Cvičenie 3 - Práca s knižnicou dplyr

Cieľom tretieho cvičenia je práca s dátovými rámcami pomocou klnižnice dplyr. Uvedené príkazy sa často využívajú v procese predspracovania dát.

Balík dplyr je jedným z najpopupárnejších balíkov v R. V tejto časti sa pozrieme na niekoľko príkladov a tipov ako používať knižnicu dplyr na čistenie a trasformáciu dát. Pre inštaláciu zadajte

install.packages("dplyr") 

a načítajte knižnicu pomocou nasledujúceho príkazu:

library(dplyr) 

Základné kombinácie dvoch tabuliek

V nasledujúcich úlohách budeme využívať dáta, o fiktívnych príjmoch rôznych štátov od roku 2002 do 2015. Tento dataset obsahuje 51 riadkov (pozorovaní) a 16 stĺpcov (premenných).

Dataset si načitajte pomocou nasledujúceho kódu:

dataset = read.csv("https://raw.githubusercontent.com/deepanshu88/data/master/sampledata.csv")

Pri riešení jednotlivých úloh sa budeme stretávať s týmito logickými operátormi:

Manipulate Cases

Nasledujúca tabuľka obsahuje základné funkcie na prácu s riadkami:

Funkcia	Popis
select_n(dataframe,n)	Náhodný výber n riadkov
select_frac(dataframe,n)	Náhodný výber n % riadkov, n zadávame ako desatinné číslo
distict(daframe, variables , .keep_all)	Odstránenie duplikátov: variables podmieňuje odstránenie podľa atribútov .keep_all môže nadobúdať hodnotu TRUE alebo FALSE a používa sana zachovanie všetkých ostatných premenných vo výstupnom dátovom rámci.
filter(dataframe, logical conditions)	Výber podmnožiny údajov (riadkov) so zodpovedajúcimi logickými podmienkami
slice()	Výber riadkov podľa polohy
arrange(dataframe, variable(s)_to_sort)	Zoradenie údajov

Príklady:

Manipulate Variables

Nasledujúca tabuľka obsahuje základné funkcie na prácu s atribútmi/stĺpcami:

Funkcia	Popis
select(dataframe, variables)	Výber požadovaných atribútov: var1:var2: výber atribútu var1 až var2 -var: odstránenie atribútu var starts_with(" "): výber atribútu začínajúci písmenom/písmenami end_with(" "): odtránenie atribútu s posledným písmenom/písmenami contains(" "): obsahuje doslovný reťazec everything(): zmena poradia stĺpcov
select_if(dataframe, condition)	Podmienený výber atribútov
mutate(dataframe, expression(s))	Vytvorenie nového atribútu
mutate_all(dataframe, expression(s))	Vytvorenie nových n atribútov z pôvodných n atribútov, aplikovaním vybraného výrazu
mutate_if(dataframe, condition, expression(s))	Podmienené vytvorenie nových atribútov
mutate_at(dataframe, variables, expression(s))	Vytvorenie nových atribútov, aplikovaním výrazu na povodné atribúty
rename()	Premenovanie atribútu

Príklady:

Summarise Cases

Mnoho úloh v oblasti analýzy dát sa dá vyjadriť pomocou paradigmy split-apply-combine = rozdeliť-použiť-skombinovať: rozdeliť údaje do skupín, použiť určitú analýzu pre každú skupinu a potom skombinovať výsledky. dplyr ponúka group_by() funkciu, ktorá rozdeľuje dáta do skupín. Ak sú dáta zoskupené týmto spôsobom, je možné použiť summarize() na vyvorenie jednoriadkového súhrnu z každej skupiny. Funkcia summarize() použije pre každú skupinu agregačnú alebo súhrnnú funkciu.

Funkcia	Popis
group_by(dataframe, variables	Zoskupi dáta avšak nezmení spôsob zobrazenia údajov
summarize(dataframe, summary function)	Sumarizácia, agregácia údajov
summarize_at(dataframe, variables, summary function)	Sumarizácia viacrých premenných, výber podľa ich názvu
summarize_if(dataframe, condition, summary function)	Podmienená sumarizácia, summarizuje premenné vybrané pomocou zadanej podmienky
summarize_all(dataframe, summary function)	Sumarizuje všetky atribúty

Príklady:

Pipe Operator %>% syntax

Pipe operátor je nástrojom pre ľahko čitateľné vyjadrenie postupnosti viacerých operácií. Vďaka pipe operátoru voláme jednotlivé operácie reťazovo. Jednoducho povedané, pipe operátor nám umožňuje preniesť priebežný výsledok na ďalšiu funkciu.

Kód v jazyku R často obsahuje mnoho zátvoriek, čím sa stáva neprehľadným. Pipe operátor vytvorí zo zložitých operácií čitateľný a zrozumiteľný kód. Ďalšou výhodou je, že sa môžete vyhnúť vnoreným volaniam, minimalizujete potrebu vnorených premenných a definicií funkcií a zároveň vám uľahčí pridávanie krokov kdekoľvek do postupnosti operácií.

Aj jednoduchú funckiu ako log(x) vieme prepísať ako x %>% log(). Princíp si ukážeme na nasledujúcich príkladoch:

Úlohy

 install.packages("FSAdata")

library(FSAdata)

  ## month n priemer
  ## 1 7 182 0,24661
  ## 2 6 154 0,20867
  ## 3 9 126 0,17073
  ## 4 8 79 0,10705
  ## 5 10 69 0,09350
  ## 6 5 66 0,08943
  ## 7 4 62 0,08401