EKONOMETRİ PROJESİ
KAGGLE PROJESİ
SPACESHİP TİTANİC GEMİSİ
Hoş geldiniz 2912 yılına, burada veri bilimi becerileriniz bir kozmik gizemi çözmek için gerekiyor. Dört ışık yılı uzaklıktan bir ileti aldık ve durum pek iç açıcı değil. Uzay Gemisi Titanic, bir ay önce fırlatılan yıldızlararası bir yolcu gemisiydi. Yaklaşık 13,000 yolcusuyla gemi, güneş sistemimizden üç yeni yaşanabilir ötegezegenine göçmen taşıma amacıyla ilk seferine çıktı.
İlk varış noktası olan sıcak 55 Cancri E’ye giden yolunda Alpha Centauri’yi dönerken dikkatsiz Spaceship Titanic, bir toz bulutu içinde gizlenmiş bir uzay-zaman anomalisi ile çarpıştı. Ne yazık ki, isim benzerliğine rağmen, gemi 1000 yıl önceki adını taşıyan gemi gibi benzer bir kaderi paylaştı. Gemi bütünlüğünü korudu, ancak neredeyse yolcuların yarısı alternatif bir boyuta.
## Warning: le package 'ggplot2' a été compilé avec la version R 4.3.3AMERİKA VE TÜRKİYE İÇİN ENFLASYON VERİLERİ OLUŞTURALIM
## Warning: le package 'reshape2' a été compilé avec la version R 4.3.3turkey_inflation <- data.frame(
Year = c(2018, 2019, 2020, 2021, 2022, 2023, 2024),
Inflation_Rate = c(20.3, 11.1, 14.0, 17.9, 15.5, 19.8, 16.2) # Türkiye'nin yıllık enflasyon oranları (%)
)
ukraine_inflation <- data.frame(
Year = c(2018, 2019, 2020, 2021, 2022, 2023, 2024),
Inflation_Rate = c(10.9, 6.5, 5.2, 7.8, 8.3, 11.4, 9.7) # Ukrayna'nın yıllık enflasyon oranları (%)
)
combined_data <- merge(turkey_inflation, ukraine_inflation, by = "Year")
ggplot(data = combined_data, aes(x = Year)) +
geom_line(aes(y = Inflation_Rate.x, color = "Turkey"), linetype = "solid", size = 1.2) +
geom_line(aes(y = Inflation_Rate.y, color = "Ukraine"), linetype = "dashed", size = 1.2) +
labs(title = "Türkiye ve Ukrayna Enflasyon Oranları (2018-2024)",
y = "Enflasyon Oranı (%)", color = "Ülke") +
scale_color_manual(values = c("Turkey" = "blue", "Ukraine" = "red"),
labels = c("Türkiye", "Ukrayna")) +
theme_minimal()## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
MAKİNE ÖĞRENME
Makine öğrenimi, bir bilgisayarın örnek verilere dayalı olarak belirli bir görevi öğrenmesini ve gerçek dünya verilerine dayalı deneyimlerden bilgi çıkarmasını içeren bir yapay zeka alanıdır. Bu, bir algoritmanın veri setleri üzerindeki desenleri tanımasına, bu desenlere göre öngörüler yapmasına ve kararlar almasına olanak tanır.
Makine öğrenimi genellikle denetimli, denetimsiz ve takviyeli öğrenme olmak üzere üç ana kategoriye ayrılır:
Denetimli Öğrenme: Bu türde, algoritma giriş verileri ve bu verilere karşılık gelen çıktılar arasındaki ilişkiyi öğrenir. Algoritma, verileri kullanarak belirli bir çıktı tahmininde bulunur. Örnekler arasında sınıflandırma ve regresyon bulunmaktadır. Sınıflandırma, verilen bir girdiye dayanarak kategorilere sınıflandırma yapmayı içerirken, regresyon, sürekli bir çıktıya sahip tahminlerde bulunmayı içerir.
Denetimsiz Öğrenme: Denetimsiz öğrenmede, algoritma verilerdeki yapıları ve desenleri keşfetmeye çalışır. Tipik olarak, giriş verileri ve bu verilerdeki desenlerle ilgili herhangi bir etiket yoktur. Bu tür algoritmalar, kümeleme ve boyut azaltma gibi görevleri gerçekleştirebilir. Kümeleme, verileri benzerliklerine göre gruplara ayırırken, boyut azaltma, veri setindeki değişken sayısını azaltarak veri setinin karmaşıklığını azaltır.
Takviyeli Öğrenme: Bu türde, bir ajanın belirli bir ortamda bir görevi en iyi şekilde nasıl gerçekleştireceğini öğrenmesi hedeflenir. Ajan, ortamla etkileşime girer, davranışlarını gözlemleyerek ve ödüller ve cezalar aracılığıyla geribildirim alarak öğrenir. Bu algoritma türü, oyun teorisi ve robotik gibi alanlarda yaygın olarak kullanılır.
