ترتيب الصفوف وتصفيتها وتجميعها في R باستخدام Dplyr

هذا البرنامج التعليمي هو استمرار للمناقشة حول حزمة dplyr . ستتعلم كيفية ترتيب الصفوف وتصفيتها وتجميعها في R.

كان الدرس السابق حول عمليات العمود. هذه المرة ، سيكون التركيز على عمليات الصفوف في dplyr .

سنغطي الأساسيات التي تتضمن فرز مجموعة بيانات وتصفيتها وتجميع السجلات وتلخيصها . لإعطائك نظرة عامة حول ما يمكن توقعه في هذا الدرس ، فكر في جدول محوري في MS Excel.

جدول المحتويات

• ابدء
• الوظائف الأساسية لعمليات الصف
  • 1. ترتيب الصفوف في R
  • 2. تصفية الصفوف في R
    • تصفية الصفوف حسب الحقول المتعددة
  • 3. تجميع حسب وتلخيص الصفوف في R
• خاتمة

ابدء

افتح برنامج نصي R جديد في RStudio.

على غرار درس عمليات العمود ، سيستخدم هذا العرض التوضيحي حزمة مجموعة بيانات Lahman . قم بتنزيله عن طريق إجراء بحث سريع على google.

لإحضار حزمة ليمان إلى R ، قم بتشغيل مكتبة (Lahman) . لتمكين حزمة dplyr ، قم بتشغيل مكتبة (tidyverse) . تذكر أيضًا أن أفضل ممارسة لاتفاقيات التسمية في R هي استخدام الأحرف الصغيرة ، لذا قم بتعيين Teams في فرق .

الوظائف الأساسية لعمليات الصف

1. ترتيب الصفوف في R

يتم ترتيب عملية الصف الأول في dpylr () . تتيح لك هذه الوظيفة إعادة ترتيب الصفوف. إنه يعمل أولاً عن طريق ترتيب إطار البيانات df ثم الحقول المحددة.

على سبيل المثال ، دعنا نفرز حسب معرف الفريق . قم بتشغيل الترتيب (فرق ، معرف الفريق) .

إذا كنت تريد ترتيبها بترتيب تنازلي ، فأنت بحاجة إلى استخدام وظيفة desc () .

على سبيل المثال ، إذا كنت تريد الفرز حسب السنة بترتيب تنازلي ، فقم بتشغيل الترتيب (فرق ، تنازلي (معرّف السنة)) .

عندما تفعل هذا ، فأنت لا تعيد الإخراج إلى الفرق . أنت فقط ترى النتيجة في وحدة التحكم.

من الممكن أيضًا الفرز وفقًا لمعايير متعددة. على سبيل المثال ، إذا كنت تريد الفرز حسب معرف الفريق ثم yearID بترتيب تنازلي ، فأنت تحتاج فقط إلى تشغيل هذا الكود:

عندما تقوم بفرز الصفوف ، فأنت لا تغير البيانات. يتم نقل البيانات للتو. لا شيء يتم إضافته أو إزالته.

2. تصفية الصفوف في R

تضيف وظيفة عامل التصفية () البيانات أو تزيلها وفقًا للمعايير المحددة. كودها الأساسي هو:

كمثال ، دعنا نحصل على جميع البيانات التي يكون فيها رقم تعريف العام أكبر من أو يساوي 2000. اتبع تنسيق وظيفة التصفية وأدخل المعلومات المطلوبة. ثم قم بتشغيله. لا تنسى تخصيص هذا لكائن جديد. في هذه الحالة ، تم تعيينه للحديث .

للتحقق مما إذا كانت الصفوف قد تمت تصفيتها بالفعل ، يمكنك استخدام الدالة dim () . يعطي عدد الصفوف والأعمدة في إطار البيانات.

إذا قمت بتشغيل (فرق) خافتة ، فسترى أن إطار البيانات يحتوي على 2955 صفًا و 48 عمودًا.

إذا قمت بتشغيل وظيفة خافتة في الحديث ، فسترى أنه تم تقليل عدد الصفوف إلى 630 بينما ظل عدد الأعمدة كما هو.

تم قطع الصفوف لأن بعض السجلات تتجاوز عام 2000.

تصفية الصفوف حسب الحقول المتعددة

من الممكن أيضًا تصفية الصفوف حسب الحقول المتعددة في R. ستحتاج إلى استخدام عبارات AND و OR .

