پيڪ صاف سٿرو آر ٻولي ۾ سڀ کان وڌيڪ مشهور لائبريرين جي بنيادي ۾ شامل آهي - صاف سٿرو.
پيڪيج جو بنيادي مقصد ڊيٽا کي صحيح شڪل ۾ آڻڻ آهي.
Habré تي اڳ ۾ ئي موجود آهي هن پيڪيج لاء وقف ڪيو ويو، پر اهو 2015 تائين واپس اچي ٿو. ۽ مان توهان کي سڀ کان وڌيڪ موجوده تبديلين بابت ٻڌائڻ چاهيان ٿو، جن جو اعلان ڪجهه ڏينهن اڳ ڪيو ويو هو ان جي ليکڪ، هيڊلي وِڪم.
ايس جي: gather() ۽ spread() کي ختم ڪيو ويندو؟
هيڊلي ويڪھم: ڪنهن حد تائين. اسان هاڻي انهن ڪمن جي استعمال جي سفارش نه ڪنداسين ۽ انهن ۾ بگ کي درست ڪنداسين، پر اهي جاري رهندا پيڪيج ۾ انهن جي موجوده حالت ۾.
Contents
جيڪڏهن توهان ڊيٽا جي تجزيي ۾ دلچسپي رکو ٿا، توهان کي شايد دلچسپي وٺندي منهنجي и چينل گهڻو ڪري مواد آر ٻولي لاء وقف آهي.
TidyData تصور
گول صاف سٿرو - توھان جي مدد ڪريو ڊيٽا کي ھڪ نام نهاد صاف فارم ۾ آڻڻ. صاف ڊيٽا ڊيٽا آهي جتي:
- هر متغير هڪ ڪالمن ۾ آهي.
- هر مشاهدو هڪ تار آهي.
- هر قدر هڪ سيل آهي.
اهو ڊيٽا سان ڪم ڪرڻ تمام آسان ۽ وڌيڪ آسان آهي جيڪو تجزيو ڪرڻ دوران صاف ڊيٽا ۾ پيش ڪيو ويو آهي.
tidyr پيڪيج ۾ شامل مکيه ڪم
tidyr ۾ جدولن کي تبديل ڪرڻ لاءِ ٺهيل ڪمن جو هڪ سيٽ شامل آهي:
fill()- پوئين قدرن سان ڪالمن ۾ غائب قدر ڀرڻ؛separate()- جدا ڪندڙ استعمال ڪندي ھڪڙي فيلڊ کي ڪيترن ئي حصن ۾ ورهائي ٿو.unite()- ڪيترن ئي شعبن کي هڪ ۾ گڏ ڪرڻ جي عمل کي انجام ڏئي ٿو، فعل جي معکوس عملseparate();pivot_longer()- ھڪڙو فنڪشن جيڪو ڊيٽا کي وسيع فارميٽ کان ڊگھي شڪل ۾ تبديل ڪري ٿو.pivot_wider()- هڪ فنڪشن جيڪو ڊيٽا کي ڊگھي فارميٽ کان وسيع فارميٽ ۾ تبديل ڪري ٿو. فعل پاران ڪيل ھڪڙي جو ريورس آپريشنpivot_longer().gather()پراڻو - ھڪڙو فنڪشن جيڪو ڊيٽا کي وسيع فارميٽ کان ڊگھي شڪل ۾ تبديل ڪري ٿو.spread()پراڻو - هڪ فنڪشن جيڪو ڊيٽا کي ڊگھي فارميٽ کان وسيع فارميٽ ۾ تبديل ڪري ٿو. فعل پاران ڪيل ھڪڙي جو ريورس آپريشنgather().
ڊيٽا کي وسيع کان ڊگھي شڪل ۾ تبديل ڪرڻ لاءِ نئون تصور ۽ ان جي برعڪس
اڳي، فنڪشن هن قسم جي تبديلي لاء استعمال ڪيا ويا gather() и spread(). انهن افعالن جي وجود جي سالن کان، اهو واضح ٿي ويو آهي ته اڪثر استعمال ڪندڙن لاء، بشمول پيڪيج جي ليکڪ، انهن افعال جا نالا ۽ انهن جا دليل بلڪل واضح نه هئا، ۽ انهن کي ڳولڻ ۽ سمجهڻ ۾ مشڪلاتن جو سبب بڻيا آهن انهن مان ڪهڙو فعل بدلجي ٿو. تاريخ جو فريم وسيع کان ڊگھي شڪل تائين، ۽ ان جي برعڪس.
ان سلسلي ۾، ۾ صاف سٿرو ٻه نوان، اهم افعال شامل ڪيا ويا آهن جيڪي تاريخ جي فريم کي تبديل ڪرڻ لاء ٺهيل آهن.
نيون خصوصيتون pivot_longer() и pivot_wider() پيڪيج جي ڪجهه خاصيتن مان متاثر ٿيا cdataجان ماؤنٽ ۽ نينا زومل پاران ٺاهي وئي.
tidyr 0.8.3.9000 جو سڀ کان موجوده نسخو انسٽال ڪرڻ
پيڪيج جو نئون، سڀ کان موجوده نسخو انسٽال ڪرڻ لاءِ صاف سٿرو 0.8.3.9000، جتي نيون خاصيتون موجود آهن، هيٺ ڏنل ڪوڊ استعمال ڪريو.
devtools::install_github("tidyverse/tidyr")
لکڻ جي وقت تي، اهي افعال صرف GitHub تي پيڪيج جي ديو ورزن ۾ موجود آهن.
نئين خاصيتن ڏانهن منتقلي
حقيقت ۾، پراڻن اسڪرپٽ کي منتقل ڪرڻ ڏکيو نه آهي نون ڪمن سان ڪم ڪرڻ لاءِ؛ بهتر سمجھڻ لاءِ، مان پراڻن ڪمن جي دستاويزن مان هڪ مثال وٺندس ۽ ڏيکاريندس ته ساڳيا عمل ڪيئن ڪيا وڃن ٿا نون ڪمن سان. pivot_*() افعال
وسيع فارميٽ کي ڊگھي شڪل ۾ تبديل ڪريو.
