R Odaberite (), filtrirajte (), rasporedite (), cjevovod s primjerom

Sadržaj:

Anonim

U ovom ćete tutorijalu naučiti

  • Izaberi()
  • Filtar()
  • Cjevovod
  • dogovoriti ()

Biblioteka pod nazivom dplyr sadrži vrijedne glagole za kretanje unutar skupa podataka. Kroz ovaj vodič upotrijebit ćete skup podataka Travel times. Skup podataka prikuplja podatke o putovanju koje vozač vodi od kuće do radnog mjesta. U skupu podataka postoji četrnaest varijabli, uključujući:

  • DayOfWeek: Odredite dan u tjednu u kojem vozač koristi svoj automobil
  • Udaljenost: Ukupna udaljenost putovanja
  • MaxSpeed: maksimalna brzina putovanja
  • TotalTime: Duljina putovanja u minutama

Skup podataka sadrži oko 200 promatranja, a vožnje su se odvijale između ponedjeljka i petka.

Prije svega, trebate:

  • učitati skup podataka
  • provjeriti strukturu podataka.

Jedna korisna značajka dplyra je funkcija glimpse (). Ovo je poboljšanje u odnosu na str (). Pomoću glimpse () možemo vidjeti strukturu skupa podataka i odlučiti koja je manipulacija potrebna.

library(dplyr)PATH <- "https://raw.githubusercontent.com/guru99-edu/R-Programming/master/travel_times.csv"df <- read.csv(PATH)glimpse(df)

Izlaz:

## Observations: 205## Variables: 14## $ X  1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14,… ## $ Date  1/6/2012, 1/6/2012, 1/4/2012, 1/4/2012, 1/3/20… ## $ StartTime  16:37, 08:20, 16:17, 07:53, 18:57, 07:57, 17:3… ## $ DayOfWeek  Friday, Friday, Wednesday, Wednesday, Tuesday,… ## $ GoingTo  Home, GSK, Home, GSK, Home, GSK, Home, GSK, GS… ## $ Distance  51.29, 51.63, 51.27, 49.17, 51.15, 51.80, 51.37… ## $ MaxSpeed  127.4, 130.3, 127.4, 132.3, 136.2, 135.8, 123.2… ## $ AvgSpeed  78.3, 81.8, 82.0, 74.2, 83.4, 84.5, 82.9, 77.5,… ## $ AvgMovingSpeed  84.8, 88.9, 85.8, 82.9, 88.1, 88.8, 87.3, 85.9,… ## $ FuelEconomy  , , , , , , -, -, 8.89, 8.89, 8.89, 8.89, 8.89… ## $ TotalTime  39.3, 37.9, 37.5, 39.8, 36.8, 36.8, 37.2, 37.9,… ## $ MovingTime  36.3, 34.9, 35.9, 35.6, 34.8, 35.0, 35.3, 34.3,… ## $ Take407All  No, No, No, No, No, No, No, No, No, No, No, No… ## $ Comments  , , , , , , , , , , , , , , , Put snow tires o…

Očito je da varijabla Komentari treba daljnju dijagnostiku. Prvim zapažanjima varijable Comments nedostaju samo vrijednosti.

sum(df$Comments =)

Objašnjenje koda

  • zbroj (df $ Komentari == ""): Zbroj zapažanja jednaka "" u komentaru stupca iz df

Izlaz:

## [1] 181

Izaberi()

Započet ćemo s glagolom select (). Ne trebaju nam sve varijable, a dobra praksa je odabrati samo one varijable koje smatrate relevantnima.

Nedostaje nam 181 opažanje, gotovo 90 posto skupa podataka. Ako ih odlučite izuzeti, nećete moći nastaviti s analizom.

Druga je mogućnost ispuštanje varijable Comment uz glagol select ().

Varijable možemo odabrati na različite načine pomoću select (). Imajte na umu da je prvi argument skup podataka.