على سبيل المثال ، دعنا نصفي الفرق حسب المنطقة. في هذه الحالة ، يتم إنشاء كائن جديد ohio . معايير التصفية هي أن معرف الفريق يجب أن يشمل كليفلاند وسينسيناتي فقط .

تحتاج إلى استخدام علامة المساواة المزدوجة ( == ) للتحقق من المساواة. إذا كنت تستخدم علامة يساوي واحدة فقط ، فسوف يعتبرها R عامل تعيين. استخدم علامة العطف ( & ) لتمثيل AND.

للتحقق ، استخدم وظيفة خافتة . سترى أن عدد الصفوف هو 0.

هذا يعني أنه لا يوجد أي فريق يقع مقر كل منهما في كليفلاند وسينسيناتي.

بعد ذلك ، لنجرب كليفلاند أو سينسيناتي. يتم تمثيل عامل التشغيل بواسطة مشغل الأنبوب ( | ). لذا ، كل ما عليك فعله هو استبدال علامة العطف بمشغل الأنابيب ثم تشغيله. بعد ذلك ، قم بتشغيل وظيفة التعتيم مرة أخرى.

ستلاحظ أن هناك 251 صفاً بدلاً من صفر.

الآن ماذا لو نسيت استخدام علامة المساواة المزدوجة وبدلاً من ذلك استخدمت علامة واحدة فقط؟ إليك ما يحدث:

سيعرض RStudio رسالة خطأ مفيدة للغاية في وحدة التحكم لتذكيرك باستخدام علامة المساواة المزدوجة.

3. تجميع حسب وتلخيص الصفوف في R

تسمح لك وظيفة التجميع حسب () بتجميع السجلات حسب الأعمدة المحددة ، ثم بناءً على هذا التجميع ، تلخيص عمود آخر.

تتبع وظيفة المجموعة () هذه الخوارزمية:

على سبيل المثال ، دعنا نجمع حسب معرف الفريق ونخصصه لكائن جديد. في هذه الحالة ، يسمى الكائن الجديد team_ID . ثم اطبعها.

في لوحة التحكم ، ستلاحظ أن السطر الأول يقول إنه tibble .

tibble هو تحسين مرتب على إطار البيانات الأساسي . إنها ميزة في الحزمة تعمل على زيادة وتحسين ما هو متاح خارج الصندوق.

السطر الثاني هو المجموعات . لذلك ، يتم الآن تجميع البيانات حسب عمود معرف الفريق.

وبهذا ، يمكنك الآن استخدام دالة التلخيص () في تلك المجموعات.

ملاحظة: يمكن أن تكون دالة التلخيص إما بحرف s أو z ، وستعتمد على استخدام الإنجليزية البريطانية أو الأمريكية.

على سبيل المثال ، دعنا نلخص team_ID ونحصل على بعض الإحصائيات الموجزة الأساسية. دعونا نبحث عن متوسط ​​وأدنى وأقصى عدد من المكاسب لكل فريق. تذكر أن تقوم بتمييز الكود بالكامل قبل اختيار تشغيل .

يمكنك بعد ذلك أن ترى في لوحة التحكم أنه يتم عرض ملخص لإحصائيات كل فريق. هذا مشابه جدًا للجدول المحوري حيث تقوم بتجميع البيانات وتلخيصها.

إطارات البيانات في R: تعلم مستويات العوامل الأساسية
في R: استخدام المتغيرات الفئوية والترتيبية
إضافة وإزالة وإعادة تسمية الأعمدة في R باستخدام dplyr

خاتمة

للتلخيص ، تمت مناقشة عمليتين في dplyr. ركز برنامج تعليمي سابق على عمليات العمود. في غضون ذلك ، أوضح لك هذا الدرس الحالي كيفية إجراء عمليات الصفوف باستخدام حزمة dplyr في RStudio. على وجه التحديد ، تعلمت كيفية ترتيب الصفوف وتصفيتها وتجميعها في R.

الشيء التالي الذي يجب تعلمه هو كيفية الجمع بين هاتين العمليتين. سيساعدك استخدام جميع الوظائف التي تعلمتها حتى الآن بشكل كبير في إنشاء الأكواد في R. ومع ذلك ، فإن الأسلوب الأكثر فائدة هو خط الأنابيب. سيساعد هذا كل شيء على التدفق معًا. لذا ، تأكد من مراجعة البرامج التعليمية التالية أيضًا.