جمع فنڪشن دستاويزن مان مثال ڪوڊ
# example
library(dplyr)
stocks <- data.frame(
time = as.Date('2009-01-01') + 0:9,
X = rnorm(10, 0, 1),
Y = rnorm(10, 0, 2),
Z = rnorm(10, 0, 4)
)
# old
stocks_gather <- stocks %>% gather(key = stock,
value = price,
-time)
# new
stocks_long <- stocks %>% pivot_longer(cols = -time,
names_to = "stock",
values_to = "price")
ڊگھي شڪل کي وسيع شڪل ۾ تبديل ڪرڻ.
اسپريڊ فنڪشن دستاويزن مان مثال ڪوڊ
# old
stocks_spread <- stocks_gather %>% spread(key = stock,
value = price)
# new
stock_wide <- stocks_long %>% pivot_wider(names_from = "stock",
values_from = "price")
ڇاڪاڻ ته ڪم ڪرڻ جي مٿين مثالن ۾ pivot_longer() и pivot_wider()، اصل جدول ۾ اسٽاڪ ڪو به ڪالم دليلن ۾ درج ناهي نالا_ ڏانهن и values_to انهن جا نالا اقتباس جي نشانين ۾ هجڻ گهرجن.
هڪ ٽيبل جيڪا توهان کي آساني سان معلوم ڪرڻ ۾ مدد ڪندي ته نئين تصور سان ڪم ڪرڻ لاءِ ڪيئن سوئچ ڪجي صاف سٿرو.
ليکڪ کان نوٽ
هيٺ ڏنل سڀ متن موافقت آهي، مان به چوان ٿو مفت ترجمو سرڪاري tidyverse لائبريري ويب سائيٽ تان.
ڊيٽا کي وسيع کان ڊگھي شڪل ۾ تبديل ڪرڻ جو ھڪڙو سادو مثال
pivot_longer () - ڪالمن جي تعداد کي گھٽائڻ ۽ قطارن جي تعداد کي وڌائڻ سان ڊيٽا سيٽ کي ڊگھو ڪري ٿو.
مضمون ۾ پيش ڪيل مثالن کي هلائڻ لاء، توهان کي پهريان ضروري پيڪيجز کي ڳنڍڻ جي ضرورت آهي:
library(tidyr)
library(dplyr)
library(readr)اچو ته اسان وٽ هڪ سروي جي نتيجن سان گڏ هڪ ٽيبل آهي (ٻين شين جي وچ ۾) ماڻهن کان سندن مذهب ۽ سالياني آمدني بابت پڇيو:
#> # A tibble: 18 x 11
#> religion `<$10k` `$10-20k` `$20-30k` `$30-40k` `$40-50k` `$50-75k`
#> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 Agnostic 27 34 60 81 76 137
#> 2 Atheist 12 27 37 52 35 70
#> 3 Buddhist 27 21 30 34 33 58
#> 4 Catholic 418 617 732 670 638 1116
#> 5 Don’t k… 15 14 15 11 10 35
#> 6 Evangel… 575 869 1064 982 881 1486
#> 7 Hindu 1 9 7 9 11 34
#> 8 Histori… 228 244 236 238 197 223
#> 9 Jehovah… 20 27 24 24 21 30
#> 10 Jewish 19 19 25 25 30 95
#> # … with 8 more rows, and 4 more variables: `$75-100k` <dbl>,
#> # `$100-150k` <dbl>, `>150k` <dbl>, `Don't know/refused` <dbl>ھن جدول ۾ جواب ڏيڻ وارن جي مذھب جي ڊيٽا قطارن ۾ آھي، ۽ آمدني جون سطحون ڪالمن جي نالن ۾ پکڙيل آھن. هر درجي کان جواب ڏيڻ وارن جو تعداد مذهب ۽ آمدني جي سطح جي چونڪ تي سيل جي قيمتن ۾ ذخيرو ٿيل آهي. ٽيبل کي صاف، صحيح شڪل ۾ آڻڻ لاء، اهو استعمال ڪرڻ ڪافي آهي pivot_longer():
pew %>%
pivot_longer(cols = -religion, names_to = "income", values_to = "count")pew %>%
pivot_longer(cols = -religion, names_to = "income", values_to = "count")
#> # A tibble: 180 x 3
#> religion income count
#> <chr> <chr> <dbl>
#> 1 Agnostic <$10k 27
#> 2 Agnostic $10-20k 34
#> 3 Agnostic $20-30k 60
#> 4 Agnostic $30-40k 81
#> 5 Agnostic $40-50k 76
#> 6 Agnostic $50-75k 137
#> 7 Agnostic $75-100k 122
#> 8 Agnostic $100-150k 109
#> 9 Agnostic >150k 84
#> 10 Agnostic Don't know/refused 96
#> # … with 170 more rowsفنڪشنل دليل pivot_longer()
- پهريون دليل ڪالون، بيان ڪري ٿو ته ڪهڙن ڪالمن کي ملائڻ جي ضرورت آهي. انهي حالت ۾، سڀ ڪالمن کان سواء وقت.
- دليل نالا_ ڏانهن variable جو نالو ڏئي ٿو جيڪو ڪالمن جي نالن مان ٺاهيو ويندو جيڪو اسان جوڙيو آهي.
- values_to هڪ متغير جو نالو ڏئي ٿو جيڪو ضم ٿيل ڪالمن جي سيلن جي قيمتن ۾ محفوظ ڪيل ڊيٽا مان ٺاهيو ويندو.
وضاحت
هي پيڪيج جي هڪ نئين ڪارڪردگي آهي صاف سٿرو، جيڪو اڳ ۾ موجود نه هو جڏهن ميراثي افعال سان ڪم ڪري رهيو هو.
