R Select(), Filter(), Align(), 파이프라인(예제 포함)

dplyr이라는 라이브러리에는 데이터 세트 내부를 탐색하는 데 유용한 동사가 포함되어 있습니다. 이 튜토리얼에서는 이동 시간 데이터세트를 사용합니다. 데이터세트는 운전자가 집과 직장을 오가는 이동 경로에 대한 정보를 수집합니다. 데이터 세트에는 다음을 포함하여 XNUMX개의 변수가 있습니다.

• DayOfWeek: 운전자가 자동차를 사용하는 요일을 식별합니다.
• 거리: 여행의 총 거리
• MaxSpeed: 여행의 최대 속도
• TotalTime: 이동 시간(분)

데이터세트에는 약 200개의 관측값이 있으며, 탑승은 사이에 발생했습니다. Monday 금요일에.

우선, 다음을 수행해야 합니다.

• 데이터세트 로드
• 데이터의 구조를 확인하세요.

dplyr의 편리한 기능 중 하나는 looking() 기능입니다. 이는 str()에 비해 개선된 것입니다. laplign()을 사용하여 데이터세트의 구조를 확인하고 어떤 조작이 필요한지 결정할 수 있습니다.

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

출력:

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

이는 Comments 변수에 추가 진단이 필요하다는 것이 분명합니다. Comments 변수의 첫 번째 관측치는 누락된 값일 뿐입니다.

sum(df$Comments =="")

코드 설명

• sum(df$Comments ==""): df의 열 주석에서 ""와 동일한 관측치를 합산합니다.

출력:

## [1] 181

고르다()

select() 동사부터 시작하겠습니다. 모든 변수가 반드시 필요한 것은 아니며 관련성이 있다고 생각되는 변수만 선택하는 것이 좋습니다.

데이터 세트의 거의 181%에 해당하는 90개의 누락된 관측치가 있습니다. 제외하기로 결정하면 분석을 계속할 수 없습니다.

다른 가능성은 select() 동사를 사용하여 Comment 변수를 삭제하는 것입니다.

select()를 사용하면 다양한 방법으로 변수를 선택할 수 있습니다. 첫 번째 인수는 데이터 세트입니다.

- `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.	

Comments 변수를 제외하려면 세 번째 방법을 사용할 수 있습니다.

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

출력:

## [1] 205  14

dim(step_1_df)

출력:

## [1] 205  13

원본 데이터 세트에는 14개의 기능이 있고 step_1_df에는 13개의 기능이 있습니다.

필터()

filter() 동사는 관찰이 기준을 따르도록 하는 데 도움이 됩니다. filter()는 select()와 정확히 동일하게 작동합니다. 먼저 데이터 프레임을 전달한 다음 쉼표로 구분된 조건을 전달합니다.

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

하나의 기준

우선, 요인변수의 각 수준 내에서 관측치 수를 계산할 수 있습니다.

table(step_1_df$GoingTo)

코드 설명

• table(): 수준별로 관측치 수를 계산합니다. 참고: 요인 수준 변수만 허용됩니다.
• table(step_1_df$GoingTo): 최종 목적지까지의 이동 횟수를 셉니다.

출력:

## 
##  GSK Home 
##  105  100	

함수 테이블()은 105번의 라이딩이 GSK로 가고 100번의 라이딩이 집으로 가는 것을 나타냅니다.

데이터를 필터링하여 105개의 관측값이 있는 하나의 데이터세트와 100개의 관측값이 있는 다른 데이터세트를 반환할 수 있습니다.

# Select observations
if GoingTo == Home
select_home <- filter(df, GoingTo == "Home")
dim(select_home)

출력:

## [1] 100  14

# Select observations
if GoingTo == Work
select_work <- filter(df, GoingTo == "GSK")
dim(select_work)

출력:

## [1] 105  14

여러 기준

둘 이상의 기준으로 데이터세트를 필터링할 수 있습니다. 예를 들어 목적지가 집이고 수요일에 발생한 관측치를 추출할 수 있습니다.

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

출력:

## [1] 23 14

23개의 관찰이 이 기준과 일치했습니다.

관로

데이터 세트를 생성하려면 다음과 같은 많은 작업이 필요합니다.

• 가져 오기
• 합병
• 선택
• 필터링
• 등

dplyr 라이브러리에는 %>%라는 실용적인 연산자가 함께 제공됩니다. 관로. 파이프라인 기능을 사용하면 조작이 깔끔하고 빠르며 오류 발생 가능성이 줄어듭니다.

이 연산자는 중간 단계를 하드 드라이브에 저장하지 않고 단계를 수행하는 코드입니다. 위의 예로 돌아가면 관심 있는 변수를 선택하여 필터링할 수 있습니다. 세 가지 단계가 있습니다.

• 1단계: 데이터 가져오기: GPS 데이터 가져오기
• 2단계: 데이터 선택: GoingTo 및 DayOfWeek 선택
• 3단계: 데이터 필터링: Home과 Wednesday만 반환

우리는 그것을 하기 위해 어려운 방법을 사용할 수 있습니다:

# Step 1
step_1 <- read.csv(PATH)

# Step 2 
step_2 <- select(step_1, GoingTo, DayOfWeek)

# Step 3 
step_3 <- filter(step_2, GoingTo == "Home", DayOfWeek == "Wednesday")

head(step_3)

출력:

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

그것은 많은 작업을 수행하기에 편리한 방법이 아니며, 특히 단계가 많은 상황에서는 더욱 그렇습니다. 환경에는 많은 객체가 저장되게 됩니다.

대신 파이프라인 연산자 %>%를 사용합시다. 처음에 사용된 데이터 프레임만 정의하면 모든 프로세스가 거기서부터 흐를 것입니다.

파이프라인의 기본 구문

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 anymore
Note: Create a new variable is optional. If not included, the output will be displayed in the console.

위에 나열된 단계에 따라 첫 번째 파이프를 만들 수 있습니다.

# Create the data frame filter_home_wed.It will be the object return at the end of the pipeline
filter_home_wed <- 

#Step 1
read.csv(PATH) % > % 

#Step 2
select(GoingTo, DayOfWeek) % > % 

#Step 3
filter(GoingTo == "Home",DayOfWeek == "Wednesday")
identical(step_3, filter_home_wed)

출력:

## [1] TRUE

파이프라인 연산자를 사용하여 놀라운 데이터 세트를 만들 준비가 되었습니다.

마련하다()

. 이전 튜토리얼, sort() 함수를 사용하여 값을 정렬하는 방법을 알아봅니다. dplyr 라이브러리에는 정렬 기능이 있습니다. 파이프라인에서는 매력적으로 작동합니다. 배열() 동사는 하나 또는 여러 행을 오름차순(기본값) 또는 내림차순으로 재정렬할 수 있습니다.

- `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

목적지별로 거리를 정렬할 수 있습니다.

# Sort by destination and distance
step_2_df <-step_1_df %>%
	arrange(GoingTo, Distance)
head<step_2_df)

출력:

##     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

요약

아래 표에서는 튜토리얼에서 배운 모든 연산을 요약했습니다.

glimpse(df)

select(df, A, B ,C)

select(df, A:C)

select(df, -C)

filter(df, condition1)

filter(df, condition1

arrange(A)

arrange(A, B)

arrange(desc(A), B)

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