnevezés megértése
• A Dplyr telepítése és betöltése
• A Dplyr átnevezési funkció használata
  • Alapszintaxis
  • Több oszlop átnevezése
  • Láncolás más Dplyr-funkciókkal
• Gyakori Dplyr átnevezési esetek
• Hibák és Edge-esetek kezelése
• További valós példák – Oszlopok hozzáadása, eltávolítása és átnevezése
• Az oszlopműveletek alapvető funkciói
  • 1. Új oszlopok hozzáadása az R-hez
  • 2. Válassza az R oszlopok lehetőséget
  • 3. Nevezze át az R oszlopokat
• Az utolsó szó
• GYIK
  • Mi a különbség az R és a Python között?
  • Mi az az str?
  • Mi a Petal.Length R-ben?
  • Mi az a DataFrame az R-ben?
  • Mit jelent a dbl?

A Dplyr átnevezés megértése

Az R-ben található dplyr csomag egy népszerű adatkezelési tidyverse csomag, amely hasznos funkciókat kínál az adatkészletek átalakításához és rendszerezéséhez. Ezen függvények közül a rename() függvény különösen hasznos az oszlopnevek adatkeretben történő módosítása során.

A rename() függvény használatához egyszerűen adja meg az új oszlopnevet, majd a régit, így: new_name = old_name. Például vegyünk egy minta adatkeretet, ahol a „old1” oszlop nevét „new1”-re szeretnénk módosítani. A szintaxis így nézne ki:

library(dplyr)
df %>% rename(new1 = old1)

Ezenkívül a rename_with() függvény lehetővé teszi az oszlopok átnevezését egy megadott átalakítási függvény használatával. Például használhatja a toupper függvényt az összes oszlopnév nagybetűssé alakításához:

df %>% rename_with(toupper)

Ha egyszerre több oszlopot kell átneveznie, a dplyr két módszert kínál. Az első a rename() függvény használatát foglalja magában, több új és régi oszlopnév megadásával argumentumként:

df %>% rename(new1 = old1, new2 = old2)

A második módszer a rename_with() függvény használatát foglalja magában, ahol régi és új oszlopnevek tömbjeit határozzuk meg:

new <- c('new1',="" 'new2')="" old=""><- c('old1',="" 'old2')="" df="" %="">% rename_with(~ new, all_of(old))

A fenti példákban látható mindkét módszer ugyanazt az eredményt adja.

A Dplyr telepítése és betöltése

A dplyr csomag oszlopok átnevezésére való használatának megkezdéséhez először telepítenie és be kell töltenie a csomagot az R környezetben. A dplyr telepítése egy egyszerű folyamat, amely a következő paranccsal hajtható végre:

install.packages("dplyr")

A telepítés befejezése után a dplyr csomagot betöltheti az R szkriptbe a könyvtár funkció segítségével:

library("dplyr")

A dplyr csomag telepítése és betöltése után most már használhatja hatékony adatkezelési funkcióit, beleértve a rename() függvényt az adatkeret oszlopainak átnevezésére.

Íme egy példa a rename() függvény használatára a jól ismert írisz adatkészlettel. Tegyük fel, hogy át szeretné nevezni a „Sepal.Length” oszlopot „sepal_length”-re. Ezt a következő kóddal érheti el:

iris_renamed <- iris="" %="">%
  rename(sepal_length = Sepal.Length)

Ebben a kódrészletben a %>% operátor az írisz adatkészletet a rename() függvénybe vezeti. Az új „sepal_length” oszlopnév a régi „Sepal.Length” oszlopnévhez van hozzárendelve. Az eredményül kapott adatkeret az átnevezett oszlopot ezután a változónevekhez rendeli hozzá: iris_renamed.