هڪ وضاحت هڪ ڊيٽا فريم آهي، جنهن جي هر قطار نئين پيداوار جي تاريخ جي فريم ۾ هڪ ڪالمن سان ملندو آهي، ۽ ٻه خاص ڪالمن جيڪي شروع ڪن ٿا:
- .نالو اصل ڪالمن جو نالو شامل آهي.
- قدر ڪالمن جو نالو شامل آھي جنھن ۾ سيل ويلز شامل آھن.
وضاحتن جا باقي ڪالم ظاهر ڪن ٿا ته نئون ڪالم ڪيئن ڪمپريس ٿيل ڪالمن جو نالو ڏيکاريندو .نالو.
تفصيل بيان ڪري ٿي ڪالمن جي نالي ۾ محفوظ ڪيل ميٽا ڊيٽا، هر ڪالم لاءِ هڪ قطار ۽ هر هڪ متغير لاءِ هڪ ڪالم، ڪالمن جي نالي سان ملائي، اها تعريف هن وقت مونجهارو لڳي سگهي ٿي، پر ڪجهه مثالن کي ڏسڻ کان پوءِ اهو گهڻو ٿي ويندو. وڌيڪ صاف.
وضاحت جو نقطو اهو آهي ته توهان ڊيٽا فريم کي تبديل ڪرڻ لاء نئين ميٽا ڊيٽا کي ٻيهر حاصل ڪري، تبديل ڪري، ۽ وضاحت ڪري سگھو ٿا.
وضاحتن سان ڪم ڪرڻ لاءِ جڏهن ٽيبل کي وسيع فارميٽ مان ڊگھي فارميٽ ۾ تبديل ڪريو، فنڪشن استعمال ڪريو pivot_longer_spec().
هي فنڪشن ڪيئن ڪم ڪري ٿو ته اهو ڪنهن به تاريخ جو فريم وٺندو آهي ۽ مٿي بيان ڪيل طريقي سان ان جو ميٽا ڊيٽا ٺاهي ٿو.
مثال طور، اچو ته وٺو ڪير ڊيٽا سيٽ جيڪو پيڪيج سان مهيا ڪيو ويو آهي صاف سٿرو. ھن ڊيٽا سيٽ ۾ بين الاقوامي صحت جي تنظيم پاران مهيا ڪيل معلومات تي مشتمل آھي تپ دق جي واقعن تي.
who
#> # A tibble: 7,240 x 60
#> country iso2 iso3 year new_sp_m014 new_sp_m1524 new_sp_m2534
#> <chr> <chr> <chr> <int> <int> <int> <int>
#> 1 Afghan… AF AFG 1980 NA NA NA
#> 2 Afghan… AF AFG 1981 NA NA NA
#> 3 Afghan… AF AFG 1982 NA NA NA
#> 4 Afghan… AF AFG 1983 NA NA NA
#> 5 Afghan… AF AFG 1984 NA NA NA
#> 6 Afghan… AF AFG 1985 NA NA NA
#> 7 Afghan… AF AFG 1986 NA NA NA
#> 8 Afghan… AF AFG 1987 NA NA NA
#> 9 Afghan… AF AFG 1988 NA NA NA
#> 10 Afghan… AF AFG 1989 NA NA NA
#> # … with 7,230 more rows, and 53 more variablesاچو ته ان جي وضاحت ٺاهي.
spec <- who %>%
pivot_longer_spec(new_sp_m014:newrel_f65, values_to = "count")#> # A tibble: 56 x 3
#> .name .value name
#> <chr> <chr> <chr>
#> 1 new_sp_m014 count new_sp_m014
#> 2 new_sp_m1524 count new_sp_m1524
#> 3 new_sp_m2534 count new_sp_m2534
#> 4 new_sp_m3544 count new_sp_m3544
#> 5 new_sp_m4554 count new_sp_m4554
#> 6 new_sp_m5564 count new_sp_m5564
#> 7 new_sp_m65 count new_sp_m65
#> 8 new_sp_f014 count new_sp_f014
#> 9 new_sp_f1524 count new_sp_f1524
#> 10 new_sp_f2534 count new_sp_f2534
#> # … with 46 more rowsپوک ملڪ, isoxnumx, isoxnumx اڳ ۾ ئي متغير آهن. اسان جو ڪم آهي ڪالمن کي فلپ ڪرڻ سان new_sp_m014 تي newrel_f65.
انهن ڪالمن جا نالا هيٺين معلومات کي محفوظ ڪن ٿا:
- اڳياڙي
new_ظاهر آهي ته ڪالم ۾ تپ دق جي نون ڪيسن بابت ڊيٽا شامل آهي، موجوده تاريخ جي فريم ۾ صرف نون بيمارين بابت معلومات آهي، تنهن ڪري موجوده تناظر ۾ هي اڳياڙي ڪا به معنيٰ نٿو رکي. sp/rel/sp/epبيماري جي تشخيص جو طريقو بيان ڪري ٿو.m/fمريض جي جنس.014/1524/2535/3544/4554/65مريض جي عمر جي حد.
اسان فنڪشن استعمال ڪندي انهن ڪالمن کي ورهائي سگهون ٿا extract()باقاعده اظهار استعمال ڪندي.
spec <- spec %>%
extract(name, c("diagnosis", "gender", "age"), "new_?(.*)_(.)(.*)")#> # A tibble: 56 x 5
#> .name .value diagnosis gender age
#> <chr> <chr> <chr> <chr> <chr>
#> 1 new_sp_m014 count sp m 014
#> 2 new_sp_m1524 count sp m 1524
#> 3 new_sp_m2534 count sp m 2534
#> 4 new_sp_m3544 count sp m 3544
#> 5 new_sp_m4554 count sp m 4554
#> 6 new_sp_m5564 count sp m 5564
#> 7 new_sp_m65 count sp m 65
#> 8 new_sp_f014 count sp f 014
#> 9 new_sp_f1524 count sp f 1524
#> 10 new_sp_f2534 count sp f 2534
#> # … with 46 more rowsمهرباني ڪري ڪالمن کي نوٽ ڪريو .نالو تبديل نه ٿيڻ گهرجي ڇو ته هي اصل ڊيٽا سيٽ جي ڪالمن جي نالن ۾ اسان جي انڊيڪس آهي.
