R - Verileri Yeniden Şekillendirme
R'de Veri Yeniden Şekillendirme, verilerin satırlar ve sütunlar halinde düzenlenme şeklini değiştirmekle ilgilidir. R'deki çoğu zaman veri işleme, giriş verilerini bir veri çerçevesi olarak alarak yapılır. Bir veri çerçevesinin satırlarından ve sütunlarından veri çıkarmak kolaydır, ancak veri çerçevesine, onu aldığımız formattan farklı bir formatta ihtiyaç duyduğumuz durumlar vardır. R, bir veri çerçevesinde satırları sütunlara bölmek, birleştirmek ve değiştirmek için birçok işleve sahiptir.
Bir Veri Çerçevesindeki Sütunları ve Satırları Birleştirme
Bir veri çerçevesi oluşturmak için birden fazla vektörü birleştirebiliriz. cbind()işlevi. Ayrıca iki veri çerçevesini birleştirebiliriz.rbind() işlevi.
# Create vector objects.
city <- c("Tampa","Seattle","Hartford","Denver")
state <- c("FL","WA","CT","CO")
zipcode <- c(33602,98104,06161,80294)
# Combine above three vectors into one data frame.
addresses <- cbind(city,state,zipcode)
# Print a header.
cat("# # # # The First data frame\n")
# Print the data frame.
print(addresses)
# Create another data frame with similar columns
new.address <- data.frame(
city = c("Lowry","Charlotte"),
state = c("CO","FL"),
zipcode = c("80230","33949"),
stringsAsFactors = FALSE
)
# Print a header.
cat("# # # The Second data frame\n")
# Print the data frame.
print(new.address)
# Combine rows form both the data frames.
all.addresses <- rbind(addresses,new.address)
# Print a header.
cat("# # # The combined data frame\n")
# Print the result.
print(all.addresses)Yukarıdaki kodu çalıştırdığımızda şu sonucu verir -
# # # # The First data frame
city state zipcode
[1,] "Tampa" "FL" "33602"
[2,] "Seattle" "WA" "98104"
[3,] "Hartford" "CT" "6161"
[4,] "Denver" "CO" "80294"
# # # The Second data frame
city state zipcode
1 Lowry CO 80230
2 Charlotte FL 33949
# # # The combined data frame
city state zipcode
1 Tampa FL 33602
2 Seattle WA 98104
3 Hartford CT 6161
4 Denver CO 80294
5 Lowry CO 80230
6 Charlotte FL 33949Veri Çerçevelerini Birleştirme
Kullanarak iki veri çerçevesini birleştirebiliriz merge()işlevi. Veri çerçeveleri, birleştirmenin gerçekleştiği sütun adlarıyla aynı olmalıdır.
Aşağıdaki örnekte, "MASS" kütüphanesinde bulunan Pima Kızılderili Kadınlarında Diyabet hakkındaki veri setlerini ele alıyoruz. iki veri setini kan basıncı ("bp") ve vücut kitle indeksi ("bmi") değerlerine göre birleştiriyoruz. Birleştirme için bu iki sütunu seçerken, bu iki değişkenin değerlerinin her iki veri kümesinde eşleştiği kayıtlar tek bir veri çerçevesi oluşturmak için birleştirilir.
