డేటాను ఫిల్టర్ చేయడం మరియు ఎంచుకోవడం

Tidyverse అనేది సాధారణ తత్వశాస్త్రం, వ్యాకరణం మరియు డేటా నిర్మాణాలను పంచుకునే డేటా సైన్స్ కోసం రూపొందించబడిన R ప్యాకేజీల సమాహారం. ఈ సూట్‌లో డేటా మానిప్యులేషన్ కోసం కోర్ ప్యాకేజీని dplyr అంటారు.

dplyr డేటా ఫ్రేమ్ మానిప్యులేషన్‌ను అత్యంత సహజంగా చేసే ఫంక్షన్‌ల సమితిని ("క్రియలు") పరిచయం చేస్తుంది.

పైప్ ఆపరేటర్ (%>% లేదా |>)

Tidyverse తత్వశాస్త్రం చైనింగ్ కార్యకలాపాలపై కేంద్రీకృతమై ఉంది. పైప్ ఆపరేటర్ %>% (లేదా స్థానిక పైపు |> R 4.1+లో ప్రవేశపెట్టబడింది) ఒక వ్యక్తీకరణ యొక్క ఫలితాన్ని తీసుకొని తదుపరి ఫంక్షన్‌కు మొదటి ఆర్గ్యుమెంట్‌గా పంపుతుంది. ఇది నెస్టెడ్ ఫంక్షన్ కాల్‌లను నివారిస్తుంది మరియు తాత్కాలిక వేరియబుల్స్‌తో మీ వర్క్‌స్పేస్‌ను అస్తవ్యస్తం చేయడాన్ని నిరోధిస్తుంది.

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

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

వడపోత మరియు ఎంచుకోవడం కోసం dplyr క్రియలు

డేటా ఫ్రేమ్ నుండి డేటాను సంగ్రహించడానికి మూడు ప్రాథమిక క్రియలు:

1. select()

డేటా ఫ్రేమ్ నుండి నిర్దిష్ట నిలువు వరుసలను ఎంచుకుంటుంది. మీరు నిలువు వరుస పేర్లను ఉంచడానికి జాబితా చేయవచ్చు లేదా నిలువు వరుసలను మినహాయించడానికి - ఉపసర్గను ఉపయోగించవచ్చు.

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

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

2. filter()

ఒకటి లేదా అంతకంటే ఎక్కువ తార్కిక పరిస్థితుల ఆధారంగా అడ్డు వరుసలను ఫిల్టర్ చేస్తుంది.

# 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()

ఒకటి లేదా అంతకంటే ఎక్కువ నిలువు వరుసల విలువల ఆధారంగా అడ్డు వరుసలను క్రమబద్ధీకరిస్తుంది. సార్టింగ్ ఆర్డర్ డిఫాల్ట్‌గా ఆరోహణలో ఉంది. అవరోహణ క్రమంలో క్రమబద్ధీకరించడానికి, నిలువు వరుస పేరును desc()లో చుట్టండి.

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

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

మీరే ప్రయత్నించండి

వ్యాయామం 1: నిలువు వరుసలను ఎంచుకోండి