جنس ۽ عمر (ڪالم جنس и عمر) مقرر ٿيل ۽ سڃاتل قدر آهن، تنهنڪري انهن ڪالمن کي فڪر ۾ تبديل ڪرڻ جي سفارش ڪئي وئي آهي:
spec <- spec %>%
mutate(
gender = factor(gender, levels = c("f", "m")),
age = factor(age, levels = unique(age), ordered = TRUE)
) آخرڪار، وضاحت کي لاڳو ڪرڻ لاء اسان اصل تاريخ جي فريم تي پيدا ڪيو جو اسان کي هڪ دليل استعمال ڪرڻ جي ضرورت آهي خاص فنڪشن ۾ pivot_longer().
who %>% pivot_longer(spec = spec)
#> # A tibble: 405,440 x 8
#> country iso2 iso3 year diagnosis gender age count
#> <chr> <chr> <chr> <int> <chr> <fct> <ord> <int>
#> 1 Afghanistan AF AFG 1980 sp m 014 NA
#> 2 Afghanistan AF AFG 1980 sp m 1524 NA
#> 3 Afghanistan AF AFG 1980 sp m 2534 NA
#> 4 Afghanistan AF AFG 1980 sp m 3544 NA
#> 5 Afghanistan AF AFG 1980 sp m 4554 NA
#> 6 Afghanistan AF AFG 1980 sp m 5564 NA
#> 7 Afghanistan AF AFG 1980 sp m 65 NA
#> 8 Afghanistan AF AFG 1980 sp f 014 NA
#> 9 Afghanistan AF AFG 1980 sp f 1524 NA
#> 10 Afghanistan AF AFG 1980 sp f 2534 NA
#> # … with 405,430 more rowsجيڪو ڪجھ اسان ڪيو آھي سو ھيٺ ڏنل طريقي سان بيان ڪري سگھجي ٿو:
گھڻن قدر استعمال ڪندي وضاحت (.value)
مٿي ڏنل مثال ۾، وضاحت ڪالم قدر صرف هڪ قدر تي مشتمل آهي، اڪثر ڪيسن ۾ اهو معاملو آهي.
پر ڪڏهن ڪڏهن هڪ صورتحال پيدا ٿي سگهي ٿي جڏهن توهان کي ڪالمن مان ڊيٽا گڏ ڪرڻ جي ضرورت آهي قدرن ۾ مختلف ڊيٽا جي قسمن سان. هڪ ورثي فنڪشن استعمال ڪندي spread() اهو ڪرڻ ڏاڍو ڏکيو هوندو.
هيٺ ڏنل مثال مان ورتو ويو آهي پيڪيج ڏانهن ڊيٽا. ٽيبل.
اچو ته هڪ تربيتي ڊيٽا فريم ٺاهيو.
family <- tibble::tribble(
~family, ~dob_child1, ~dob_child2, ~gender_child1, ~gender_child2,
1L, "1998-11-26", "2000-01-29", 1L, 2L,
2L, "1996-06-22", NA, 2L, NA,
3L, "2002-07-11", "2004-04-05", 2L, 2L,
4L, "2004-10-10", "2009-08-27", 1L, 1L,
5L, "2000-12-05", "2005-02-28", 2L, 1L,
)
family <- family %>% mutate_at(vars(starts_with("dob")), parse_date)#> # A tibble: 5 x 5
#> family dob_child1 dob_child2 gender_child1 gender_child2
#> <int> <date> <date> <int> <int>
#> 1 1 1998-11-26 2000-01-29 1 2
#> 2 2 1996-06-22 NA 2 NA
#> 3 3 2002-07-11 2004-04-05 2 2
#> 4 4 2004-10-10 2009-08-27 1 1
#> 5 5 2000-12-05 2005-02-28 2 1ٺاهيل تاريخ فريم هر قطار ۾ هڪ خاندان جي ٻارن جي ڊيٽا تي مشتمل آهي. خاندانن ۾ هڪ يا ٻه ٻار ٿي سگهن ٿا. هر ٻار لاءِ، ڄمڻ جي تاريخ ۽ جنس تي ڊيٽا مهيا ڪئي وئي آهي، ۽ هر ٻار جي ڊيٽا الڳ الڳ ڪالمن ۾ آهي؛ اسان جو ڪم اهو آهي ته هن ڊيٽا کي تجزيو لاءِ صحيح شڪل ۾ آڻيون.
مهرباني ڪري نوٽ ڪريو ته اسان وٽ هر ٻار جي باري ۾ معلومات سان گڏ ٻه متغير آهن: انهن جي جنس ۽ ڄمڻ جي تاريخ (قيامت سان ڪالم dop ڄمڻ جي تاريخ، اڳياڙي سان ڪالمن تي مشتمل آهي جنس ٻار جي جنس تي مشتمل آهي). متوقع نتيجو اهو آهي ته انهن کي الڳ الڳ ڪالمن ۾ ظاهر ٿيڻ گهرجي. اسان اهو ڪري سگهون ٿا هڪ وضاحت ٺاهي جنهن ۾ ڪالم .value ٻه مختلف معنائون هونديون.
spec <- family %>%
pivot_longer_spec(-family) %>%
separate(col = name, into = c(".value", "child"))%>%
mutate(child = parse_number(child))
#> # A tibble: 4 x 3
#> .name .value child
#> <chr> <chr> <dbl>
#> 1 dob_child1 dob 1
#> 2 dob_child2 dob 2
#> 3 gender_child1 gender 1
#> 4 gender_child2 gender 2تنهن ڪري، اچو ته مٿي ڏنل ڪوڊ پاران ڪيل عملن تي هڪ قدم قدم نظر وٺو.
pivot_longer_spec(-family)- ھڪڙي وضاحت ٺاھيو جيڪو سڀني موجود ڪالمن کي دٻائي ٿو سواءِ خانداني ڪالمن جي.separate(col = name, into = c(".value", "child"))- ڪالمن کي ورهايو .نالو، جنهن ۾ ماخذ جي فيلڊ جا نالا شامل آهن، انڊر اسڪور استعمال ڪندي ۽ نتيجن جي قيمتن کي ڪالمن ۾ داخل ڪرڻ قدر и ٻار.mutate(child = parse_number(child))- فيلڊ جي قيمتن کي تبديل ڪريو ٻار متن کان عددي ڊيٽا جي قسم تائين.