library(MASS)
merged.Pima <- merge(x = Pima.te, y = Pima.tr,
by.x = c("bp", "bmi"),
by.y = c("bp", "bmi")
)
print(merged.Pima)
nrow(merged.Pima)Yukarıdaki kodu çalıştırdığımızda şu sonucu verir -
bp bmi npreg.x glu.x skin.x ped.x age.x type.x npreg.y glu.y skin.y ped.y
1 60 33.8 1 117 23 0.466 27 No 2 125 20 0.088
2 64 29.7 2 75 24 0.370 33 No 2 100 23 0.368
3 64 31.2 5 189 33 0.583 29 Yes 3 158 13 0.295
4 64 33.2 4 117 27 0.230 24 No 1 96 27 0.289
5 66 38.1 3 115 39 0.150 28 No 1 114 36 0.289
6 68 38.5 2 100 25 0.324 26 No 7 129 49 0.439
7 70 27.4 1 116 28 0.204 21 No 0 124 20 0.254
8 70 33.1 4 91 32 0.446 22 No 9 123 44 0.374
9 70 35.4 9 124 33 0.282 34 No 6 134 23 0.542
10 72 25.6 1 157 21 0.123 24 No 4 99 17 0.294
11 72 37.7 5 95 33 0.370 27 No 6 103 32 0.324
12 74 25.9 9 134 33 0.460 81 No 8 126 38 0.162
13 74 25.9 1 95 21 0.673 36 No 8 126 38 0.162
14 78 27.6 5 88 30 0.258 37 No 6 125 31 0.565
15 78 27.6 10 122 31 0.512 45 No 6 125 31 0.565
16 78 39.4 2 112 50 0.175 24 No 4 112 40 0.236
17 88 34.5 1 117 24 0.403 40 Yes 4 127 11 0.598
age.y type.y
1 31 No
2 21 No
3 24 No
4 21 No
5 21 No
6 43 Yes
7 36 Yes
8 40 No
9 29 Yes
10 28 No
11 55 No
12 39 No
13 39 No
14 49 Yes
15 49 Yes
16 38 No
17 28 No
[1] 17Eritme ve Döküm
R programlamanın en ilginç yönlerinden biri, istenen şekli elde etmek için verilerin şeklini birden çok adımda değiştirmektir. Bunu yapmak için kullanılan işlevleremelt() ve cast().
"MASS" adlı kütüphanede bulunan gemi adı verilen veri setini dikkate alıyoruz.
library(MASS)
print(ships)Yukarıdaki kodu çalıştırdığımızda şu sonucu verir -
type year period service incidents
1 A 60 60 127 0
2 A 60 75 63 0
3 A 65 60 1095 3
4 A 65 75 1095 4
5 A 70 60 1512 6
.............
.............
8 A 75 75 2244 11
9 B 60 60 44882 39
10 B 60 75 17176 29
11 B 65 60 28609 58
............
............
17 C 60 60 1179 1
18 C 60 75 552 1
19 C 65 60 781 0
............
............Verileri Eritin
Şimdi verileri düzenlemek için eritiyoruz, tür ve yıl dışındaki tüm sütunları birden çok satıra dönüştürüyoruz.
molten.ships <- melt(ships, id = c("type","year"))
print(molten.ships)Yukarıdaki kodu çalıştırdığımızda şu sonucu verir -
type year variable value
1 A 60 period 60
2 A 60 period 75
3 A 65 period 60
4 A 65 period 75
............
............
9 B 60 period 60
10 B 60 period 75
11 B 65 period 60
12 B 65 period 75
13 B 70 period 60
...........
...........
41 A 60 service 127
42 A 60 service 63
43 A 65 service 1095
...........
...........
70 D 70 service 1208
71 D 75 service 0
72 D 75 service 2051
73 E 60 service 45
74 E 60 service 0
75 E 65 service 789
...........
...........
101 C 70 incidents 6
102 C 70 incidents 2
103 C 75 incidents 0
104 C 75 incidents 1
105 D 60 incidents 0
106 D 60 incidents 0
...........
...........Erimiş Verileri Dökme
Erimiş verileri, her yıl için her gemi türünün toplamının oluşturulduğu yeni bir forma dönüştürebiliriz. Kullanılarak yapılırcast() işlevi.
recasted.ship <- cast(molten.ships, type+year~variable,sum)
print(recasted.ship)Yukarıdaki kodu çalıştırdığımızda şu sonucu verir -
type year period service incidents
1 A 60 135 190 0
2 A 65 135 2190 7
3 A 70 135 4865 24
4 A 75 135 2244 11
5 B 60 135 62058 68
6 B 65 135 48979 111
7 B 70 135 20163 56
8 B 75 135 7117 18
9 C 60 135 1731 2
10 C 65 135 1457 1
11 C 70 135 2731 8
12 C 75 135 274 1
13 D 60 135 356 0
14 D 65 135 480 0
15 D 70 135 1557 13
16 D 75 135 2051 4
17 E 60 135 45 0
18 E 65 135 1226 14
19 E 70 135 3318 17
20 E 75 135 542 1