A rename() függvény több oszlop átnevezését is képes kezelni egyszerre. Ha például a „Sepal.Length” és „Sepal.Width” oszlopot is át szeretné nevezni „sepal_length” és „sepal_width” oszlopra, akkor a következő kódot használhatja:

iris_renamed <- iris="" %="">%
  rename(
    sepal_length = Sepal.Length,
    sepal_width = Sepal.Width
  )

Ez a kódrészlet bemutatja, milyen egyszerű átnevezni több oszlopot egy adatkeretben a dplyr rename() függvényével.

A Dplyr átnevezési funkció használata

Az R-ben található dplyr csomag egy hatékony eszköz az adatkezeléshez, amikor adatkeretekkel dolgozik. A sok hasznos funkció egyike az átnevezés funkció, amely lehetővé teszi az adatkeret oszlopainak egyszerű átnevezését.

Alapszintaxis

A dplyr átnevezési funkció használatának alapvető szintaxisa a következő:

library(dplyr)
your_dataframe %>% rename(new_column_name = old_column_name)

Ez a parancs átnevezi a megadott régi oszlopot a kívánt új oszlopnévre anélkül, hogy az adatkeret többi oszlopát megváltoztatná.

Több oszlop átnevezése

Egyszerre több oszlopot is átnevezhet ugyanazzal az átnevezési funkcióval. Ehhez egyszerűen válassza el az egyes oszlopokat a pár vesszővel történő átnevezésével:

your_dataframe %>%
   rename(new_column1 = old_column1,
          new_column2 = old_column2,
          new_column3 = old_column3)

Ezzel a megközelítéssel annyi oszlopot nevezhet át, amennyi szükséges egyetlen utasításban.

Alternatív megoldásként használhatja a rename_with()függvényt átalakítások alkalmazására az oszlopnevekre. Ez a függvény egy adatkeretet és egy függvényt vesz fel, amelyet az oszlopnevekre alkalmazunk az új nevek generálásához. Például:

your_dataframe %>%
  rename_with(.cols = c("old_column1", "old_column2"), .fn = toupper)

Ezzel a megadott oszlopneveket nagybetűssé alakítja.

Láncolás más Dplyr-funkciókkal

A dplyr egyik erőssége, hogy képes több műveletet egymáshoz láncolni az %>%operátor használatával. Ez lehetővé teszi, hogy egy sor adatkezelést végezzen tömör és könnyen olvasható módon. Az átnevezés funkció használatakor láncolhatja más dplyr függvényekkel, például filter(), mutate(), és summarize():

your_dataframe %>%
  filter(some_condition) %>%
  rename(new_column_name = old_column_name) %>%
  mutate(new_column = some_expression) %>%
  summarize(some_aggregation)

Ez a példa egy sor adatmanipulációt mutat be, ahol először az adatszűrést hajtják végre, ezt követi egy oszlop átnevezése, egy új oszlop létrehozása a mute használatával, végül pedig az adatok összegzése egy aggregációs függvénnyel.

A dplyr átnevezési funkciójának és láncolási képességeinek kihasználásával az R-felhasználók hatékony és olvasható adatkezelést hajthatnak végre az adatkereteiken.

Gyakori Dplyr átnevezési esetek

A Dplyr egy hatékony csomag az R-ben, amely egy sor funkciót biztosít az adatkezelési feladatok végrehajtásához. Az egyik gyakori feladat az oszlopok átnevezése egy adatkeretben. Ebben a részben a dplyr átnevezési funkciójának néhány gyakori használati esetét tárgyaljuk.

1. Egyszerű oszlop átnevezés:

Egy oszlop átnevezése egyszerű a rename()függvény használatával. A szintaxis a rename(dataframe, new_name = old_name). Íme egy példa:

library(dplyr)
dataframe <- dataframe="" %="">% rename(new_column_name = old_column_name)

2. Több oszlop átnevezése:

Egy függvényhívásban több oszlopot is átnevezhet, ha további oszlopleképezést biztosít rename()a függvényen belül. Íme egy példa:

dataframe <- dataframe="" %="">%
  rename(new_col_name1 = old_col_name1,
         new_col_name2 = old_col_name2)

