Како креирати ДатаФраме у Р да бисте чували податке на организован начин

ДатаФрамес су основна структура података у Р-у, нудећи структуру, свестраност и алате неопходне за анализу података и манипулацију. Њихов значај се протеже на различите области, укључујући статистику, науку о подацима и доношење одлука засновано на подацима у различитим индустријама.

ДатаФрамес обезбеђују структуру и организацију потребну за откључавање увида и доношење одлука заснованих на подацима на систематичан и ефикасан начин.

ДатаФрамес у Р је структуриран као табеле, са редовима и колонама. Сваки ред представља посматрање, а свака колона представља променљиву. Ова структура олакшава организовање и рад са подацима. ДатаФрамес може да садржи различите типове података, укључујући бројеве, текст и датуме, што их чини разноврсним.

У овом чланку ћу објаснити важност оквира података и разговарати о њиховом креирању помоћу функције дата.фраме().

Поред тога, истражићемо методе за манипулисање подацима и покрити како да креирате из ЦСВ и Екцел датотека, конвертујете друге структуре података у оквире података и користите библиотеку тиббле.

Ево неколико кључних разлога зашто су ДатаФрамес кључни у Р:

Важност оквира података

• Складиштење структурираних података: ДатаФрамес пружају структуриран и табеларни начин складиштења података, слично као табела. Овај структурирани формат поједностављује управљање подацима и организацију.

• Мешовити типови података: оквири података могу да приме различите типове података унутар исте структуре. Можете имати колоне са нумеричким вредностима, низовима знакова, факторима, датумима и још много тога. Ова свестраност је неопходна када радите са подацима из стварног света.

• Организација података: Свака колона у ДатаФраме-у представља променљиву, док сваки ред представља посматрање или случај. Овај структурирани изглед олакшава разумевање организације података, побољшавајући јасноћу података.

• Увоз и извоз података: ДатаФрамес подржава једноставан увоз и извоз података из различитих формата датотека као што су ЦСВ, Екцел и базе података. Ова функција поједностављује процес рада са спољним изворима података.

• Интероперабилност: ДатаФраме су у великој мери подржани од Р пакета и функција, обезбеђујући компатибилност са другим алатима и библиотекама за статистику и анализу података. Ова интероперабилност омогућава беспрекорну интеграцију у Р екосистем.

• Манипулација подацима: Р нуди богат екосистем пакета, а „дплир“ је изузетан пример. Ови пакети олакшавају филтрирање, трансформацију и сумирање података користећи ДатаФрамес. Ова могућност је кључна за чишћење и припрему података.

• Статистичка анализа: ДатаФрамес су стандардни формат података за многе статистичке функције и функције анализе података у Р. Можете ефикасно да извршите регресију, тестирање хипотеза и многе друге статистичке анализе користећи ДатаФрамес.

• Визуелизација: Р-ови пакети за визуелизацију података као што је ггплот2 беспрекорно раде са ДатаФрамес-има. Ово чини једноставним прављење информативних графикона и графикона за истраживање података и комуникацију.

• Истраживање података: оквири података олакшавају истраживање података кроз збирну статистику, визуелизацију и друге аналитичке методе. Ово помаже аналитичарима и научницима за податке да разумеју карактеристике података и открију обрасце или одступања.

Како креирати ДатаФраме у Р

Постоји неколико начина да креирате ДатаФраме у Р. Ево неких од најчешћих метода:

#1. Коришћење функције дата.фраме().

# Load the necessary library if not already loaded
if (!require("dplyr")) {
  install.packages("dplyr")
  library(dplyr)
}

# install.packages("dplyr")
library(dplyr)

# Set a seed for reproducibility
set.seed(42)

# Create a sample sales DataFrame with real product names
sales_data <- data.frame(
  OrderID = 1001:1010,
  Product = c("Laptop", "Smartphone", "Tablet", "Headphones", "Camera", "TV", "Printer", "Washing Machine", "Refrigerator", "Microwave Oven"),
  Quantity = sample(1:10, 10, replace = TRUE),
  Price = round(runif(10, 100, 2000), 2),
  Discount = round(runif(10, 0, 0.3), 2),
  Date = sample(seq(as.Date('2023-01-01'), as.Date('2023-01-10'), by="days"), 10)
)

# Display the sales DataFrame
print(sales_data)

Хајде да разумемо шта ће наш код:

Прво проверава да ли је библиотека „дплир“ доступна у Р окружењу.