ھاڻي اسان نتيجن واري وضاحت کي اصل ڊيٽا فريم تي لاڳو ڪري سگھون ٿا ۽ ٽيبل کي مطلوب شڪل ۾ آڻي سگھون ٿا.
family %>%
pivot_longer(spec = spec, na.rm = T)#> # A tibble: 9 x 4
#> family child dob gender
#> <int> <dbl> <date> <int>
#> 1 1 1 1998-11-26 1
#> 2 1 2 2000-01-29 2
#> 3 2 1 1996-06-22 2
#> 4 3 1 2002-07-11 2
#> 5 3 2 2004-04-05 2
#> 6 4 1 2004-10-10 1
#> 7 4 2 2009-08-27 1
#> 8 5 1 2000-12-05 2
#> 9 5 2 2005-02-28 1اسان دليل استعمال ڪندا آهيون na.rm = TRUE، ڇاڪاڻ ته ڊيٽا جي موجوده شڪل غير موجود مشاهدن لاءِ اضافي قطارون ٺاهڻ تي مجبور ڪري ٿي. ڇاڪاڻ ته خاندان 2 ۾ صرف هڪ ٻار آهي، na.rm = TRUE ضمانت ڏئي ٿي ته خاندان 2 جي پيداوار ۾ هڪ قطار هوندي.
تاريخ جي فريم کي ڊگھي کان وسيع شڪل ۾ تبديل ڪرڻ
pivot_wider() - هڪ inverse transformation آهي، ۽ ان جي برعڪس تاريخ جي فريم جي ڪالمن جو تعداد وڌائي ٿو قطارن جو تعداد گھٽائي.
ڊيٽا کي صحيح شڪل ۾ آڻڻ لاءِ اهڙي قسم جي تبديلي تمام گهٽ استعمال ٿيندي آهي، جڏهن ته، هي ٽيڪنڪ پيش ڪيلن ۾ استعمال ٿيندڙ پيوٽ ٽيبل ٺاهڻ، يا ڪجهه ٻين اوزارن سان انضمام لاءِ ڪارائتو ٿي سگهي ٿي.
اصل ۾ افعال pivot_longer() и pivot_wider() هڪجهڙائي وارا آهن، ۽ هڪ ٻئي جي سامهون ڪارناما پيدا ڪن ٿا، يعني: df %>% pivot_longer(spec = spec) %>% pivot_wider(spec = spec) и df %>% pivot_wider(spec = spec) %>% pivot_longer(spec = spec) اصل df واپس ڪندو.
ٽيبل کي وسيع فارميٽ ۾ تبديل ڪرڻ جو آسان مثال
ظاهر ڪرڻ لاءِ ته فنڪشن ڪيئن ڪم ڪري ٿو pivot_wider() اسان ڊيٽا سيٽ استعمال ڪنداسين مڇي_ملڻ، جيڪو معلومات کي محفوظ ڪري ٿو ته ڪيئن مختلف اسٽيشنون درياهه جي ڪناري تي مڇي جي حرڪت کي رڪارڊ ڪن ٿيون.
#> # A tibble: 114 x 3
#> fish station seen
#> <fct> <fct> <int>
#> 1 4842 Release 1
#> 2 4842 I80_1 1
#> 3 4842 Lisbon 1
#> 4 4842 Rstr 1
#> 5 4842 Base_TD 1
#> 6 4842 BCE 1
#> 7 4842 BCW 1
#> 8 4842 BCE2 1
#> 9 4842 BCW2 1
#> 10 4842 MAE 1
#> # … with 104 more rowsاڪثر صورتن ۾، هي جدول وڌيڪ معلوماتي ۽ استعمال ڪرڻ آسان ٿيندو جيڪڏهن توهان هر اسٽيشن لاءِ معلومات الڳ ڪالمن ۾ پيش ڪندا.
fish_encounters %>% pivot_wider(names_from = station, values_from = seen)
fish_encounters %>% pivot_wider(names_from = station, values_from = seen)
#> # A tibble: 19 x 12
#> fish Release I80_1 Lisbon Rstr Base_TD BCE BCW BCE2 BCW2 MAE
#> <fct> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
#> 1 4842 1 1 1 1 1 1 1 1 1 1
#> 2 4843 1 1 1 1 1 1 1 1 1 1
#> 3 4844 1 1 1 1 1 1 1 1 1 1
#> 4 4845 1 1 1 1 1 NA NA NA NA NA
#> 5 4847 1 1 1 NA NA NA NA NA NA NA
#> 6 4848 1 1 1 1 NA NA NA NA NA NA
#> 7 4849 1 1 NA NA NA NA NA NA NA NA
#> 8 4850 1 1 NA 1 1 1 1 NA NA NA
#> 9 4851 1 1 NA NA NA NA NA NA NA NA
#> 10 4854 1 1 NA NA NA NA NA NA NA NA
#> # … with 9 more rows, and 1 more variable: MAW <int>هي ڊيٽا سيٽ صرف معلومات کي رڪارڊ ڪري ٿو جڏهن مڇين کي اسٽيشن ذريعي ڳولي وئي آهي، يعني. جيڪڏهن ڪا مڇي ڪنهن اسٽيشن طرفان رڪارڊ نه ڪئي وئي هئي، ته اها ڊيٽا ٽيبل ۾ نه هوندي. هن جو مطلب آهي ته پيداوار NA سان ڀريو ويندو.