3. Oszlopok átnevezése karakterlánc-függvényekkel:

A függvény használatával átnevezheti az oszlopokat karakterlánc-függvényekkel, például tolower()vagy . A Stack Overflow szerint ez a függvény felváltja a most felváltott , és függvényeket. Íme egy példa:toupper()rename_with()rename_ifrename_atrename_all

dataframe <- dataframe="" %="">%
  rename_with(tolower)  # Converts column names to lowercase

4. Oszlopok átnevezése feltétel alapján:

A segítségével rename_with()egyéni átnevezési funkciókat, sőt használati feltételeket is alkalmazhat. A következő példa bemutatja az oszlopok átnevezését az alapján, hogy tartalmaznak-e egy bizonyos karakterláncot:

rename_function <- function(x)="" {="" if="" (grepl("length",="" x))="" {="" return(paste0(x,="" "_length"))="" }="" else="" {="" return(paste0(x,="" "_default"))="" }="" }="" dataframe=""><- dataframe="" %="">% rename_with(rename_function)

Hibák és Edge-esetek kezelése

Amikor a dplyr átnevezési funkciót használja az oszlopnevek módosítására egy adatkeretben, előfordulhat, hogy hibákat vagy éleseteket tapasztalhat az ismétlődő oszlopnevek, az oszlopnevekben lévő szóközök vagy a helytelen szintaxis miatt. Ez a rész útmutatást ad ezeknek a problémáknak a megoldásához.

Az ismétlődő oszlopnevek kezelésekor a dplyr nem tudja átnevezni az azonos kimeneti névvel rendelkező oszlopokat. Az oszlopnevek ismétlődésének elkerülése érdekében azonban a dplyr csomag függvényét használja a rename_allkövetkezővel együtt paste0:

d %>% rename_all(~paste0(., 1:2))

Ez a kód egy 1-től 2-ig terjedő számot fűz minden oszlopnévhez, biztosítva, hogy ne legyenek ismétlődések. További részletek ebben a Stack Overflow vitában találhatók .

Abban az esetben, ha az oszlopnevekben szóközök vannak, a backtick-ekkel zárhatja be az oszlopneveket, így:

df %>% rename(foo = `test col`)

Végül, ha azzal kapcsolatos problémákkal szembesül, hogy a dplyr nem fogadja el a paste0()függvényt régi_névként a -ban rename(), akkor egy lehetséges megoldás az, hogy az új oszlopneveket a függvényen kívül állítja össze rename(), majd használja bemenetként. Ebben a Stack Overflow kérdésben egy hasonló témáról szóló vita található .

Ha ezeket a hibákat és szélsőséges eseteket kezeli, jobban felkészült lesz a bonyolult átnevezési forgatókönyvek kezelésére a dplyr-ben.

A dplyr átnevezésről szóló cikkünk utolsó részében megvitattuk annak fontosságát az adatkezelési feladatokban. A rename() függvény lehetővé teszi a felhasználók számára, hogy hatékonyan módosítsák az oszlopneveket, ami világosabb és tömörebb adatkereteket eredményez. Ez különösen akkor válik hasznossá, ha nagy adathalmazokkal vagy adat-előfeldolgozási lépésekkel foglalkozik.

A dplyr csomag használatával az oszlopok átnevezése R-ben egyszerű, nem kemény adattudomány, nézze meg az alábbiakat:

  rename(new_column_name = old_column_name)

Ezzel az egyszerű szintaxissal lecserélheti a régi oszlopneveket újakra, javítva az olvashatóságot és biztosítva az adatok konzisztenciáját. Ezenkívül a rename_with() függvény használható oszlopnevek módosítására egy adott függvény segítségével. Ez nagyobb ellenőrzést és személyre szabott adatkezelést tesz lehetővé.

A dplyr és az átnevezési funkció erejének kihasználásával magabiztosan kezelheti adatait, és javíthatja az általános adatfeldolgozási képességeket. Ne felejtse el mindig megbízható forrásokat használni, amikor új R programozási technikákat tanul, mint pl

A dplyr átnevezéssel az eszköztárában jól felkészült a különféle adatkezelési kihívások kezelésére, és továbbfejlesztheti R programozási szakértelmét.

