Introductie tot dataframes in R

Als je onze cursus Introduction to R wilt volgen, vind je hier de link.

Wat is een dataframe?

Je herinnert je misschien uit het hoofdstuk over matrices dat alle elementen die je in een matrix stopt van hetzelfde type moeten zijn. Destijds bevatte je Star Wars-dataset alleen numerieke elementen.

Bij marktonderzoek heb je echter vaak vragen zoals:

• 'Ben je getrouwd?' of 'ja/nee'-vragen (logical)
• 'Hoe oud ben je?' (numeric)
• 'Wat is je mening over dit product?' of andere open vragen (character)
• ...

De output, oftewel de antwoorden van de respondenten op de bovenstaande vragen, is een dataset met verschillende datatypes. Je werkt vaak met datasets die meerdere datatypes bevatten in plaats van maar één.

Een dataframe heeft de variabelen van een dataset als kolommen en de observaties als rijen. Dit zal bekend klinken voor wie met andere statistische softwarepakketten zoals SAS of SPSS heeft gewerkt.

Instructies

Klik op 'Submit Answer'. De data uit het ingebouwde voorbeeld-dataframe mtcars wordt in de console afgedrukt.

Kijk snel even naar je dataset

Wauw, dat zijn veel auto's!

Werken met grote datasets is niet ongebruikelijk in data-analyse. Als je met (extreem) grote datasets en dataframes werkt, is je eerste taak als data-analist om een duidelijk beeld te krijgen van de structuur en de belangrijkste elementen. Het is daarom vaak handig om slechts een klein deel van de volledige dataset te tonen.

Hoe doe je dat in R? Met de functie head() kun je de eerste observaties van een dataframe laten zien. Op vergelijkbare wijze print de functie tail() de laatste observaties uit je dataset.

Zowel head() als tail() printen een bovenste regel, de 'header', met de namen van de verschillende variabelen in je dataset.

Instructies

Roep head() aan op de mtcars-dataset om de header en de eerste observaties te bekijken.

Bekijk de structuur

Een andere methode die vaak wordt gebruikt om snel een overzicht van je data te krijgen, is de functie str(). De functie str() toont de structuur van je dataset. Voor een dataframe vertelt die je:

Het totale aantal observaties (bijv. 32 autotypes) Het totale aantal variabelen (bijv. 11 autokenmerken) Een volledige lijst met variabelennamen (bijv. mpg, cyl ... ) Het datatype van elke variabele (bijv. num) De eerste observaties Het toepassen van de functie str() is vaak het eerste wat je doet wanneer je een nieuwe dataset of een nieuw dataframe ontvangt. Het is een geweldige manier om meer inzicht te krijgen in je dataset voordat je aan de echte analyse begint.

Instructies

Onderzoek de structuur van mtcars. Zorg dat je dezelfde aantallen, variabelen en datatypes ziet als hierboven genoemd.

Een dataframe maken

Omdat werken met ingebouwde datasets lang niet zo leuk is als je eigen datasets maken, is de rest van dit hoofdstuk gebaseerd op je zelf ontwikkelde dataset. Zet je jetpack op, want het is tijd voor wat ruimteverkenning!

Als eerste doel wil je een dataframe samenstellen dat de belangrijkste kenmerken van acht planeten in ons zonnestelsel beschrijft. Volgens je goede vriend Buzz zijn de belangrijkste kenmerken van een planeet:

• Het type planeet (Terrestrisch of Gasreus).
• De diameter van de planeet relatief ten opzichte van de diameter van de aarde.
• De omloop van de planeet rond de zon relatief ten opzichte van die van de aarde.
• Of de planeet ringen heeft of niet (TRUE of FALSE).

Na wat hoogwaardig onderzoek op Wikipedia voel je je zeker genoeg om de benodigde vectoren te maken: name, type, diameter, rotation en rings; deze vectoren zijn al rechts gecodeerd. Het eerste element in elk van deze vectoren komt overeen met de eerste observatie.

Je maakt een dataframe met de functie data.frame(). Als argumenten geef je de eerder gemaakte vectoren door: die worden de verschillende kolommen van je dataframe. Omdat elke kolom dezelfde lengte heeft, moeten de vectoren die je doorgeeft ook dezelfde lengte hebben. Maar vergeet niet dat het mogelijk (en waarschijnlijk) is dat ze verschillende soorten data bevatten.

Instructies

Gebruik de functie data.frame() om een dataframe te maken. Geef de vectoren name, type, diameter, rotation en rings in deze volgorde door als argumenten aan data.frame(). Noem het resulterende dataframe planets_df.

Als je meer uit deze cursus wilt halen, vind je hier de link