- `select(df, A, B ,C)`: Select the variables A, B and C from df dataset.- `select(df, A:C)`: Select all variables from A to C from df dataset.- `select(df, -C)`: Exclude C from the dataset from df dataset.

Možete koristiti treći način za izuzeće varijable Komentari.

step_1_df <- select(df, -Comments)dim(df)

Izlaz:

## [1] 205 14
dim(step_1_df)

Izlaz:

## [1] 205 13

Izvorni skup podataka sadrži 14 značajki, dok step_1_df ima 13.

Filtar()

Glagol filtra () pomaže da promatranja budu u skladu s kriterijima. Filtar () radi točno kao select (), prvo proslijedite okvir podataka, a zatim uvjet odvojen zarezom:

filter(df, condition)arguments:- df: dataset used to filter the data- condition: Condition used to filter the data

Jedan kriterij

Prije svega, možete izbrojati broj promatranja unutar svake razine faktor varijable.

table(step_1_df$GoingTo)

Objašnjenje koda

  • tablica (): Broji broj promatranja prema razini. Napomena, prihvaćene su samo varijable na razini faktora
  • tablica (korak_1_df $ GoingTo): Broji broj putovanja prema konačnom odredištu.

Izlaz:

#### GSK Home## 105 100

Tablica funkcija () pokazuje da 105 vožnji ide prema GSK, a 100 prema kući.

Podatke možemo filtrirati da bismo vratili jedan skup podataka sa 105 promatranja, a drugi sa 100 promatranja.

# Select observationsif GoingTo == Homeselect_home <- filter(df, GoingTo == "Home")dim(select_home)

Izlaz:

## [1] 100 14
# Select observationsif GoingTo == Workselect_work <- filter(df, GoingTo == "GSK")dim(select_work)

Izlaz:

## [1] 105 14

Višestruki kriteriji

Skup podataka možemo filtrirati s više od jednog kriterija. Na primjer, možete izvući opažanja tamo gdje je odredište Dom, a dogodilo se u srijedu.

select_home_wed <- filter(df, GoingTo == "Home" & DayOfWeek == "Wednesday")dim(select_home_wed)

Izlaz:

## [1] 23 14

23 su promatranja odgovarala ovom kriteriju.

Cjevovod

Stvaranje skupa podataka zahtijeva puno operacija, kao što su:

  • uvoz
  • spajanje
  • odabirući
  • filtriranje
  • i tako dalje

Knjižnica dplyr dolazi s praktičnim operatorom,%>, koji se naziva cjevovod . Značajka cjevovoda čini manipulaciju čistom, brzom i manje brzom za pogrešku.

Ovaj je operater kôd koji izvodi korake bez spremanja međukoraka na tvrdi disk. Ako ste se vratili našem primjeru odozgo, možete odabrati varijable od interesa i filtrirati ih. Imamo tri koraka:

  • Korak 1: Uvoz podataka: Uvoz gps podataka
  • Korak 2: Odabir podataka: Odaberite GoingTo i DayOfWeek
  • Korak 3: Filtriranje podataka: Povratak samo kući i srijedi

To možemo koristiti teži način:

# Step 1step_1 <- read.csv(PATH)# Step 2step_2 <- select(step_1, GoingTo, DayOfWeek)# Step 3step_3 <- filter(step_2, GoingTo == "Home", DayOfWeek == "Wednesday")head(step_3)

Izlaz:

## GoingTo DayOfWeek## 1 Home Wednesday## 2 Home Wednesday## 3 Home Wednesday## 4 Home Wednesday## 5 Home Wednesday## 6 Home Wednesday

To nije prikladan način za izvođenje mnogih operacija, posebno u situaciji s puno koraka. Okoliš završava s puno spremljenih predmeta.

Umjesto toga upotrijebimo operator cjevovoda%>%. Trebamo definirati podatkovni okvir koji se koristio na početku i iz njega će poteći sav proces.

