Baca Data
birthweight <- read.csv("birthweight.csv")Apa yang dimaksud dengan objek berat lahir? Di browser lingkungan, Anda akan melihat bahwa itu adalah “42 obs. dari 18 variabel.” Ini mungkin tabel data dengan 42 baris dan 18 kolom. Kita dapat memverifikasi ini menggunakan fungsi class()dan dim().
class(birthweight)## [1] "data.frame"dim(birthweight)## [1] 42 18Catatan tentang pemformatan: Dalam dokumentasi ini, baris yang diawali dengan ##adalah output dari kode R yang ditampilkan. Running dim(birthweight)bertanya kepada R berapakah dimensi benda berat lahir tersebut; jawabannya 42 (baris) x 21 (kolom). “[1]” bukan bagian dari output. Ini adalah indeks yang ditambahkan oleh R untuk membantu Anda melacak nilai ketika suatu operasi menghasilkan nilai dalam jumlah besar. Kita akan melihat contoh lain nanti yang diharapkan dapat memperjelas hal ini. Untuk saat ini, kita dapat mengabaikan “[1]” itu dengan aman.
Bingkai data mengatur data menjadi baris dan kolom. Objeknya harus berbentuk “persegi panjang”, dengan semua baris memiliki jumlah bidang yang sama, dan semua nilai dalam kolom harus bertipe sama.
Setiap kolom bingkai data adalah vektor . Vektor adalah kumpulan nilai-nilai yang bertipe sama.
Mari kita lihat isinya.
