Bewerk gegevens in R met behulp van het DataEditR-pakket

In deze zelfstudie leert u hoe u gegevens in R kunt bewerken met behulp van het DataEditR- pakket. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken .

DataEditR is een R-pakket waarmee u dashboards en rapporten in R kunt bouwen met behulp van een GUI. Vervolgens kunnen we gegevens aanwijzen en klikken, bewerken en invoeren. Je kunt het ook downloaden van CRAN. Bekijk de cursus om te weten hoe u het pakket kunt downloaden.

Laten we een korte demo bekijken. Het is een dataset van CRAN waar we basisbewerkingen voor gegevensbewerking kunnen uitvoeren en deze vervolgens kunnen opslaan. We zullen een GUI gebruiken om het te doen wanneer R een coderingstool is.

Laten we eerst RStudio opstarten, de bibliotheek (DataEditR) typen en op Enter drukken . Zorg ervoor dat je het hebt geïnstalleerd als je het niet hebt.

Typ vervolgens browseVignettes (DataEditR) in  . Het is een goede functie om uit te voeren, omdat we hier de tutorials voor dit pakket kunnen bekijken.

Voer browseVignettes uit en klik vervolgens op de  HMTL-  link. 

Scroll naar beneden om de lijst van de DataEditR tutorials te zien. U leert hoe u het opstart, hoe het werkt, hoe u gegevens erin importeert en meer. Bekijk dit als je meer gevorderd bent.

Laten we teruggaan naar de RStudio en ons concentreren op de gegevensbewerkingselementen van dit pakket.

Inhoudsopgave

• Hoe gegevens in R te bewerken met behulp van het DataEditR-pakket
• Conclusie

Hoe gegevens in R te bewerken met behulp van het DataEditR-pakket

Laten we library(Ecdat ) typen , gevolgd door data(package = Ecdat), en dan dit pakket uitvoeren.

Dit zijn de R-datasets in  Ecdat . Er zijn veel bedrijfsgerichte datasets die goed te gebruiken zijn om te oefenen of voor demo's.

Voor deze demo gaan we de dataset Housing gebruiken. Typ data_edit(Housing) om een ​​nieuw venster te openen.

Nu zijn we in de Woninggegevens-editor. We kunnen hier ook een nieuw bestand uploaden.

We hebben hier een paar opties. De eerste is de Select Columns .

Dit zijn knoppen waarmee we kunnen selecteren welke we willen.

De volgende is de  filterrijen .

We kunnen getallen of strings filteren en filters toevoegen of verwijderen.

Vervolgens is de  optie Synchroniseren  . Het laadt terug in de initiële setup van onze dataset.

Laten we nu verder gaan met de twee opties voor het opslaan van uw gegevens. 

De  optie Selectie opslaan in bestand  is voor bepaalde dingen die we op ons klembord moeten opslaan. 

We kunnen ook de volledige dataset opslaan door op de  optie Opslaan in bestand te klikken  .

We willen bijvoorbeeld de hele dataset opslaan als een CSV-bestand.

Klik met de rechtermuisknop op een van de cellen in de kolom om de verschillende opties te zien. In dit voorbeeld selecteren we de rij invoegen hierboven .

We kunnen gegevens in de velden invoeren. Dit is iets dat we niet kunnen doen in Power Query.

Er zijn gevallen waarin we een webapp willen bouwen waar mensen hun gegevens kunnen invoeren. Het schiet rechtstreeks in een R-bestand, dat naar elke gewenste pijplijn gaat. Het is als een front-end tool.

Het is ook gemakkelijk om de namen van kolommen in de DataEditR te wijzigen, omdat het allemaal gewoon aanwijzen en klikken is. 

We willen bijvoorbeeld de stories- header bewerken naar n_stories . Het enige wat we hoeven te doen is op de cel klikken en de naam ervan wijzigen.

Een andere functie is het uitbreiden en vullen van verschillende getallen, datums of zelfs tekst naar andere cellen. Het is vergelijkbaar met hoe het werkt in Excel.

Klik op een cel, verleng en vul naar andere cellen.

Selecteer vervolgens delen van de dataset en klik met de rechtermuisknop om de uitlijning van de cellen te wijzigen.

We kunnen ook de optie Bijsnijden tot selectie gebruiken door de cellen te markeren en de geselecteerde cellen bij te snijden.

Dit pakket is in ontwikkeling. De grote afhaalmogelijkheid is de mogelijkheid om gegevens in R te bewerken, met name het wijzigen van de kolomnamen en het invoegen van een kolom.

De  V1  is een standaard tijdelijke aanduiding voor kolomnamen in R.

Laten we nu op  Gereed klikken .

Dit is de gewijzigde dataset. We kunnen ook een kopie bewaren door deze op te slaan.

Wat als-parameter voor gegevensmodellen in LuckyTemplates
Power Query Best practices voor uw gegevensmodel
LuckyTemplates-voortgangstracker voor verkoop- en ordergegevens

Conclusie

We kunnen het DataEditR-pakket gebruiken voor gegevensinvoer vanwege de Excel-achtige interface en de aanwijzen-en-klikken en vervolgens bewerken-functie.

De R-tool is een reproduceerbare tool waarbij elke wijziging volledig bewerkbaar is. Het gebruik van GUI is echter niet de meest reproduceerbare tool, maar het heeft zijn eigen voordelen voor de gebruikersinterface.

Ik hoop dat je deze tutorial kunt gebruiken bij het bewerken van je eigen gegevens in R. Vergeet je niet te abonneren op het LuckyTemplates TV-kanaal.

Al het beste,