R'de Verileri Alt Kümelere Ayırma: Seçme, Filtreleme ve Çıkarma

Belirli bir sütundan satır seçme

Dikkat edilmesi gereken davranışlardan biri, tek bir sütun seçtiğinizde gerçekleşen basitleştirmedir. Yalnızca payment sütununun ilk üç satırını seçmek, sonucu bir vektöre indirger.

debt[1:3, 2]
Altyapı:

100 200 150
Altyapı:

Buradaki 2, debt'in ikinci sütununa, yani payment'a karşılık gelir. Tek bir sütun seçtiğimiz için R, veri çerçevesi yapısını bırakır ve düz bir sayısal vektör döndürür.

Veri çerçevesi biçimlendirme

Bunu bir dataframe olarak tutmak için aşağıda gösterildiği gibi drop = FALSE ekleyin: 

debt[1:3, 2, drop = FALSE]
Altyapı:

    payment
1       100
2       200
3       150
Altyapı:

Belirli bir sütun seçme

$ operatörüyle dataframe$column yazarak tek bir sütunu da seçebilirsiniz. Aşağıdaki örnek, debt içinden payment sütununu çıkarır. R, sonucu bir veri çerçevesi yerine bir vektör olarak döndürür.

debt$payment
Altyapı:

100 200 150 50 75 100
Altyapı:

subset() Fonksiyonunu Kullanma

Daha karmaşık alt kümeler oluşturmak veya bir koşula dayalı alt küme almak istediğinizde, bir sonraki adım subset() fonksiyonunu kullanmaktır. Örneğin, adı Dan olan birinden gelen borçlara bakmak istiyorsunuz. Parantezleri kullanarak borcunu seçip toplayabilirsiniz, ancak bu, özellikle veri setinde olası değişiklikler olduğunda çok sağlam bir yöntem değildir.

# Bu çalışır, ancak bilgilendirici değildir
debt[1:3, ]
Altyapı:

Kategorik bir değişkende subset()

Bunu yapmanın daha iyi bir yolu, ad sütununun Dan'e eşit olduğu satırları seçmek için subset() fonksiyonunu kullanmaktır. İlişkisel bir operatör olan çift eşittir işaretine (==) ihtiyaç olduğunu unutmayın.

# Bu çalışır, ancak ne bilgilendirici ne de sağlamdır
debt[1:3, ]

# Çok daha bilgilendirici!
subset(debt, name == "Dan")
Altyapı:

      name     payment
1      Dan         100
2      Dan         200
3      Dan         150
Altyapı:

Sonuç, name değerinin "Dan" olduğu üç satırı içerir. Orijinal satır numaralarının (1, 2, 3) korunduğuna dikkat edin; bu, sonuçları kaynak veri çerçevesine geri izlemeye yardımcı olur.

Sayısal bir değişkende subset()

Sayısal sütunlarda da alt kümeleme yapabiliriz. Ödemelerin 100 $'a eşit olduğu satırları görmek istiyorsak, şunu yaparsınız:

subset(debt, payment == 100)
Altyapı:

      name  payment
1      Dan      100
6      Rob      100
Altyapı:

İki satır koşulu karşılar: 1. satır (Dan) ve 6. satır (Rob) tam olarak 100 $ ödeme yapmıştır. Bu, subset()'in isimden bağımsız olarak her satırı taradığını ve tüm eşleşmeleri döndürdüğünü gösterir.

Veri Çerçevelerine Erişim ve Alt Kümeleme

Ya yalnızca şirket A'nın nakit akışlarına ihtiyacınız varsa? Burada subset() fonksiyonu, farklı bir veri çerçevesi olan cash'ten satırları filtreler:

subset(cash, company == "A")
Altyapı:

      company  cash_flow  year
1           A       1000     1
2           A       4000     3
3           A        550     4
Altyapı:

Unutmayın:

• subset()'e verdiğiniz ilk argüman, veri çerçevenizin adı olan cash'tir.

• company'i tırnak içine almamalısınız!

• == eşitlik operatörüdür. İki şeyin nerede eşit olduğunu test eder ve mantıksal bir vektör döndürür.

subset() Yönteminin Etkileşimli Örneği

Aşağıdaki örnekte, subset()'i kullanarak cash içinden şirket B'ye karşılık gelen satırları seçiyor, ardından 1 yıl sonra vadesi gelen nakit akışlarını filtreliyoruz.

# Şirket B ile ilgili satırlar
subset(cash, company == "B")

# 1 yıl içinde vadesi gelen nakit akışları olan satırlar
subset(cash, year == 1)
Altyapı:

Yukarıdaki kodu çalıştırdığınızda şu sonuçları üretir:

  company cash_flow year
4       B      1500    1
5       B      1100    2
6       B       750    4
7       B      6000    5
Altyapı:

  company cash_flow year
1       A      1000    1
4       B      1500    1
Altyapı:

Finans için R'ye Giriş kursumuzda kendiniz deneyin.

Bu içerik, Lore Dirick'in DataCamp’teki Finans için R'ye Giriş kursundan alınmıştır.

dplyr ile Alt Kümeleme

tidyverse paketindeki dplyr, veri çerçevelerini alt kümelere ayırmak için modern bir alternatiftir. filter() fonksiyonu satırları, select() ise sütunları seçer; her ikisi de işlemleri birbirine bağlayan boru hattı tabanlı bir söz dizimi kullanır.

library(dplyr)

# Adı "Dan" olan satırları filtrele
debt %>% filter(name == "Dan")

# Yalnızca payment sütununu seç (veri çerçevesi olarak kalır)
debt %>% select(payment)

# Birleştir: tek bir boru hattında satırları filtrele ve sütunları seç
debt %>%
  filter(payment >= 100) %>%
  select(name, payment)
Altyapı:

subset()'ten farklı olarak, dplyr fonksiyonları diğer fonksiyonların içinde güvenilir şekilde çalışır ve aynı boru hattında gruplanmış işlemleri, birleştirmeleri ve özetlemeleri yönetir. Tek seferlik sorgular çalıştırmak yerine veri analizi iş akışları kuruyorsanız, dplyr standart araçtır.

Alt Kümeleme Yöntemlerinin Karşılaştırması

R'deki farklı alt kümeleme yöntemlerini bir tabloda karşılaştıralım:

Son Düşünceler

R, verileri alt kümelere ayırmanız için birkaç yol sunar: tam kontrol için parantez gösterimi [], okunabilir etkileşimli filtreleme için subset() ve veri hatları için dplyr::filter(). Parantezler herhangi bir R nesnesinde çalışır, subset() tek seferlik keşifler için okunaklıdır ve dplyr, birden çok işlemi zincirlerken iyi ölçeklenir.

R'de veri düzenleme konusuna daha derinlemesine inmek için dplyr ile Veri Manipülasyonu kursunu veya DataCamp'teki Tidyverse'e Giriş kursunu öneririm.