Makine öğrenimi, birçok farklı alanda geniş bir uygulama yelpazesine sahiptir, bu da tahmin, sınıflandırma, kümelenme, doğal dil işleme, görüntü işleme ve daha fazlasını içerir. Her bir uygulama alanı, farklı makine öğrenimi teknikleri ve algoritmaları gerektirebilir. Veri analizi, model oluşturma, model eğitimi, model değerlendirmesi ve modelinizi gerçek dünya verileriyle kullanma gibi adımlar genellikle makine öğrenimi sürecinin
FORMÜL YAZMA
$$ =
$$
\[ \Delta = b^2-4ac \] \[ A = x^2 - 5x+1 \]
ÖDEV Ortalama,standart sapma, kovaryans ve korelasyon nedir?
Aritmetik Ortalama
Aritmetik ortalama veya ortalama , bir veri setindeki tüm değerlerin toplamının, değerlerin sayısına bölünmesiyle elde edilen bir ölçüdür. Aritmetik ortalama formülü .şekildedir:
\[ \bar{x} = \frac {\Sigma^n_İ (X_i)}{n} \]
Standart Sapma
Standart sapma, bir veri setindeki değerlerin ortalamadan ne kadar sapma gösterdiğini ölçen bir istatistiksel kavramdır.
\[ \sigma = \sqrt \frac {\Sigma^n_i (x_i-\bar{x})^2}{n} \]
KORELASYON
iki değişken arasındaki ilişkiyi ölçen bir istatistiksel kavramdır. Pearson korelasyon katsayısı, en yaygın kullanılan korelasyon ölçüsüdür. Pearson korelasyon katsayısının formülü şu şekildedir:
\[ r=\frac{\Sigma(x_i-\bar{x})(y_i-\bar{y})}{\sqrt{\Sigma(x_i-\bar{x})^2\Sigma(y_i-\bar{y})^2}} \]
VARYANS
Her bir veri noktasının ortalamadan farklı olduğu ortalama dereceyi ölçer.
\[ {{\sigma}^2 = \frac {\Sigma^n_i (X_i-\bar{X})^2}{n-1}} \]
Kovaryans
Olasılık teorisi ve istatistikte, kovaryans iki değişkenin birlikte ne kadar değiştiklerinin ölçüsüdür. $$ cov(x,y)=
$$
Örnek
x:[15,3,8,3,9] y:[9,4,7,1,3]
Çözümler
Verilerin Ortalamalarını Hesaplayalım
\[ \bar{x} = \frac {\Sigma(15+3+8+9+3)}{5}=7,6 \]
\[ \bar{y} = \frac {\Sigma(9+4+7+1+3)}{5} =4,8 \]
Verilerin Standar sapmasını Hesaplayalım
\[ \sigma = \sqrt \frac {\Sigma ((9-4,8)^2+(4-4,8)^2+(7-4,8)^2+(1-4,8)^2+(3-4,8)^2}{5}=0,26 \] \[ \sigma = \sqrt \frac {\Sigma ((15-7,6)^2+(3-7,6)^2+(8-7,6)^2+(9-7,6)^2+(3-7,6)^2}{5}=2,86 \]
Verilerin Varyansını Hesaplayalım
\[ \sigma = \ \frac {\Sigma ((15-7,6)^2+(3-7,6)^2+(8-7,6)^2+(9-7,6)^2+(3-7,6)^2}{5}=8,17 \] \[ \sigma^2=8,17 \]
\[ \sigma^2 = \ \frac {\Sigma ((15-7,6)^2+(3-7,6)^2+(8-7,6)^2+(9-7,6)^2+(3-7,6)^2}{5-1}=24,8 \]
\[ \sigma^2=24,8 \]
Verilerin Kovaryansını Hesaplayalım
\[ cov(x,y)=\frac{(15-7,6)(9-4,8)+(3-7,6)(4-4,8)+(8-7,6)(7-4,8)+(9-7,6)(3-4,8)}{4}=11,544 \]
## Warning: le package 'readr' a été compilé avec la version R 4.3.3## Rows: 8693 Columns: 14
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (5): PassengerId, HomePlanet, Cabin, Destination, Name
## dbl (6): Age, RoomService, FoodCourt, ShoppingMall, Spa, VRDeck
## lgl (3): CryoSleep, VIP, Transported
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.## Rows: 4277 Columns: 13
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (5): PassengerId, HomePlanet, Cabin, Destination, Name
## dbl (6): Age, RoomService, FoodCourt, ShoppingMall, Spa, VRDeck
## lgl (2): CryoSleep, VIP
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.Açıklama
Bu Projeden, Uzay Gemisi Titanic’in uzay-zaman anormalliği ile çarpışması sırasında bir yolcunun alternatif bir boyuta taşınıp taşınmadığını tahmin etmektir. Bu tahminleri yapmanıza yardımcı olmak için, geminin hasar görmüş bilgisayar sisteminden kurtarılan bir dizi kişisel kayıt verilmiştir.
Dosya ve Veri Alanı Açıklamaları train.csv - Eğitim verisi olarak kullanılacak yaklaşık üçte ikisi (~8700) yolcunun kişisel kayıtları.