További valós példák – Oszlopok hozzáadása, eltávolítása és átnevezése

Az oszlopműveletek lehetővé teszik az R oszlopok kiszámítását, hozzáadását, eltávolítását és átnevezését a dplyr segítségével . Nyisson meg egy új R-szkriptet az RStudióban. Ha nem tudja, hogyan, kattintson a linkekre, hogy megtudja, hogyan és .

Ehhez a demonstrációhoz a Lahman adatkészlet-csomagot használjuk. Ez több mint száz éves baseball rekordokat tartalmaz. Ez egy jó adatkészlet gyakorláshoz. Egy gyors google kereséssel le tudod tölteni.

Ezenkívül a Lahman-csomagban van egy Teams nevű adatkészlet , nagy T-vel. Az R nyelvű elnevezési konvenciók bevált gyakorlata a kisbetűk használata. Tehát ezt először csapatokká kell konvertálni , amint az az alábbi képen látható.

Az oszlopműveletek alapvető funkciói

1. Új oszlopok hozzáadása az R-hez

Az első függvény a mute ( ) . Ez új oszlopot hoz létre a meglévő oszlopok alapján.

Ha új oszlopot szeretne kiszámítani, használhatja a mutáció függvényt a következő argumentum szerint:

A df bármely adatkeret állandó neve. Tehát a tényleges használat során cserélje ki a df- et a mutálni kívánt adatkeret nevére. Ezután elhelyezi az új változókat, amelyeket el kell nevezni, az új oszlop levezetésének képletével együtt.

Példaként a mutáció függvényt használjuk az egyes oszlopok nyerési százalékának meghatározásához. A Lahman-adatkészletben van egy Nyeremény és veszteség oszlop. A százalék kiszámításához el kell osztani a nyereményt a nyeremény és a veszteség összegével. De mielőtt ezt megtehetné, be kell vinnie a dplyr csomagot.

Íme, mi történik, ha a mute függvényt dplyr nélkül futtatja :

Hibaüzenetet fog kapni, amely azt mondja, hogy „nem található a függvény mutációja”.

Tehát a következőképpen hozhatja be a dplyr-t az R-be. Csak a könyvtárat (tidyverse) kell futtatnia .

Látni fogja, hogy a dplyr a tidyverse csomag számos funkciója között van . Egy másik lehetőség a könyvtár (dplyr) futtatása .

Ha most a mutáció függvényt tartalmazó kódra helyezi a kurzort, és futtatja, akkor megjelenik a Wpct oszlop, amely a nyerési százalékokat tartalmazza.

Ebben az esetben a mutáció függvény eredménye csak lefutott; nem rendelt hozzá az adatokhoz.

Ha a mute függvény eredményét az adatcsoportokhoz szeretné hozzárendelni , akkor a hozzárendelési operátort ( <-> ) kell használnia . Ha kész, futtassa. Aztán egy másik sorban, fuss head (csapatok) . Ez hozzárendeli az eredményt a csapatok adatkészletéhez.

Ha ellenőrizni szeretné, hogy egy adatkészletben mely oszlopok állnak rendelkezésre, használja a nevek ( ) függvényt. Ez kilistázza az adatokban szereplő összes oszlopnevet.

Meglévő függvényeket is használhat a mutációs függvény részeként. Például egy adott adatkészlet naplóját a napló ( ) funkció segítségével veheti fel.

2. Válassza az R oszlopok lehetőséget

A dplyr másik funkciója a kiválasztás ( ) . Eldobja vagy kiválasztja az adott oszlopokat. Alapvető algoritmusa a következő:

Meg kell adnia az adatkeret nevét, majd a kiválasztani kívánt oszlopokat.