Ако „дплир“ није доступан, он инсталира и учитава библиотеку.

Затим поставља насумично семе за поновљивост.

Затим креира узорак продајног ДатаФраме-а са нашим попуњеним подацима.

Коначно, приказује продајни ДатаФраме у конзоли за преглед.

Салес_датафраме

Ово је један од најједноставнијих начина да се креира ДатаФраме у Р. Такође ћемо истражити како да издвојимо, додамо, избришемо и изаберемо одређене колоне или редове, као и како да сумирамо податке.

Издвој колоне

Постоје две методе за издвајање потребних колона из нашег оквира података:

• Да бисте преузели последње три колоне ДатаФраме-а у Р, можете користити индексирање.
• Можете издвојити колоне из ДатаФраме-а помоћу оператора $ када желите да приступите појединачним колонама по имену.

Видећемо обоје заједно да бисмо уштедели време:

# Extract the last three columns (Discount, Price, and Date) from the sales_data DataFrame
last_three_columns <- sales_data[, c("Discount", "Price", "Date")]

# Display the extracted columns
print(last_three_columns)

############################################# OR #########################################################

# Extract the last three columns (Discount, Price, and Date) using the $ operator
discount_column <- sales_data$Discount
price_column <- sales_data$Price
date_column <- sales_data$Date

# Create a new DataFrame with the extracted columns
last_three_columns <- data.frame(Discount = discount_column, Price = price_column, Date = date_column)

# Display the extracted columns
print(last_three_columns)

Можете издвојити потребне колоне користећи било који од ових кодова.

Можете издвојити редове из ДатаФраме-а у Р користећи различите методе. Ево једноставног начина да то урадите:

# Extract specific rows (rows 3, 6, and 9) from the last_three_columns DataFrame
selected_rows <- last_three_columns[c(3, 6, 9), ]

# Display the selected rows
print(selected_rows)

Такође можете користити одређене услове:

# Extract and arrange rows that meet the specified conditions
selected_rows <- sales_data %>%
  filter(Discount < 0.3, Price > 100, format(Date, "%Y-%m") == "2023-01") %>%
  arrange(OrderID) %>%
  select(Discount, Price, Date)

# Display the selected rows
print(selected_rows)

Издвојени редови

Додај нови ред

Да бисте додали нови ред у постојећи ДатаФраме у Р, можете користити функцију рбинд():

# Create a new row as a data frame
new_row <- data.frame(
  OrderID = 1011,
  Product = "Coffee Maker",
  Quantity = 2,
  Price = 75.99,
  Discount = 0.1,
  Date = as.Date("2023-01-12")
)

# Use the rbind() function to add the new row to the DataFrame
sales_data <- rbind(sales_data, new_row)

# Display the updated DataFrame
print(sales_data)

Додан је нови ред

Додај нову колону

Можете додати колоне у свој ДатаФраме једноставним кодом. Овде желим да у своје податке додам колону Начин плаћања.

# Create a new column "PaymentMethod" with values for each row
sales_data$PaymentMethod <- c("Credit Card", "PayPal", "Cash", "Credit Card", "Cash", "PayPal", "Cash", "Credit Card", "Credit Card", "Cash", "Credit Card")
# Display the updated DataFrame
print(sales_data)

Колона је додата у Датафраме

Избриши редове

Ако желите да избришете непотребне редове, овај метод може бити од помоћи:

# Identify the row to be deleted by its OrderID
row_to_delete <- sales_data$OrderID == 1010

# Use the identified row to exclude it and create a new DataFrame
sales_data <- sales_data[!row_to_delete, ]

# Display the updated DataFrame without the deleted row
print(sales_data)

Избриши колоне

Можете обрисати колону из ДатаФраме-а у Р помоћу пакета дплир.