بهرحال، هن معاملي ۾ اسان ڄاڻون ٿا ته رڪارڊ جي غير موجودگي جو مطلب آهي ته مڇيء کي نه ڏٺو ويو، تنهنڪري اسان دليل استعمال ڪري سگهون ٿا. values_fill فنڪشن ۾ pivot_wider() ۽ انهن غائب قدرن کي صفر سان ڀريو:
fish_encounters %>% pivot_wider(
names_from = station,
values_from = seen,
values_fill = list(seen = 0)
)#> # A tibble: 19 x 12
#> fish Release I80_1 Lisbon Rstr Base_TD BCE BCW BCE2 BCW2 MAE
#> <fct> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
#> 1 4842 1 1 1 1 1 1 1 1 1 1
#> 2 4843 1 1 1 1 1 1 1 1 1 1
#> 3 4844 1 1 1 1 1 1 1 1 1 1
#> 4 4845 1 1 1 1 1 0 0 0 0 0
#> 5 4847 1 1 1 0 0 0 0 0 0 0
#> 6 4848 1 1 1 1 0 0 0 0 0 0
#> 7 4849 1 1 0 0 0 0 0 0 0 0
#> 8 4850 1 1 0 1 1 1 1 0 0 0
#> 9 4851 1 1 0 0 0 0 0 0 0 0
#> 10 4854 1 1 0 0 0 0 0 0 0 0
#> # … with 9 more rows, and 1 more variable: MAW <int>ڪيترن ئي ماخذ متغيرن مان هڪ ڪالمن جو نالو ٺاهي رهيو آهي
تصور ڪريو اسان وٽ ھڪڙو جدول آھي جنھن ۾ پيداوار، ملڪ ۽ سال جو ميلاپ آھي. ٽيسٽ جي تاريخ فريم ٺاهڻ لاءِ، توھان ھيٺ ڏنل ڪوڊ هلائي سگھو ٿا:
df <- expand_grid(
product = c("A", "B"),
country = c("AI", "EI"),
year = 2000:2014
) %>%
filter((product == "A" & country == "AI") | product == "B") %>%
mutate(value = rnorm(nrow(.)))#> # A tibble: 45 x 4
#> product country year value
#> <chr> <chr> <int> <dbl>
#> 1 A AI 2000 -2.05
#> 2 A AI 2001 -0.676
#> 3 A AI 2002 1.60
#> 4 A AI 2003 -0.353
#> 5 A AI 2004 -0.00530
#> 6 A AI 2005 0.442
#> 7 A AI 2006 -0.610
#> 8 A AI 2007 -2.77
#> 9 A AI 2008 0.899
#> 10 A AI 2009 -0.106
#> # … with 35 more rowsاسان جو ڪم ڊيٽا فريم کي وسعت ڏيڻ آهي ته جيئن هڪ ڪالمن ۾ پروڊڪٽ ۽ ملڪ جي هر ميلاپ لاءِ ڊيٽا هجي. هن کي ڪرڻ لاء، صرف دليل ۾ پاسو نالا_کان هڪ ویکٹر جنهن ۾ ضم ٿيڻ وارن شعبن جا نالا هجن.
df %>% pivot_wider(names_from = c(product, country),
values_from = "value")#> # A tibble: 15 x 4
#> year A_AI B_AI B_EI
#> <int> <dbl> <dbl> <dbl>
#> 1 2000 -2.05 0.607 1.20
#> 2 2001 -0.676 1.65 -0.114
#> 3 2002 1.60 -0.0245 0.501
#> 4 2003 -0.353 1.30 -0.459
#> 5 2004 -0.00530 0.921 -0.0589
#> 6 2005 0.442 -1.55 0.594
#> 7 2006 -0.610 0.380 -1.28
#> 8 2007 -2.77 0.830 0.637
#> 9 2008 0.899 0.0175 -1.30
#> 10 2009 -0.106 -0.195 1.03
#> # … with 5 more rowsتوھان پڻ لاڳو ڪري سگھو ٿا وضاحتون ھڪڙي فنڪشن تي pivot_wider(). پر جڏهن پيش ڪيو ويو pivot_wider() وضاحت مخالف تبديلي ڪندو آهي pivot_longer(): ڪالمن ۾ بيان ڪيل .نالو، مان قدر استعمال ڪندي قدر ۽ ٻيا ڪالم.
هن ڊيٽا سيٽ لاءِ، توهان ٺاهي سگهو ٿا هڪ ڪسٽم وضاحتون جيڪڏهن توهان چاهيو ٿا ته هر ممڪن ملڪ ۽ پيداوار جي ميلاپ جو پنهنجو ڪالم هجي، نه رڳو اهي جيڪي ڊيٽا ۾ موجود هجن:
spec <- df %>%
expand(product, country, .value = "value") %>%
unite(".name", product, country, remove = FALSE)#> # A tibble: 4 x 4
#> .name product country .value
#> <chr> <chr> <chr> <chr>
#> 1 A_AI A AI value
#> 2 A_EI A EI value
#> 3 B_AI B AI value
#> 4 B_EI B EI valuedf %>% pivot_wider(spec = spec) %>% head()#> # A tibble: 6 x 5
#> year A_AI A_EI B_AI B_EI
#> <int> <dbl> <dbl> <dbl> <dbl>
#> 1 2000 -2.05 NA 0.607 1.20
#> 2 2001 -0.676 NA 1.65 -0.114
#> 3 2002 1.60 NA -0.0245 0.501
#> 4 2003 -0.353 NA 1.30 -0.459
#> 5 2004 -0.00530 NA 0.921 -0.0589
#> 6 2005 0.442 NA -1.55 0.594نئين tidyr تصور سان ڪم ڪرڻ جا ڪيترائي ترقي يافته مثال
مثال طور يو ايس جي مردم شماري آمدني ۽ ڪرائي تي ڊيٽا سيٽ استعمال ڪندي ڊيٽا کي صاف ڪرڻ.