birthweight## ID birth.date location length birthweight head.circumference
## 1 1107 1/25/1967 General 52 3.23 36
## 2 697 2/6/1967 Silver Hill 48 3.03 35
## 3 1683 2/14/1967 Silver Hill 53 3.35 33
## 4 27 3/9/1967 Silver Hill 53 3.55 37
## 5 1522 3/13/1967 Memorial 50 2.74 33
## 6 569 3/23/1967 Memorial 50 2.51 35
## 7 365 4/23/1967 Memorial 52 3.53 37
## 8 808 5/5/1967 Silver Hill 48 2.92 33
## 9 1369 6/4/1967 Silver Hill 49 3.18 34
## 10 1023 6/7/1967 Memorial 52 3.00 35
## 11 822 6/14/1967 Memorial 50 3.42 35
## 12 1272 6/20/1967 Memorial 53 2.75 32
## 13 1262 6/25/1967 Silver Hill 53 3.19 34
## 14 575 7/12/1967 Memorial 50 2.78 30
## 15 1016 7/13/1967 Silver Hill 53 4.32 36
## 16 792 9/7/1967 Memorial 53 3.64 38
## 17 820 10/7/1967 General 52 3.77 34
## 18 752 10/19/1967 General 49 3.32 36
## 19 619 11/1/1967 Memorial 52 3.41 33
## 20 1764 12/7/1967 Silver Hill 58 4.57 39
## 21 1081 12/14/1967 Silver Hill 54 3.63 38
## 22 516 1/8/1968 Silver Hill 47 2.66 33
## 23 272 1/10/1968 Memorial 52 3.86 36
## 24 321 1/21/1968 Silver Hill 48 3.11 33
## 25 1636 2/2/1968 Silver Hill 51 3.93 38
## 26 1360 2/16/1968 General 56 4.55 34
## 27 1388 2/22/1968 Memorial 51 3.14 33
## 28 1363 4/2/1968 General 48 2.37 30
## 29 1058 4/24/1968 Silver Hill 53 3.15 34
## 30 755 4/25/1968 Memorial 53 3.20 33
## 31 462 6/19/1968 Silver Hill 58 4.10 39
## 32 300 7/18/1968 Silver Hill 46 2.05 32
## 33 1088 7/24/1968 General 51 3.27 36
## 34 57 8/12/1968 Memorial 51 3.32 38
## 35 553 8/17/1968 Silver Hill 54 3.94 37
## 36 1191 9/7/1968 General 53 3.65 33
## 37 431 9/16/1968 Silver Hill 48 1.92 30
## 38 1313 9/27/1968 Silver Hill 43 2.65 32
## 39 1600 10/9/1968 General 53 2.90 34
## 40 532 10/25/1968 General 53 3.59 34
## 41 223 12/11/1968 General 50 3.87 33
## 42 1187 12/19/1968 Silver Hill 53 4.07 38
## weeks.gestation smoker maternal.age maternal.cigarettes maternal.height
## 1 38 no 31 0 164
## 2 39 no 27 0 162
## 3 41 no 27 0 164
## 4 41 yes 37 25 161
## 5 39 yes 21 17 156
## 6 39 yes 22 7 159
## 7 40 yes 26 25 170
## 8 34 no 26 0 167
## 9 38 yes 31 25 162
## 10 38 yes 30 12 165
## 11 38 no 20 0 157
## 12 40 yes 37 50 168
## 13 41 yes 27 35 163
## 14 37 yes 19 7 165
## 15 40 no 19 0 171
## 16 40 yes 20 2 170
## 17 40 no 24 0 157
## 18 40 yes 27 12 152
## 19 39 yes 23 25 181
## 20 41 yes 32 12 173
## 21 38 no 18 0 172
## 22 35 yes 20 35 170
## 23 39 yes 30 25 170
## 24 37 no 28 0 158
## 25 38 no 29 0 165
## 26 44 no 20 0 162
## 27 41 yes 22 7 160
## 28 37 yes 20 7 163
## 29 40 no 29 0 167
## 30 41 no 21 0 155
## 31 41 no 35 0 172
## 32 35 yes 41 7 166
## 33 40 no 24 0 168
## 34 39 yes 23 17 157
## 35 42 no 24 0 175
## 36 42 no 21 0 165
## 37 33 yes 20 7 161
## 38 33 no 24 0 149
## 39 39 no 19 0 165
## 40 40 yes 31 12 163
## 41 45 yes 28 25 163
## 42 44 no 20 0 174
## maternal.prepregnant.weight paternal.age paternal.education
## 1 57 NA NA
## 2 62 27 14
## 3 62 37 14
## 4 66 46 NA
## 5 53 24 12
## 6 52 23 14
## 7 62 30 10
## 8 64 25 12
## 9 57 32 16
## 10 64 38 14
## 11 48 22 14
## 12 61 31 16
## 13 51 31 16
## 14 60 20 14
## 15 62 19 12
## 16 59 24 12
## 17 50 31 16
## 18 48 37 12
## 19 69 23 16
## 20 70 38 14
## 21 50 20 12
## 22 57 23 12
## 23 78 40 16
## 24 54 39 10
## 25 61 NA NA
## 26 57 23 10
## 27 53 24 16
## 28 47 20 10
## 29 60 30 16
## 30 55 25 14
## 31 58 31 16
## 32 57 37 14
## 33 53 29 16
## 34 48 NA NA
## 35 66 30 12
## 36 61 21 10
## 37 50 20 10
## 38 45 26 16
## 39 57 NA NA
## 40 49 41 12
## 41 54 30 16
## 42 68 26 14
## paternal.cigarettes paternal.height low.birthweight geriatric.pregnancy
## 1 NA NA 0 FALSE
## 2 0 178 0 FALSE
## 3 0 170 0 FALSE
## 4 0 175 0 TRUE
## 5 7 179 0 FALSE
## 6 25 NA 1 FALSE
## 7 25 181 0 FALSE
## 8 25 175 0 FALSE
## 9 50 194 0 FALSE
## 10 