Упорядковуйте, фільтруйте та групуйте рядки в R за допомогою Dplyr

Цей посібник є продовженням дискусії про пакет dplyr . Ви дізнаєтеся, як упорядковувати, фільтрувати та групувати рядки в R.

Попередній урок стосувався операцій із колонами. Цього разу у центрі уваги будуть операції з рядками в dplyr .

Ми розглянемо основи, зокрема сортування та фільтрування набору даних , агрегування й узагальнення записів . Щоб дати вам загальне уявлення про те, чого очікувати від цього уроку, подумайте про зведену таблицю в MS Excel.

Зміст

• Починаємо
• Основні функції для операцій із рядками
  • 1. Упорядкуйте рядки в R
  • 2. Фільтруйте рядки в R
    • Фільтрувати рядки за кількома полями
  • 3. Згрупуйте та підсумуйте рядки в R
• Висновок

Починаємо

Відкрийте новий сценарій R у RStudio.

Подібно до уроку з операціями зі стовпцями, у цій демонстрації використовуватиметься пакет набору даних Lahman . Завантажте його, виконавши швидкий пошук у Google.

Щоб перенести пакет Lahman у R, запустіть бібліотеку (Lahman) . Щоб увімкнути пакет dplyr , запустіть бібліотеку (tidyverse) . Крім того, найкраща практика іменування в R полягає в використанні малих літер, тому призначайте Teams у teams .

Основні функції для операцій із рядками

1. Упорядкуйте рядки в R

Першою операцією рядка в dpylr є arrange () . Ця функція дозволяє змінювати порядок рядків. Він працює, спочатку впорядковуючи кадр даних df , а потім задані поля.

Наприклад, відсортуємо за teamID . Запустіть arrange (teams, teamID) .

Якщо ви хочете, щоб вони були розташовані в порядку спадання, вам потрібно скористатися функцією desc ( ) .

Наприклад, якщо ви хочете відсортувати за роком у порядку спадання, запустіть arrange (teams, desc(yearID)) .

Коли ви робите це, ви не призначаєте результати назад командам . Ви просто бачите результат у Консолі.

Також можна сортувати за кількома критеріями. Наприклад, якщо ви хочете відсортувати за teamID, а потім за yearID у порядку спадання, вам потрібно лише запустити цей код:

Коли ви сортуєте рядки, ви не змінюєте дані. Дані просто переміщуються. Нічого не додається і не видаляється.

2. Фільтруйте рядки в R

Функція фільтра ( ) додає або видаляє дані залежно від вибраних критеріїв. Його основний код:

Як приклад, давайте отримаємо всі дані, де yearID більше або дорівнює 2000. Дотримуйтеся формату функції фільтра та введіть необхідну інформацію. Потім запустіть його. Не забудьте призначити це новому об’єкту. У цьому випадку його віднесли до сучасної .

Щоб перевірити, чи дійсно рядки були відфільтровані, ви можете скористатися функцією dim ( ) . Він дає кількість рядків і стовпців у кадрі даних.

Якщо ви запустите dim (teams) , ви побачите, що фрейм даних має 2955 рядків і 48 стовпців.

Якщо ви запустите функцію dim на modern , ви побачите, що кількість рядків зменшено до 630, а кількість стовпців залишилася незмінною.

Рядки були скорочені, оскільки деякі записи виходять за межі 2000 року.

Фільтрувати рядки за кількома полями

У R також можна фільтрувати рядки за декількома полями. Вам потрібно буде використовувати оператори І та АБО .

Наприклад, давайте відфільтруємо команди за областями. У цьому випадку створюється новий об'єкт Ohio . Критерії фільтра полягають у тому, що teamID має включати лише Клівленд І Цинциннаті.

Вам потрібно використовувати подвійний знак рівності ( == ), щоб перевірити рівність. Якщо ви використовуєте лише один знак рівності, R розглядатиме його як оператор присвоєння. Використовуйте амперсанд ( & ) для позначення І.

Для перевірки використовуйте функцію dim . Ви побачите, що кількість рядків дорівнює 0.

Це означає, що немає жодної команди, яка базується в Клівленді та Цинциннаті.

Далі спробуємо Клівленд АБО Цинциннаті. Оператор АБО представлено оператором конвеєра ( | ). Отже, все, що вам потрібно зробити, це замінити амперсанд оператором каналу, а потім запустити його. Після цього знову запустіть функцію dim .

Ви побачите, що тут 251 рядок, а не нуль.

А що, якщо ви забудете використати подвійний знак рівності і замість цього використаєте один? Ось що відбувається:

RStudio покаже дуже корисне повідомлення про помилку в Консолі з нагадуванням про використання подвійного знака рівності.

3. Згрупуйте та підсумуйте рядки в R

Функція групування за ( ) дозволяє об’єднувати записи за вибраними стовпцями, а потім на основі цього об’єднання підсумовувати інший стовпець.

Функція групування за ( ) виконується за таким алгоритмом:

Як приклад, давайте згрупуємо за teamID і призначимо його новому об’єкту. У цьому випадку новий об’єкт називається teams_ID . Потім роздрукуйте його.

У консолі ви помітите, що перший рядок каже, що це тибл .

Tibble — це вдосконалення tidyverse порівняно з основним кадром даних . Це функція в пакеті, яка доповнює та покращує те, що доступно з коробки.

Другий рядок — групи . Отже, тепер дані згруповані за стовпцем teamID.

І з цим тепер ви можете використовувати функцію summize ( ) для цих груп.

Примітка: функція підсумовування може бути з s або z, і це буде залежати від використання британської чи американської англійської.

Наприклад, давайте підсумуємо teams_ID і отримаємо базову підсумкову статистику. Давайте знайдемо середнє, мінімальне та максимальне значення перемог для кожної команди. Не забудьте виділити весь код, перш ніж вибрати « Запустити» .

Потім ви побачите в Консолі, що відображається зведена статистика кожної команди. Це дуже схоже на зведену таблицю, у якій ви збираєте та узагальнюєте дані.

Висновок

Підсумовуючи, ми обговорювали дві операції в dplyr. Попередній посібник зосереджувався на операціях зі стовпцями. Тим часом цей поточний урок показав вам, як виконувати операції з рядками за допомогою пакета dplyr у RStudio. Зокрема, ви навчилися впорядковувати, фільтрувати та групувати рядки в R.

Наступне, що потрібно навчитися, це як поєднати ці дві операції. Використання всіх функцій, які ви навчилися досі, значно допоможе вам у створенні кодів у R. Однак більш корисною технікою буде конвеєр. Це допоможе всьому злитися. Тому обов’язково також перегляньте наступні посібники.