Osnovna sintaksa cjevovoda

New_df <- df %>%step 1 %>%step 2 %>%… arguments- New_df: Name of the new data frame- df: Data frame used to compute the step- step: Instruction for each step- Note: The last instruction does not need the pipe operator `%`, you don't have instructions to pipe anymoreNote: Create a new variable is optional. If not included, the output will be displayed in the console.

Možete stvoriti svoju prvu cijev slijedeći gore navedene korake.

# Create the data frame filter_home_wed.It will be the object return at the end of the pipelinefilter_home_wed <-#Step 1read.csv(PATH) % > %#Step 2select(GoingTo, DayOfWeek) % > %#Step 3filter(GoingTo == "Home",DayOfWeek == "Wednesday")identical(step_3, filter_home_wed)

Izlaz:

## [1] TRUE

Spremni smo stvoriti zapanjujući skup podataka s operatorom cjevovoda.

dogovoriti ()

U prethodnom tutorialu naučili ste kako sortirati vrijednosti pomoću funkcije sort (). Biblioteka dplyr ima svoju funkciju sortiranja. Djeluje poput šarma s cjevovodom. Glagol aranžman () može preuređivati ​​jedan ili više redaka, uzlazno (zadano) ili silazno.

- `arrange(A)`: Ascending sort of variable A- `arrange(A, B)`: Ascending sort of variable A and B- `arrange(desc(A), B)`: Descending sort of variable A and ascending sort of B

Udaljenost možemo sortirati prema odredištu.

# Sort by destination and distancestep_2_df <-step_1_df %>%arrange(GoingTo, Distance)head

Izlaz:


## X Date StartTime DayOfWeek GoingTo Distance MaxSpeed AvgSpeed## 1 193 7/25/2011 08:06 Monday GSK 48.32 121.2 63.4## 2 196 7/21/2011 07:59 Thursday GSK 48.35 129.3 81.5## 3 198 7/20/2011 08:24 Wednesday GSK 48.50 125.8 75.7## 4 189 7/27/2011 08:15 Wednesday GSK 48.82 124.5 70.4## 5 95 10/11/2011 08:25 Tuesday GSK 48.94 130.8 85.7## 6 171 8/10/2011 08:13 Wednesday GSK 48.98 124.8 72.8## AvgMovingSpeed FuelEconomy TotalTime MovingTime Take407All## 1 78.4 8.45 45.7 37.0 No## 2 89.0 8.28 35.6 32.6 Yes## 3 87.3 7.89 38.5 33.3 Yes## 4 77.8 8.45 41.6 37.6 No## 5 93.2 7.81 34.3 31.5 Yes## 6 78.8 8.54 40.4 37.3 No
 

Sažetak


U donjoj tablici sažimate sve radnje koje ste naučili tijekom poduke.


 

 

 Glagol  Cilj  Kodirati  Obrazloženje  


 

 

 

 uvid  provjeriti strukturu df-a   

glimpse(df)
 		 Identično str ()  


 

 Izaberi()  Odaberite / izuzmite varijable   

select(df, A, B ,C)
 		 Odaberite varijable A, B i C  


 

      

select(df, A:C)
 		 Odaberite sve varijable od A do C  


 

      

select(df, -C)
 		 Izuzmi C  


 

 filtar()  Filtrirajte df na temelju jednog ili više uvjeta   

filter(df, condition1)
 		 Jedan uvjet  


 

      

filter(df, condition1
 		 uvjet2)  


 

 dogovoriti ()  Sortirajte skup podataka s jednom ili više varijabli   

arrange(A)
 		 Uzlazna vrsta varijable A  


 

      

arrange(A, B)
 		 Rastuća vrsta varijabli A i B  


 

      

arrange(desc(A), B)
 		 Silazna varijabla A i uzlazna B  


 

 %>%  Izradite cjevovod između svakog koraka   

step 1 %>% step 2 %>% step 3