50 180 0 FALSE
## 11 0 179 0 FALSE
## 12 0 173 0 TRUE
## 13 25 185 0 FALSE
## 14 0 183 0 FALSE
## 15 0 183 0 FALSE
## 16 12 185 0 FALSE
## 17 0 173 0 FALSE
## 18 25 170 0 FALSE
## 19 2 181 0 FALSE
## 20 25 180 0 FALSE
## 21 7 172 0 FALSE
## 22 50 186 1 FALSE
## 23 50 178 0 FALSE
## 24 0 171 0 FALSE
## 25 NA NA 0 FALSE
## 26 35 179 0 FALSE
## 27 12 176 0 FALSE
## 28 35 185 1 FALSE
## 29 NA 182 0 FALSE
## 30 25 183 0 FALSE
## 31 25 185 0 TRUE
## 32 25 173 1 TRUE
## 33 0 181 0 FALSE
## 34 NA NA 0 FALSE
## 35 0 184 0 FALSE
## 36 25 185 0 FALSE
## 37 35 180 1 FALSE
## 38 0 169 1 FALSE
## 39 NA NA 0 FALSE
## 40 50 191 0 FALSE
## 41 0 183 0 FALSE
## 42 25 189 0 FALSEFormat bingkai data akan terlihat familier. Ini sangat mirip dengan spreadsheet.
Secara umum, kami tidak ingin mengoperasikan seluruh frame data. Misalnya, untuk menghitung rata-rata berat badan lahir, kita tidak memerlukan informasi di kolom “pendidikan ayah”.
Ada tiga cara untuk membuat subset R pada bingkai data: $, [[, dan [.
Cara paling sederhana untuk mendapatkan semua nilai di kolom “berat lahir” adalah dengan operator $.
birthweight$birthweight## [1] 3.23 3.03 3.35 3.55 2.74 2.51 3.53 2.92 3.18 3.00 3.42 2.75 3.19 2.78 4.32
## [16] 3.64 3.77 3.32 3.41 4.57 3.63 2.66 3.86 3.11 3.93 4.55 3.14 2.37 3.15 3.20
## [31] 4.10 2.05 3.27 3.32 3.94 3.65 1.92 2.65 2.90 3.59 3.87 4.07Perhatikan bahwa sekarang ada tiga angka di dalam tanda kurung: satu di awal setiap baris keluaran. Ini adalah indeks (lokasi) dari angka berikut dalam vektor keluaran. Mereka memberi kita gambaran umum tentang panjang vektor, dan memungkinkan kita menentukan nilai pengamatan tertentu secara sekilas. Misalnya kita bisa menjawab pertanyaan “berapa berat lahir bayi ke-34?”
Setelah vektor berat badan lahir diekstraksi dari kerangka data lainnya, vektor tersebut dapat digunakan untuk menghitung mean.
mean(birthweight$birthweight)## [1] 3.312857Operator ini $merupakan pintasan untuk [[operator sub-pengaturan, yang mengharuskan pengetikan enam karakter tambahan (dua pasang tanda kurung siku dan sepasang tanda kutip). Mereka berfungsi dengan cara yang sama, mengembalikan nilai elemen bernama.
birthweight[["birthweight"]]## [1] 3.23 3.03 3.35 3.55 2.74 2.51 3.53 2.92 3.18 3.00 3.42 2.75 3.19 2.78 4.32
## [16] 3.64 3.77 3.32 3.41 4.57 3.63 2.66 3.86 3.11 3.93 4.55 3.14 2.37 3.15 3.20
## [31] 4.10 2.05 3.27 3.32 3.94 3.65 1.92 2.65 2.90 3.59 3.87 4.07mean(birthweight[["birthweight"]])## [1] 3.312857Satu perbedaan yang perlu diperhatikan adalah ketika [[bekerja dengan indeks, atau nomor kolom, $tidak.
# which column contains the birth weight?
# lines beginning with a '#' are comments, and are not executed by R
colnames(birthweight)## [1] "ID" "birth.date"
## [3] "location" "length"
## [5] "birthweight" "head.circumference"
## [7] "weeks.gestation" "smoker"
## [9] "maternal.age" "maternal.cigarettes"
## [11] "maternal.height" "maternal.prepregnant.weight"
## [13] "paternal.age" "paternal.education"
## [15] "paternal.cigarettes" "paternal.height"
## [17] "low.birthweight" "geriatric.pregnancy"birthweight[[5]]## [1] 3.23 3.03 3.35 3.55 2.74 2.51 3.53 2.92 3.18 3.00 3.42 2.75 3.19 2.78 4.32
## [16] 3.64 3.77 3.32 3.41 4.57 3.63 2.66 3.86 3.11 3.93 4.55 3.14 2.37 3.15 3.20
## [31] 4.10 2.05 3.27 3.32 3.94 3.65 1.92 2.65 2.90 3.59 3.87 4.07mean(birthweight[[5]])## [1] 3.312857Berbeda dengan $and [[, yang mengembalikan nilai yang terkandung dalam elemen tertentu, [mengembalikan objek dengan tipe yang sama dengan yang digunakan untuk subset. Menggunakan [untuk mengambil kolom kelima akan mengembalikan bingkai data dengan 42 baris dan 1 kolom. Ini mungkin tidak tampak seperti perbedaan besar, namun bisa menjadi perbedaan penting dalam beberapa kasus.