# install.packages("dplyr")
library(dplyr)

# Remove the "Discount" column using the select() function
sales_data <- sales_data %>% select(-Discount)

# Display the updated DataFrame without the "Discount" column
print(sales_data)

Добијте сажетак

Да бисте добили резиме својих података у Р, можете користити функцију суммари(). Ова функција пружа брз преглед централних тенденција и дистрибуције нумеричких варијабли у вашим подацима.

# Obtain a summary of the data
data_summary <- summary(sales_data)

# Display the summary
print(data_summary)

Ово је неколико корака које можете да пратите да бисте манипулисали својим подацима у оквиру ДатаФраме-а.

Пређимо на други метод за креирање ДатаФраме-а.

#2. Направите Р ДатаФраме из ЦСВ датотеке

Да бисте креирали Р ДатаФраме из ЦСВ датотеке, можете користити реад.цсв()

# Read the CSV file into a DataFrame
df <- read.csv("my_data.csv")

# View the first few rows of the DataFrame
head(df)

Ова функција чита податке из ЦСВ датотеке и конвертује их. Затим можете радити са подацима у Р по потреби.

# Install and load the readr package if not already installed
if (!requireNamespace("readr", quietly = TRUE)) {
  install.packages("readr")
}
library(readr)

# Read the CSV file into a DataFrame
df <- read_csv("data.csv")

# View the first few rows of the DataFrame
head(df)

можете користити реадр пакет за читање ЦСВ датотеке у Р. Функција реад_цсв() из реадр пакета се обично користи за ову сврху. То је брже од уобичајене методе.

#3. Коришћење функције ас.дата.фраме().

Можете креирати ДатаФраме у Р користећи функцију ас.дата.фраме(). Ова функција вам омогућава да конвертујете друге структуре података, као што су матрице или листе, у ДатаФраме.

Ево како да га користите:

# Create a nested list to represent the data
data_list <- list(
  OrderID = 1001:1011,
  Product = c("Laptop", "Smartphone", "Tablet", "Headphones", "Camera", "TV", "Printer", "Washing Machine", "Refrigerator", "Microwave Oven", "Coffee Maker"),
  Quantity = c(1, 5, 1, 9, 10, 4, 2, 10, 1, 8, 2),
  Price = c(1875.88, 585.31, 978.36, 1886.03, 1958.63, 323.23, 1002.49, 1164.63, 1817.66, 363.55, 75.99),
  Discount = c(0.3, 0.28, 0.02, 0.15, 0.12, 0.27, 0.13, 0.25, 0.22, 0.24, 0.1),
  Date = as.Date(c("2023-01-08", "2023-01-03", "2023-01-02", "2023-01-01", "2023-01-10", "2023-01-09", "2023-01-05", "2023-01-06", "2023-01-04", "2023-01-07", "2023-01-12")),
  PaymentMethod = c("Credit Card", "PayPal", "Cash", "Credit Card", "Cash", "PayPal", "Cash", "Credit Card", "Credit Card", "Cash", "Credit Card")
)

# Convert the nested list to a DataFrame
sales_data <- as.data.frame(data_list)

# Display the DataFrame
print(sales_data)

Салес_дата

Овај метод вам омогућава да креирате ДатаФраме без навођења сваке колоне једну по једну и посебно је корисна када имате велику количину података.

#4. Из постојећег оквира података

Да бисте креирали нови оквир података избором одређених колона или редова из постојећег оквира података у Р, можете користити угласте заграде [] за индексирање. Ево како то функционише:

# Select rows and columns
sales_subset <- sales_data[c(1, 3, 4), c("Product", "Quantity")]

# Display the selected subset
print(sales_subset)

У овом коду креирамо нови оквир података који се зове салес_субсет, који садржи одређене редове (1, 3 и 4) и одређене колоне („Производ“ и „Количина“) из салес_дата.

Можете да прилагодите индексе и називе редова и колона да бисте изабрали податке који су вам потребни.

Салес_Субсет

#5. Фром Вецтор

Вектор је једнодимензионална структура података у Р која се састоји од елемената истог типа података, укључујући логичке, целобројне, двоструке, карактерне, сложене или необрађене.