ڊيٽا سيٽ us_rent_income 2017 لاءِ آمريڪا جي هر رياست لاءِ وچين آمدني ۽ ڪرائي جي معلومات تي مشتمل آهي (پيڪيج ۾ موجود ڊيٽا سيٽ صاف ڳڻپ).
us_rent_income
#> # A tibble: 104 x 5
#> GEOID NAME variable estimate moe
#> <chr> <chr> <chr> <dbl> <dbl>
#> 1 01 Alabama income 24476 136
#> 2 01 Alabama rent 747 3
#> 3 02 Alaska income 32940 508
#> 4 02 Alaska rent 1200 13
#> 5 04 Arizona income 27517 148
#> 6 04 Arizona rent 972 4
#> 7 05 Arkansas income 23789 165
#> 8 05 Arkansas rent 709 5
#> 9 06 California income 29454 109
#> 10 06 California rent 1358 3
#> # … with 94 more rowsفارم ۾ جنهن ۾ ڊيٽا ڊيٽا سيٽ ۾ ذخيرو ٿيل آهي us_rent_income انهن سان گڏ ڪم ڪرڻ انتهائي مشڪل آهي، تنهنڪري اسان ڪالمن سان ڊيٽا سيٽ ٺاهڻ چاهيون ٿا: ڪرايو, rent_moe, اچ, آمدني_مو. ھن وضاحت کي ٺاھڻ جا ڪيترائي طريقا آھن، پر بنيادي نقطو اھو آھي ته اسان کي متغير قدرن جي ھر ميلاپ کي پيدا ڪرڻ جي ضرورت آھي ۽ اندازو/مو۽ پوء ڪالمن جو نالو ٺاھيو.
spec <- us_rent_income %>%
expand(variable, .value = c("estimate", "moe")) %>%
mutate(
.name = paste0(variable, ifelse(.value == "moe", "_moe", ""))
)#> # A tibble: 4 x 3
#> variable .value .name
#> <chr> <chr> <chr>
#> 1 income estimate income
#> 2 income moe income_moe
#> 3 rent estimate rent
#> 4 rent moe rent_moeهن specification مهيا ڪرڻ pivot_wider() اسان کي اهو نتيجو ڏئي ٿو جيڪو اسان ڳولي رهيا آهيون:
us_rent_income %>% pivot_wider(spec = spec)
#> # A tibble: 52 x 6
#> GEOID NAME income income_moe rent rent_moe
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
#> 1 01 Alabama 24476 136 747 3
#> 2 02 Alaska 32940 508 1200 13
#> 3 04 Arizona 27517 148 972 4
#> 4 05 Arkansas 23789 165 709 5
#> 5 06 California 29454 109 1358 3
#> 6 08 Colorado 32401 109 1125 5
#> 7 09 Connecticut 35326 195 1123 5
#> 8 10 Delaware 31560 247 1076 10
#> 9 11 District of Columbia 43198 681 1424 17
#> 10 12 Florida 25952 70 1077 3
#> # … with 42 more rowsورلڊ بينڪ
ڪڏهن ڪڏهن ڊيٽا سيٽ کي گهربل فارم ۾ آڻڻ لاء ڪيترن ئي قدمن جي ضرورت آهي.
ڊيٽا سيٽ world_bank_pop 2000 ۽ 2018 جي وچ ۾ هر ملڪ جي آبادي تي ورلڊ بئنڪ ڊيٽا شامل آهي.
#> # A tibble: 1,056 x 20
#> country indicator `2000` `2001` `2002` `2003` `2004` `2005` `2006`
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 ABW SP.URB.T… 4.24e4 4.30e4 4.37e4 4.42e4 4.47e+4 4.49e+4 4.49e+4
#> 2 ABW SP.URB.G… 1.18e0 1.41e0 1.43e0 1.31e0 9.51e-1 4.91e-1 -1.78e-2
#> 3 ABW SP.POP.T… 9.09e4 9.29e4 9.50e4 9.70e4 9.87e+4 1.00e+5 1.01e+5
#> 4 ABW SP.POP.G… 2.06e0 2.23e0 2.23e0 2.11e0 1.76e+0 1.30e+0 7.98e-1
#> 5 AFG SP.URB.T… 4.44e6 4.65e6 4.89e6 5.16e6 5.43e+6 5.69e+6 5.93e+6
#> 6 AFG SP.URB.G… 3.91e0 4.66e0 5.13e0 5.23e0 5.12e+0 4.77e+0 4.12e+0
#> 7 AFG SP.POP.T… 2.01e7 2.10e7 2.20e7 2.31e7 2.41e+7 2.51e+7 2.59e+7
#> 8 AFG SP.POP.G… 3.49e0 4.25e0 4.72e0 4.82e0 4.47e+0 3.87e+0 3.23e+0
#> 9 AGO SP.URB.T… 8.23e6 8.71e6 9.22e6 9.77e6 1.03e+7 1.09e+7 1.15e+7
#> 10 AGO SP.URB.G… 5.44e0 5.59e0 5.70e0 5.76e0 5.75e+0 5.69e+0 4.92e+0
#> # … with 1,046 more rows, and 11 more variables: `2007` <dbl>,
#> # `2008` <dbl>, `2009` <dbl>, `2010` <dbl>, `2011` <dbl>, `2012` <dbl>,
#> # `2013` <dbl>, `2014` <dbl>, `2015` <dbl>, `2016` <dbl>, `2017` <dbl>اسان جو مقصد آهي هڪ صاف ڊيٽا سيٽ ٺاهي هر متغير سان ان جي پنهنجي ڪالمن ۾. اهو واضح ناهي ته ڪهڙن قدمن جي ضرورت آهي، پر اسان سڀ کان وڌيڪ واضح مسئلي سان شروع ڪنداسين: سال ڪيترن ئي ڪالمن ۾ پکڙيل آهي.