birthweight[5]## birthweight
## 1 3.23
## 2 3.03
## 3 3.35
## 4 3.55
## 5 2.74
## 6 2.51
## 7 3.53
## 8 2.92
## 9 3.18
## 10 3.00
## 11 3.42
## 12 2.75
## 13 3.19
## 14 2.78
## 15 4.32
## 16 3.64
## 17 3.77
## 18 3.32
## 19 3.41
## 20 4.57
## 21 3.63
## 22 2.66
## 23 3.86
## 24 3.11
## 25 3.93
## 26 4.55
## 27 3.14
## 28 2.37
## 29 3.15
## 30 3.20
## 31 4.10
## 32 2.05
## 33 3.27
## 34 3.32
## 35 3.94
## 36 3.65
## 37 1.92
## 38 2.65
## 39 2.90
## 40 3.59
## 41 3.87
## 42 4.07Karena [operator mengembalikan bingkai data baru, operator dapat digunakan untuk menentukan beberapa baris dan/atau kolom.
birthweight[c(1,5)]## ID birthweight
## 1 1107 3.23
## 2 697 3.03
## 3 1683 3.35
## 4 27 3.55
## 5 1522 2.74
## 6 569 2.51
## 7 365 3.53
## 8 808 2.92
## 9 1369 3.18
## 10 1023 3.00
## 11 822 3.42
## 12 1272 2.75
## 13 1262 3.19
## 14 575 2.78
## 15 1016 4.32
## 16 792 3.64
## 17 820 3.77
## 18 752 3.32
## 19 619 3.41
## 20 1764 4.57
## 21 1081 3.63
## 22 516 2.66
## 23 272 3.86
## 24 321 3.11
## 25 1636 3.93
## 26 1360 4.55
## 27 1388 3.14
## 28 1363 2.37
## 29 1058 3.15
## 30 755 3.20
## 31 462 4.10
## 32 300 2.05
## 33 1088 3.27
## 34 57 3.32
## 35 553 3.94
## 36 1191 3.65
## 37 431 1.92
## 38 1313 2.65
## 39 1600 2.90
## 40 532 3.59
## 41 223 3.87
## 42 1187 4.07Fungsi ini c()menciptakan vektor. Hal ini memungkinkan R untuk memperlakukan indeks 1 dan 5 sebagai argumen tunggal. Ini penting karena birthweight[1,5]tidak menghasilkan efek yang sama sama sekali.
birthweight[1, 5]## [1] 3.23Apa yang telah terjadi?
Ketika ada dua argumen yang diberikan kepada [, R menafsirkannya sebagai indeks pada dimensi pertama (baris) dan kedua (kolom) dari objek. Nilai yang dikembalikan adalah isi baris pertama, kolom kelima: berat lahir individu 1107.
Perilaku defaultnya [adalah mengembalikan seluruh objek. Argumen pertama bertindak sebagai semacam filter pada dimensi pertama, argumen kedua sebagai filter pada dimensi kedua, dan seterusnya. Mengosongkan spasi sebelum koma akan mengembalikan semua baris (tidak ada filter yang diterapkan), sedangkan mengosongkan spasi setelah koma akan mengembalikan semua kolom. Pastikan untuk mencoba variasi contoh kode di bawah ini untuk melihat apa yang terjadi.
