Chapter 2: Data Wrangling in R Using dplyr and tidyr

library(dplyr)
library(tidyr)

Ôn tập các buổi trước

Dplyr

Thao tác với dòng

• Lọc: filter

• Xoá trùng lặp: distinct

• Sắp xếp: arrange

Thao tác với cột

• Chọn cột: select

• Đổi tên cột: rename

• Tạo cột mới: mutate

  • case_when: điều kiện (dùng cho tiền xử lý, phân tổ)

• Tạo bảng, tổng hợp dữ liệu: summarize(), summarise()

  • mean, median, quantile, min, max, sum

  • group_by tính cho từng nhóm

  • n(): số quan sát

  • first(): ô đầu tiên của nhóm đó

  • last(): ô cuổi cùng của nhóm

  • nth(number): ô bất kì của nhóm

• %>%: pipe operator

  • Vế trái %>% Vế phải

  • Lấy ouput của hàm bên trái, làm input đầu tiên của hàm bên phải

  • Ví dụ: lọc xe có mpg > trung bình, chọn cột mpg, hp, wt, sắp xếp giảm dần theo wt

arrange(
  select(
    filter(mtcars, mpg > mean(mpg)),
    mpg, hp, wt
  ),
  desc(wt)
)

filter(mtcars, mpg > mean(mpg)) %>% 
  select(mpg, hp, wt) %>%  
  arrange(desc(wt))

Tidyr

1. gather (đổi wide sang long)

gdp <- read.csv('gdp.csv', check.names = FALSE)
head(gdp)

gdp_long <- gather(
  gdp,
  `1960`:`2021`,
  key="Year",
  value="GDP",
  convert = TRUE
) 
gdp_long

gdp_long %>%
  spread(Year, GDP)

gdp <- read.csv('gdp.csv', check.names = F)
pop <- read.csv('pop.csv', check.names = F)
head(pop)

gdp_long <- gather(
  gdp, 
  `1960`:`2021`, 
  key = 'Year',
  value = 'gdp',
  convert = TRUE
) %>% 
  rename(
    name = 1,
    country_code = 2
  )
gdp_long

# names(pop) 1960 - 2021
pop_long <- gather(
  pop, 
  `1960`:`2021`,
  key = "year",
  value = "pop",
  convert = TRUE
) %>% 
  rename(
    name = 1,
    code = 2
  )
pop_long

inner_join(
  gdp_long,
  pop_long %>% select(-name),
  by = c('country_code' = 'code', 'Year' = 'year')
)