Ha például meg szeretné tartani az évazonosító, nyeremény és veszteség oszlopokat az adatkészletben, akkor csak a következőket kell futtatnia:

Ezután megkapja a kívánt eredményt:

Ha azonban nem használja a fej ( ) függvényt, az eredmény az oszlopok alsó sorait mutatja. Tehát ha több adatsorral van dolgod, akkor folyamatosan felfelé kell görgetned, hogy az oszlop tetejére juss.

A legjobb gyakorlat a fej funkció használata a select funkcióval együtt. Így a kód futtatásakor az eredmény először az oszlop felső sorait jeleníti meg.

Ha most oszlopokat szeretne eltávolítani az adatkészletből, csak egy mínuszjelet ( – ) kell elhelyeznie az oszlop neve előtt.

Annak ellenőrzéséhez, hogy valóban eltávolítottak-e egy oszlopot, összehasonlíthatja az új adatkészletet a régivel. Íme, hogyan kell csinálni:

Először rendelje hozzá az R kódot a kiválasztási funkcióval egy objektumhoz. Ebben a példában a teams_short értékhez van rendelve . Az oszlopok számának megszámlálásához használja az ncol ( ) függvényt. Futtassa az ncol függvényt a teams_short és a teams esetén is .

Ekkor látni fogja, hogy egy oszlopot eltávolítottak az adatkészletből.

3. Nevezze át az R oszlopokat

A dplyr utolsó oszlopfüggvénye az átnevezés ( ) . És ahogy a neve is sugallja, át tudja nevezni a kiválasztott oszlopokat az R-ben.

Ez az alapvető algoritmusa:

És észre fogod venni, hogy ez egy kicsit ellentmondásos; az új név először, míg a régi név ezután következik. Tehát ügyeljen arra, hogy ezeket ne keverje össze.

Példaként az aktuális évazonosító és felosztásazonosító oszlop átnevezése év_azonosítóra , illetve divízióazonosítóra lesz . A kód futtatása előtt győződjön meg róla, hogy új objektumhoz rendeli, hogy ne zavarja meg az eredeti adatkészletet.

A nevek ( ) funkció segítségével ellenőrizze, hogy ezeknek a kijelölt oszlopoknak a neve sikeresen megváltozott-e .

Látni fogja, hogy az oszlopokat valóban átnevezték.

Elgondolkozott már azon, milyen erős az R a LuckyTemplates-szel együtt használva, nézze meg ezt a fantasztikus technikát, rengeteg időt takaríthat meg.

Az utolsó szó

Ez az oktatóanyag három alapvető dplyr függvényt tárgyal, amelyek segítségével oszlopműveleteket hajthat végre. Pontosabban, megtanulta, hogyan adhat hozzá, távolíthat el és nevezhet át oszlopokat az R-ben.

Vannak még további funkciók, amelyeket még fel kell fedeznie. De fontos ismerni és ismerni a mute ( ) , kiválaszt ( ) és átnevezés ( ), mivel ezek a leggyakoribbak.

Ezek az oszlopszerkesztési technikák a Power Queryben is elvégezhetők. De nagyszerű, ha ismeri ezt a dplyr-ben is. Ez minden bizonnyal segítségére lesz, amikor áttér a statisztikai adatkészletek elemzésére.

GYIK

Mi a különbség az R és a Python között?

Kezdetnek az R és a Python is programozási nyelv, de a python inkább egy általános használatú nyelv, az R pedig egy statisztikai programozási nyelv. A Python egy gyakrabban használt, érthető és sokoldalúbb nyelv.

Mi az az str?

Az str egyszerűen megjeleníti r objektum struktúráit

Mi a Petal.Length R-ben?

A Petal.length egy formátum, amelyet az R-ben használnak az általunk tesztelt kapcsolatok újraszámlálására.

Mi az a DataFrame az R-ben?

Az R Data keret egy táblázatos adatstruktúra, amelyet általában bármilyen típusú adat értékének tárolására használnak.

Mit jelent a dbl?

A Dbl a „dupla osztály” rövidítése, ez egy olyan adattípus, amely tizedespontokat tartalmazó numerikus értékek tárolására szolgál.