தரவை வடிகட்டுதல் மற்றும் தேர்வு செய்தல்

Tidyverse என்பது பொதுவான தத்துவம், இலக்கணம் மற்றும் தரவு கட்டமைப்புகளைப் பகிர்ந்து கொள்ளும் தரவு அறிவியலுக்காக வடிவமைக்கப்பட்ட R தொகுப்புகளின் தொகுப்பாகும். இந்தத் தொகுப்பில் தரவு கையாளுதலுக்கான முக்கிய தொகுப்பு dplyr என அழைக்கப்படுகிறது.

dplyr ஆனது தரவுச் சட்ட கையாளுதலை மிகவும் உள்ளுணர்வுடன் செய்யும் செயல்பாடுகளின் தொகுப்பை ("வினைச்சொற்கள்") அறிமுகப்படுத்துகிறது.

பைப் ஆபரேட்டர் (%>% அல்லது |>)

டைடிவர்ஸ் தத்துவம், சங்கிலித் தொடர் செயல்பாடுகளை மையமாகக் கொண்டுள்ளது. பைப் ஆபரேட்டர் %>% (அல்லது சொந்த குழாய் |> R 4.1+ இல் அறிமுகப்படுத்தப்பட்டது) ஒரு வெளிப்பாட்டின் முடிவை எடுத்து அடுத்த செயல்பாட்டிற்கு முதல் வாதமாக அனுப்புகிறது. இது உள்ளமை செயல்பாடு அழைப்புகளைத் தவிர்க்கிறது மற்றும் தற்காலிக மாறிகள் மூலம் உங்கள் பணியிடத்தை ஒழுங்கீனம் செய்வதைத் தடுக்கிறது.

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

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

வடிகட்டுதல் மற்றும் தேர்ந்தெடுப்பதற்கான dplyr வினைச்சொற்கள்

தரவு சட்டகத்திலிருந்து தரவைப் பிரித்தெடுப்பதற்கான மூன்று அடிப்படை வினைச்சொற்கள்:

1. select()

தரவு சட்டகத்திலிருந்து குறிப்பிட்ட நெடுவரிசைகளைத் தேர்ந்தெடுக்கிறது. நெடுவரிசைப் பெயர்களை வைத்துப் பட்டியலிடலாம் அல்லது நெடுவரிசைகளை விலக்க - முன்னொட்டைப் பயன்படுத்தலாம்.

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

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

2. filter()

ஒன்று அல்லது அதற்கு மேற்பட்ட தருக்க நிபந்தனைகளின் அடிப்படையில் வரிசைகளை வடிகட்டுகிறது.

# 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()

ஒன்று அல்லது அதற்கு மேற்பட்ட நெடுவரிசைகளின் மதிப்புகளின் அடிப்படையில் வரிசைகளை வரிசைப்படுத்துகிறது. வரிசையாக்க வரிசை இயல்பாகவே ஏறுமுகத்தில் உள்ளது. இறங்கு வரிசையில் வரிசைப்படுத்த, நெடுவரிசையின் பெயரை desc() இல் மடிக்கவும்.

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

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

நீங்களே முயற்சி செய்து பாருங்கள்

பயிற்சி 1: நெடுவரிசைகளைத் தேர்ந்தெடுக்கவும்