birthweight[c(2,7,29), c(1,5)]## ID birthweight
## 2 697 3.03
## 7 365 3.53
## 29 1058 3.15Menggunakan tanda minus sebelum indeks atau kelompok indeks akan mengecualikan baris/kolom tertentu.
colnames(birthweight)## [1] "ID" "birth.date"
## [3] "location" "length"
## [5] "birthweight" "head.circumference"
## [7] "weeks.gestation" "smoker"
## [9] "maternal.age" "maternal.cigarettes"
## [11] "maternal.height" "maternal.prepregnant.weight"
## [13] "paternal.age" "paternal.education"
## [15] "paternal.cigarettes" "paternal.height"
## [17] "low.birthweight" "geriatric.pregnancy"# exclude paternal data (columns 13-16)
birthweight[c(1,3,5:13), -c(13:16)]## ID birth.date location length birthweight head.circumference
## 1 1107 1/25/1967 General 52 3.23 36
## 3 1683 2/14/1967 Silver Hill 53 3.35 33
## 5 1522 3/13/1967 Memorial 50 2.74 33
## 6 569 3/23/1967 Memorial 50 2.51 35
## 7 365 4/23/1967 Memorial 52 3.53 37
## 8 808 5/5/1967 Silver Hill 48 2.92 33
## 9 1369 6/4/1967 Silver Hill 49 3.18 34
## 10 1023 6/7/1967 Memorial 52 3.00 35
## 11 822 6/14/1967 Memorial 50 3.42 35
## 12 1272 6/20/1967 Memorial 53 2.75 32
## 13 1262 6/25/1967 Silver Hill 53 3.19 34
## weeks.gestation smoker maternal.age maternal.cigarettes maternal.height
## 1 38 no 31 0 164
## 3 41 no 27 0 164
## 5 39 yes 21 17 156
## 6 39 yes 22 7 159
## 7 40 yes 26 25 170
## 8 34 no 26 0 167
## 9 38 yes 31 25 162
## 10 38 yes 30 12 165
## 11 38 no 20 0 157
## 12 40 yes 37 50 168
## 13 41 yes 27 35 163
## maternal.prepregnant.weight low.birthweight geriatric.pregnancy
## 1 57 0 FALSE
## 3 62 0 FALSE
## 5 53 0 FALSE
## 6 52 1 FALSE
## 7 62 0 FALSE
## 8 64 0 FALSE
## 9 57 0 FALSE
## 10 64 0 FALSE
## 11 48 0 FALSE
## 12 61 0 TRUE
## 13 51 0 FALSER juga akan menerima nama baris atau kolom dalam tanda kutip sebagai cara untuk mensubset bingkai data.
birthweight[c("maternal.cigarettes", "birthweight")]## maternal.cigarettes birthweight
## 1 0 3.23
## 2 0 3.03
## 3 0 3.35
## 4 25 3.55
## 5 17 2.74
## 6 7 2.51
## 7 25 3.53
## 8 0 2.92
## 9 25 3.18
## 10 12 3.00
## 11 0 3.42
## 12 50 2.75
## 13 35 3.19
## 14 7 2.78
## 15 0 4.32
## 16 2 3.64
## 17 0 3.77
## 18 12 3.32
## 19 25 3.41
## 20 12 4.57
## 21 0 3.63
## 22 35 2.66
## 23 25 3.86
## 24 0 3.11
## 25 0 3.93
## 26 0 4.55
## 27 7 3.14
## 28 7 2.37
## 29 0 3.15
## 30 0 3.20
## 31 0 4.10
## 32 7 2.05
## 33 0 3.27
## 34 17 3.32
## 35 0 3.94
## 36 0 3.65
## 37 7 1.92
## 38 0 2.65
## 39 0 2.90
## 40 12 3.59
## 41 25 3.87
## 42 0 4.07Terakhir, vektor nilai logika (TRUE/FALSE) dapat digunakan untuk mengelompokkan data. Baris atau kolom yang bersesuaian dengan elemen “TRUE” akan dikembalikan, sedangkan baris atau kolom yang bersesuaian dengan elemen “FALSE” akan dikecualikan.
