Dataframes in R: de basis leren

In eerdere zelfstudies leerde u over objecten, objectklassen en vectoren . Voor deze zelfstudie leert u over dataframes in R.

Dataframes zijn in wezen vectoren die met elkaar zijn gecombineerd om rijen en kolommen met gegevens te vormen.

Een kolom bestaat uit één vector. In het bovenstaande voorbeeld is de eerste kolom dus een tekenreekskolom, gevolgd door een numerieke kolom en vervolgens een logische kolom. Dit is vergelijkbaar met hoe een tabel eruit zou zien in LuckyTemplates.

U moet ook onthouden dat er voor dataframes hetzelfde aantal items voor alle kolommen moet zijn. Dat wil zeggen, er moet een consistent aantal rijen zijn.

Wanneer u de R-programmeertaal gebruikt , werkt u meestal met dataframes. Het is dus belangrijk om te begrijpen wat ze zijn en hoe ze kunnen worden gebruikt.

Inhoudsopgave

• Een verzonden dataframe laden en bekijken
• Dataframes verkennen in R met behulp van functies
• Dataframes indexeren
• Gegevensframestatistieken weergeven in R
• Conclusie

Een verzonden dataframe laden en bekijken

RStudio wordt al geleverd met verzonden dataframes die u kunt gebruiken. Om ze te identificeren, moet u de functie data ( ) gebruiken .

Open RStudio en voer gegevens uit ( ) . U hoeft geen argument tussen haakjes te plaatsen.

Als u klaar bent, ziet u een lijst met ingebouwde datasets in R die u kunt gebruiken.

Ze zijn erg handig om te oefenen en vertrouwd te raken met het gebruik van dataframes in R.

De meest gebruikte ingebouwde dataset is iris . Iris wordt vaak gebruikt bij het leren van datawetenschap of data-analyse in het algemeen. Druk de iris af zodat u de gegevens in de console kunt zien.

Je ziet dat er veel gegevens zijn. Als u omhoog scrolt, ziet u dat het uit verschillende kolommen is samengesteld.

Dataframes verkennen in R met behulp van functies

Een van de manieren om de gegevens beter te bekijken, is door de view ( ) functie te gebruiken. Wanneer u de codeweergave (iris) uitvoert , ziet u een nieuw tabblad met een tabel verschijnen in RScript.

Wat de weergave ( ) beter maakt, is dat u aanpassingen aan de tabel kunt maken. U kunt de volgorde van de gegevens aanpassen door de pijlen op elke kolomtitel te gebruiken. Er is ook een filterknop.

U kunt ook op het icoon naast filter klikken om de gegevens in een nieuw venster te openen.

Dit nieuwe venster is vergelijkbaar met Power Query , waar u de gegevens kunt bekijken maar niet kunt aanraken. Dat wil zeggen dat u geen waarden kunt invoeren of vervangen bovenop de bestaande gegevens.

Een andere handige functie om te weten is de head ( ) functie. Deze functie drukt de eerste rijen van de dataset af.

Dus als u head (iris) uitvoert , ziet u dat alleen de eerste zes rijen worden afgedrukt. 

Dit is geweldig als u uw gegevens beter wilt begrijpen. De console is niet overweldigd en de gegevenspresentatie is netter.

Dataframes indexeren

Indexeren is ook besproken in een eerdere tutorial over vectoren. U hoeft alleen vierkante haken ( [ ] ) te gebruiken om een ​​positie te indexeren. Aangezien dataframes zijn samengesteld uit rijen en kolommen, moet u beide indexeren. Het formaat is naam [rij, kolom] .

Als u bijvoorbeeld de 2e rij en 4e kolom van de irisdataset wilt indexeren , voert u gewoon iris [2, 4] uit .

U kunt ook een rij- en kolombereik indexeren. U hoeft alleen maar een dubbele punt ( : ) te gebruiken om het bereik aan te geven. Hier is een voorbeeld:

U kunt ook een hele kolom indexeren. Gebruik het dollarteken ( $ ) achter de naam van de dataset en geef de gewenste kolomnaam aan. Als u bijvoorbeeld de hele kolom met de naam Species wilt indexeren, voert u iris$Species uit .

U zult dan zien dat de hele kolom Soort is afgedrukt in de console.

Gegevensframestatistieken weergeven in R

Zoals u in eerdere zelfstudies hebt geleerd, is R gebouwd met het oog op gegevensanalyse, statistieken en visualisaties. Dus een ander nuttig ding om te leren over dataframes in R is hoe je ze kunt samenvatten.

Wanneer u de samenvattingsfunctie ( ) gebruikt , retourneert de console de samenvattingsstatistieken voor die gegevens.

Loop samenvatting (iris) . Dit geeft u basisinformatie over de dataset in termen van beschrijvende statistieken.

Er zijn andere pakketten om meer samenvattende statistieken te krijgen, zoals standaarddeviatie en kurtosis. Maar deze zullen in volgende tutorials worden besproken.

Maak vectoren in R: een stapsgewijze zelfstudie

Conclusie

Je hebt de componenten van R geleidelijk geleerd. Eerst leerde je over objecten, daarna ging je verder met vectoren, tot aan deze les over dataframes. Je hebt nu te maken met grotere en complexere gegevens.

Met dataframes ben je nu beter bekend met de verschillende datasets in R en heb je geleerd hoe je tot basisstatistische informatie komt.

U zult progressief blijven leren terwijl de volgende tutorials gaan over manieren om grotere gegevens in R op te schalen en te verkennen.