С друге стране, Р ДатаФраме је дводимензионална структура дизајнирана за складиштење података у табеларном формату са редовима и колонама. Постоје различите методе за креирање Р ДатаФраме-а из вектора, а један такав пример је дат у наставку.

# Create vectors for each column
OrderID <- 1001:1011
Product <- c("Laptop", "Smartphone", "Tablet", "Headphones", "Camera", "TV", "Printer", "Washing Machine", "Refrigerator", "Microwave Oven", "Coffee Maker")
Quantity <- c(1, 5, 1, 9, 10, 4, 2, 10, 1, 8, 2)
Price <- c(1875.88, 585.31, 978.36, 1886.03, 1958.63, 323.23, 1002.49, 1164.63, 1817.66, 363.55, 75.99)
Discount <- c(0.3, 0.28, 0.02, 0.15, 0.12, 0.27, 0.13, 0.25, 0.22, 0.24, 0.1)
Date <- as.Date(c("2023-01-08", "2023-01-03", "2023-01-02", "2023-01-01", "2023-01-10", "2023-01-09", "2023-01-05", "2023-01-06", "2023-01-04", "2023-01-07", "2023-01-12"))
PaymentMethod <- c("Credit Card", "PayPal", "Cash", "Credit Card", "Cash", "PayPal", "Cash", "Credit Card", "Credit Card", "Cash", "Credit Card")

# Create the DataFrame using data.frame()
sales_data <- data.frame(
  OrderID = OrderID,
  Product = Product,
  Quantity = Quantity,
  Price = Price,
  Discount = Discount,
  Date = Date,
  PaymentMethod = PaymentMethod
)

# Display the DataFrame
print(sales_data)

У овом коду креирамо засебне векторе за сваку колону, а затим користимо функцију дата.фраме() да комбинујемо ове векторе у ДатаФраме под називом салес_дата.

Ово вам омогућава да креирате структурирани табеларни оквир података од појединачних вектора у Р.

#6. Из Екцел датотеке

Да бисте креирали ДатаФраме увозом Екцел датотеке у Р, можете да користите пакете треће стране као што је реадкл пошто основни Р не нуди изворну подршку за читање ЦСВ датотека. Једна таква функција за читање Екцел датотека је реад_екцел().

# Load the readxl library
library(readxl)

# Define the file path to the Excel file
excel_file_path <- "your_file.xlsx"  # Replace with the actual file path

# Read the Excel file and create a DataFrame
data_frame_from_excel <- read_excel(excel_file_path)

# Display the DataFrame
print(data_frame_from_excel)

Овај код ће прочитати Екцел датотеку и ускладиштити њене податке у Р ДатаФраме, омогућавајући вам да радите са подацима у вашем Р окружењу.

#7. Из текстуалне датотеке

Можете користити функцију реад.табле() у Р да бисте увезли текстуалну датотеку у ДатаФраме. Ова функција захтева два битна параметра: име датотеке коју желите да прочитате и граничник који одређује како су поља у датотеци раздвојена.

# Define the file name and delimiter
file_name <- "your_text_file.txt"  # Replace with the actual file name
delimiter <- "\t"  # Replace with the actual delimiter (e.g., "\t" for tab-separated, "," for CSV)

# Use the read.table() function to create a DataFrame
data_frame_from_text <- read.table(file_name, header = TRUE, sep = delimiter)

# Display the DataFrame
print(data_frame_from_text)

Овај код ће прочитати текстуалну датотеку и креирати је у Р, чинећи је приступачном за анализу података у вашем Р окружењу.