birthweight[c(1,3,5:13), c(TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, FALSE, FALSE, FALSE, FALSE, TRUE, TRUE)]## ID birth.date location length birthweight head.circumference
## 1 1107 1/25/1967 General 52 3.23 36
## 3 1683 2/14/1967 Silver Hill 53 3.35 33
## 5 1522 3/13/1967 Memorial 50 2.74 33
## 6 569 3/23/1967 Memorial 50 2.51 35
## 7 365 4/23/1967 Memorial 52 3.53 37
## 8 808 5/5/1967 Silver Hill 48 2.92 33
## 9 1369 6/4/1967 Silver Hill 49 3.18 34
## 10 1023 6/7/1967 Memorial 52 3.00 35
## 11 822 6/14/1967 Memorial 50 3.42 35
## 12 1272 6/20/1967 Memorial 53 2.75 32
## 13 1262 6/25/1967 Silver Hill 53 3.19 34
## weeks.gestation smoker maternal.age maternal.cigarettes maternal.height
## 1 38 no 31 0 164
## 3 41 no 27 0 164
## 5 39 yes 21 17 156
## 6 39 yes 22 7 159
## 7 40 yes 26 25 170
## 8 34 no 26 0 167
## 9 38 yes 31 25 162
## 10 38 yes 30 12 165
## 11 38 no 20 0 157
## 12 40 yes 37 50 168
## 13 41 yes 27 35 163
## maternal.prepregnant.weight low.birthweight geriatric.pregnancy
## 1 57 0 FALSE
## 3 62 0 FALSE
## 5 53 0 FALSE
## 6 52 1 FALSE
## 7 62 0 FALSE
## 8 64 0 FALSE
## 9 57 0 FALSE
## 10 64 0 FALSE
## 11 48 0 FALSE
## 12 61 0 TRUE
## 13 51 0 FALSEIni jauh lebih bermanfaat daripada kedengarannya.
birthweight$length## [1] 52 48 53 53 50 50 52 48 49 52 50 53 53 50 53 53 52 49 52 58 54 47 52 48 51
## [26] 56 51 48 53 53 58 46 51 51 54 53 48 43 53 53 50 53birthweight$length < 50## [1] FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE
## [13] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE TRUE FALSE TRUE
## [25] FALSE FALSE FALSE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
## [37] TRUE TRUE FALSE FALSE FALSE FALSEKarena hasil operasinya birthweight$length < 50adalah vektor dengan nilai TRUE/FALSE, maka dapat digunakan untuk subset frame data.
birthweight[birthweight$length < 50, c(1,4:12,17,18)]## ID length birthweight head.circumference weeks.gestation smoker
## 2 697 48 3.03 35 39 no
## 8 808 48 2.92 33 34 no
## 9 1369 49 3.18 34 38 yes
## 18 752 49 3.32 36 40 yes
## 22 516 47 2.66 33 35 yes
## 24 321 48 3.11 33 37 no
## 28 1363 48 2.37 30 37 yes
## 32 300 46 2.05 32 35 yes
## 37 431 48 1.92 30 33 yes
## 38 1313 43 2.65 32 33 no
## maternal.age maternal.cigarettes maternal.height maternal.prepregnant.weight
## 2 27 0 162 62
## 8 26 0 167 64
## 9 31 25 162 57
## 18 27 12 152 48
## 22 20 35 170 57
## 24 28 0 158 54
## 28 20 7 163 47
## 32 41 7 166 57
## 37 20 7 161 50
## 38 24 0 149 45
## low.birthweight geriatric.pregnancy
## 2 0 FALSE
## 8 0 FALSE
## 9 0 FALSE
## 18 0 FALSE
## 22 1 FALSE
## 24 0 FALSE
## 28 1 FALSE
## 32 1 TRUE
## 37 1 FALSE
## 38 1 FALSEVektor, seperti kolom bingkai data, dapat disubset menggunakan [operator dengan indeks atau vektor lain.
birthweight$length[1]## [1] 52birthweight$length[c(1,2)]## [1] 52 48Gunakan fungsi min(), max(), dan mean()pada subkumpulan bingkai data untuk menjawab satu atau lebih pertanyaan berikut. Bekerja sama. Seringkali ada lebih dari satu cara untuk sampai pada jawabannya.
Pertanyaan apa lagi yang menarik bagi Anda? Bisakah Anda menjawabnya dengan fungsi yang telah kami gunakan sejauh ini?
Jawab
min(birthweight[[13]])## [1] NAmax(birthweight[[13]])## [1] NAada bapak yan gumurnya tidak terdeteksi
mean(birthweight[[9]])## [1] 25.54762max(birthweight[[10]])## [1] 50mean(birthweight[[12]])## [1] 57.5rata-rata berat badan ibu hamil adallah 57.5
sedangkan rata-ra berat badan ibu
mean(birthweight[[11]])## [1] 164.4524jawabannya Berat badan Ibu Lebih Tinggi Ketinmbang berat badan ibu Hamil