סינון ובחירת נתונים

The Tidyverse הוא אוסף של חבילות R המיועדות למדעי נתונים שחולקות פילוסופיה, דקדוק ומבני נתונים משותפים. חבילת הליבה למניפולציה של נתונים בחבילה זו נקראת dplyr.

dplyr מציגה קבוצה של פונקציות ("פעלים") שהופכות את המניפולציה של מסגרות נתונים אינטואיטיבית ביותר.

מפעיל הצינור (%>% או |>)

הפילוסופיה של Tidyverse מתמקדת בחיבור פעולות יחד. אופרטור הצינור %>% (או הצינור המקורי |> שהוצג ב-R 4.1+) לוקח את התוצאה של ביטוי אחד ומעביר אותה כארגומנט הראשון לפונקציה הבאה. זה ימנע קריאות פונקציות מקוננות ומונע עומס של סביבת העבודה שלך במשתנים זמניים.

# Without pipe:
filter(select(df, name, age), age > 20)

# With pipe:
df %>%
  select(name, age) %>%
  filter(age > 20)

dplyr פעלים לסינון ובחירה

שלושת הפעלים הבסיסיים לחילוץ נתונים ממסגרת נתונים הם:

1. select()

בוחר עמודות ספציפיות ממסגרת נתונים. אתה יכול לרשום את שמות העמודות שיש לשמור או להשתמש בקידומת - כדי לא לכלול עמודות.

# Select the 'name' and 'salary' columns
select(df, name, salary)

# Remove the 'address' column
select(df, -address)

2. filter()

מסנן שורות על סמך תנאי לוגי אחד או יותר.

# Filter rows where age is greater than 30
filter(df, age > 30)

# Filter using multiple conditions (logical AND)
filter(df, age > 30, department == "HR")

3. arrange()

ממיין שורות על סמך הערכים של עמודה אחת או יותר. סדר המיון עולה כברירת מחדל. כדי למיין בסדר יורד, עטוף את שם העמודה ב-desc().

# Sort by age (ascending)
arrange(df, age)

# Sort by salary (descending)
arrange(df, desc(salary))

נסה זאת בעצמך

תרגיל 1: בחר עמודות