هن کي درست ڪرڻ لاءِ توهان کي فنڪشن استعمال ڪرڻو پوندو pivot_longer().
pop2 <- world_bank_pop %>%
pivot_longer(`2000`:`2017`, names_to = "year")#> # A tibble: 19,008 x 4
#> country indicator year value
#> <chr> <chr> <chr> <dbl>
#> 1 ABW SP.URB.TOTL 2000 42444
#> 2 ABW SP.URB.TOTL 2001 43048
#> 3 ABW SP.URB.TOTL 2002 43670
#> 4 ABW SP.URB.TOTL 2003 44246
#> 5 ABW SP.URB.TOTL 2004 44669
#> 6 ABW SP.URB.TOTL 2005 44889
#> 7 ABW SP.URB.TOTL 2006 44881
#> 8 ABW SP.URB.TOTL 2007 44686
#> 9 ABW SP.URB.TOTL 2008 44375
#> 10 ABW SP.URB.TOTL 2009 44052
#> # … with 18,998 more rowsايندڙ قدم اشارو متغير کي ڏسڻ لاء آهي.
pop2 %>% count(indicator)
#> # A tibble: 4 x 2
#> indicator n
#> <chr> <int>
#> 1 SP.POP.GROW 4752
#> 2 SP.POP.TOTL 4752
#> 3 SP.URB.GROW 4752
#> 4 SP.URB.TOTL 4752جتي SP.POP.GROW آبادي جي واڌ آھي، SP.POP.TOTL ڪل آبادي آھي، ۽ SP.URB. * ساڳي شيء، پر صرف شهري علائقن لاء. اچو ته انهن قدرن کي ٻن متغيرن ۾ ورهايون: علائقو - علائقو (ڪل يا شهري) ۽ هڪ متغير جنهن ۾ حقيقي ڊيٽا (آبادي يا واڌ):
pop3 <- pop2 %>%
separate(indicator, c(NA, "area", "variable"))#> # A tibble: 19,008 x 5
#> country area variable year value
#> <chr> <chr> <chr> <chr> <dbl>
#> 1 ABW URB TOTL 2000 42444
#> 2 ABW URB TOTL 2001 43048
#> 3 ABW URB TOTL 2002 43670
#> 4 ABW URB TOTL 2003 44246
#> 5 ABW URB TOTL 2004 44669
#> 6 ABW URB TOTL 2005 44889
#> 7 ABW URB TOTL 2006 44881
#> 8 ABW URB TOTL 2007 44686
#> 9 ABW URB TOTL 2008 44375
#> 10 ABW URB TOTL 2009 44052
#> # … with 18,998 more rowsهاڻي اسان کي اهو ڪرڻو آهي ته متغير کي ٻن ڪالمن ۾ ورهايو وڃي:
pop3 %>%
pivot_wider(names_from = variable, values_from = value)#> # A tibble: 9,504 x 5
#> country area year TOTL GROW
#> <chr> <chr> <chr> <dbl> <dbl>
#> 1 ABW URB 2000 42444 1.18
#> 2 ABW URB 2001 43048 1.41
#> 3 ABW URB 2002 43670 1.43
#> 4 ABW URB 2003 44246 1.31
#> 5 ABW URB 2004 44669 0.951
#> 6 ABW URB 2005 44889 0.491
#> 7 ABW URB 2006 44881 -0.0178
#> 8 ABW URB 2007 44686 -0.435
#> 9 ABW URB 2008 44375 -0.698
#> 10 ABW URB 2009 44052 -0.731
#> # … with 9,494 more rowsرابطي جي فهرست
ھڪڙو آخري مثال، تصور ڪريو توھان وٽ ھڪڙي رابطي جي فهرست آھي جنھن کي توھان نقل ڪيو ۽ ھڪڙي ويب سائيٽ تان پيسٽ ڪيو:
contacts <- tribble(
~field, ~value,
"name", "Jiena McLellan",
"company", "Toyota",
"name", "John Smith",
"company", "google",
"email", "[email protected]",
"name", "Huxley Ratcliffe"
)ھن لسٽ کي ترتيب ڏيڻ ڪافي مشڪل آھي ڇو ته ڪو به متغير نه آھي جيڪو سڃاڻي سگھي ته ڪھڙي ڊيٽا جو تعلق ڪھڙي رابطي سان آھي. اسان هن کي درست ڪري سگھون ٿا ته هر نئين رابطي جي ڊيٽا "نالو" سان شروع ٿئي ٿي، تنهنڪري اسان هڪ منفرد سڃاڻپ ڪندڙ ٺاهي سگهون ٿا ۽ ان کي وڌائي سگهون ٿا هر دفعي فيلڊ ڪالمن ۾ قيمت "نالو" شامل آهي:
contacts <- contacts %>%
mutate(
person_id = cumsum(field == "name")
)
contacts#> # A tibble: 6 x 3
#> field value person_id
#> <chr> <chr> <int>
#> 1 name Jiena McLellan 1
#> 2 company Toyota 1
#> 3 name John Smith 2
#> 4 company google 2
#> 5 email [email protected] 2
#> 6 name Huxley Ratcliffe 3هاڻي ته اسان وٽ هر رابطي لاءِ هڪ منفرد ID آهي، اسان فيلڊ ۽ قدر کي ڪالمن ۾ تبديل ڪري سگهون ٿا:
contacts %>%
pivot_wider(names_from = field, values_from = value)#> # A tibble: 3 x 4
#> person_id name company email
#> <int> <chr> <chr> <chr>
#> 1 1 Jiena McLellan Toyota <NA>
#> 2 2 John Smith google [email protected]
#> 3 3 Huxley Ratcliffe <NA> <NA>ٿڪل
منهنجي ذاتي راءِ آهي ته نئون تصور صاف سٿرو واقعي وڌيڪ وجداني، ۽ ڪارڪردگيءَ ۾ خاص طور تي ورثي جي ڪارڪردگيءَ کان مٿاهون spread() и gather(). مون کي اميد آهي ته هي مضمون توهان سان معاملو ڪرڻ ۾ مدد ڪئي pivot_longer() и pivot_wider().
جو ذريعو: www.habr.com