#8. Коришћење Тиббле-а

Да бисте га креирали помоћу обезбеђених вектора и користили библиотеку тидиверсе, можете да пратите ове кораке:

# Load the tidyverse library
library(tidyverse)

# Create a tibble using the provided vectors
sales_data <- tibble(
  OrderID = 1001:1011,
  Product = c("Laptop", "Smartphone", "Tablet", "Headphones", "Camera", "TV", "Printer", "Washing Machine", "Refrigerator", "Microwave Oven", "Coffee Maker"),
  Quantity = c(1, 5, 1, 9, 10, 4, 2, 10, 1, 8, 2),
  Price = c(1875.88, 585.31, 978.36, 1886.03, 1958.63, 323.23, 1002.49, 1164.63, 1817.66, 363.55, 75.99),
  Discount = c(0.3, 0.28, 0.02, 0.15, 0.12, 0.27, 0.13, 0.25, 0.22, 0.24, 0.1),
  Date = as.Date(c("2023-01-08", "2023-01-03", "2023-01-02", "2023-01-01", "2023-01-10", "2023-01-09", "2023-01-05", "2023-01-06", "2023-01-04", "2023-01-07", "2023-01-12")),
  PaymentMethod = c("Credit Card", "PayPal", "Cash", "Credit Card", "Cash", "PayPal", "Cash", "Credit Card", "Credit Card", "Cash", "Credit Card")
)

# Display the created sales tibble
print(sales_data)

Овај код користи функцију тиббле() из библиотеке тидиверсе да креира тиббле ДатаФраме под називом салес_дата. Тиббле формат пружа информативније штампање у поређењу са подразумеваним Р оквиром података, као што сте споменули.

Како ефикасно користити оквире података у Р

Ефикасно коришћење оквира података у Р је од суштинског значаја за манипулацију и анализу података. ДатаФраме су основна структура података у Р и обично се креирају и манипулишу помоћу функције дата.фраме. Ево неколико савета за ефикасан рад:

• Пре креирања, уверите се да су ваши подаци чисти и добро структурирани. Уклоните све непотребне редове или колоне, рукујте вредностима које недостају и уверите се да су типови података одговарајући.

• Подесите одговарајуће типове података за своје колоне (нпр. нумерички, карактерни, фактор, датум). Ово може побољшати употребу меморије и брзину рачунања.

• Користите индексирање и подскуп за рад са мањим деловима података. Подскуп() и [ ] оператори су корисни за ову сврху.

• Док аттацх() и детацх() могу бити згодни, али такође могу довести до двосмислености и неочекиваног понашања.

• Р је високо оптимизован за векторизоване операције. Кад год је могуће, користите векторизоване функције уместо петљи за манипулацију подацима.

• Угнежђене петље могу бити споре у Р. Уместо угнежђених петљи, покушајте да користите векторизоване операције или примените функције као што су лаппли или саппли.

• Велики оквири података могу заузети много меморије. Размислите о коришћењу пакета дата.табле или дтплир, који су ефикаснији за меморију за веће скупове података.

• Р има широк спектар пакета за манипулацију подацима. Користите пакете као што су дплир, тидир и дата.табле за ефикасне трансформације података.

• Смањите употребу глобалних променљивих, посебно када радите са више оквира података. Користите функције и проследите ДатаФрамес као аргументе.

• Када радите са агрегатним подацима, користите функције гроуп_би() и суммаризе() у дплир-у да бисте ефикасно извршили прорачуне.

• За велике скупове података, размислите о коришћењу паралелне обраде са пакетима као што су паралелни или фореацх да бисте убрзали операције.

• Када читате податке у Р, користите функције као што су реадр или дата.табле::фреад уместо основних Р функција као што је реад.цсв за бржи увоз података.

• За веома велике скупове података, размислите о коришћењу система база података или специјализованих формата за складиштење као што су Феатхер, Арров или Паркет.

Пратећи ове најбоље праксе, можете ефикасно да радите са ДатаФрамес-има у Р, чинећи своје задатке манипулације подацима и анализе лакшим и бржим.

Последње мисли

Креирање оквира података у Р је једноставно, а на располагању су вам различите методе. Нагласио сам важност оквира података и разговарао о њиховом креирању помоћу функције дата.фраме().

Поред тога, истражили смо методе за манипулисање подацима и покрили како да креирате из ЦСВ и Екцел датотека, конвертујете друге структуре података у оквире података и користите библиотеку тиббле.

Можда ће вас занимати најбољи ИДЕ за Р програмирање.