PassengerId - Her yolcu için benzersiz bir kimlik. Her kimlik, yolcunun seyahat ettiği bir grubu gösteren gggg ile başlar ve pp grup içindeki sırasını temsil eder. Bir gruptaki insanlar genellikle aile üyeleridir, ancak her zaman değil.
HomePlanet - Yolcunun hareket ettiği gezegen, genellikle kalıcı ikamet gezegenleri. CryoSleep - Yolcunun yolculuğun süresi boyunca dondurulmuş animasyona alınıp alınmayacağını gösterir. CryoSleep’te olan yolcular kabinlerine kapatılmıştır.
Cabin - Yolcunun konakladığı kabin numarası. deck/num/side şeklinde alınır, burada side, Port için P veya Starboard için S olabilir.
Destination - Yolcunun ineceği gezegen.
Age - Yolcunun yaşı.
VIP - Yolcunun yolculuk sırasında özel VIP hizmeti için ödeme yapılıp yapılmadığını belirtir. RoomService, FoodCourt, ShoppingMall, Spa, VRDeck - Yolcunun Spaceship Titanic’in birçok lüks olanaklarında ne kadar fatura ödediği.
Name - Yolcunun adı ve soyadı.
Transported - Yolcunun başka bir boyuta taşınıp taşınmadığı. Bu, hedef, tahmin etmeye çalıştığınız sütun.
test.csv - Geri kalan üçte biri (~4300) yolcunun kişisel kayıtları, test verisi olarak kullanılacaktır. Göreviniz, bu setteki yolcular için Transported değerini tahmin etmektir.
sample_submission.csv - Doğru formatta bir sunum dosyası.
PassengerId - Test setindeki her yolcu için kimlik.
Transported - Hedef. Her yolcu için, True veya False değerlerinden birini tahmin edin.
## Warning: le package 'explore' a été compilé avec la version R 4.3.3## Warning: le package 'dplyr' a été compilé avec la version R 4.3.3##
## Attachement du package : 'dplyr'## Les objets suivants sont masqués depuis 'package:stats':
##
## filter, lag## Les objets suivants sont masqués depuis 'package:base':
##
## intersect, setdiff, setequal, unionTRAİN
## # A tibble: 14 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet chr 201 2.3 4 NA NA NA
## 3 CryoSleep lgl 217 2.5 3 0 0.36 1
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 Destination chr 182 2.1 4 NA NA NA
## 6 Age dbl 179 2.1 81 0 28.8 79
## 7 VIP lgl 203 2.3 3 0 0.02 1
## 8 RoomService dbl 181 2.1 1274 0 225. 14327
## 9 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 10 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 11 Spa dbl 183 2.1 1328 0 311. 22408
## 12 VRDeck dbl 188 2.2 1307 0 305. 24133
## 13 Name chr 200 2.3 8474 NA NA NA
## 14 Transported lgl 0 0 2 0 0.5 1## Warning: le package 'tidyverse' a été compilé avec la version R 4.3.3## Warning: le package 'tidyr' a été compilé avec la version R 4.3.3## Warning: le package 'purrr' a été compilé avec la version R 4.3.3## Warning: le package 'stringr' a été compilé avec la version R 4.3.3## Warning: le package 'forcats' a été compilé avec la version R 4.3.3## Warning: le package 'lubridate' a été compilé avec la version R 4.3.3## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ lubridate 1.9.3 ✔ tibble 3.2.1
## ✔ purrr 1.0.2 ✔ tidyr 1.3.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorsCABİN AYRILAYALIM
## PassengerId HomePlanet CryoSleep Cabin
## Length:8693 Length:8693 Mode :logical Length:8693
## Class :character Class :character FALSE:5439 Class :character
## Mode :character Mode :character TRUE :3037 Mode :character
## NA's :217
##
##
##
## sutün1 sutün2 sutün3 Destination
## Length:8693 Length:8693 Length:8693 Length:8693
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## Age VIP RoomService FoodCourt
## Min. : 0.00 Mode :logical Min. : 0.0 Min. : 0.0
## 1st Qu.:19.00 FALSE:8291 1st Qu.: 0.0 1st Qu.: 0.0
## Median :27.00 TRUE :199 Median : 0.0 Median : 0.0
## Mean :28.83 NA's :203 Mean : 224.7 Mean : 458.1
## 3rd Qu.:38.00 3rd Qu.: 47.0 3rd Qu.: 76.0
## Max. :79.00 Max. :14327.0 Max. :29813.0
## NA's :179 NA's :181 NA's :183
## ShoppingMall Spa VRDeck Name
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Length:8693
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 Class :character
## Median : 0.0 Median : 0.0 Median : 0.0 Mode :character
## Mean : 173.7 Mean : 311.1 Mean : 304.9
## 3rd Qu.: 27.0 3rd Qu.: 59.0 3rd Qu.: 46.0
## Max. :23492.0 Max. :22408.0 Max. :24133.0
## NA's :208 NA's :183 NA's :188
## Transported
## Mode :logical
## FALSE:4315
## TRUE :4378
##
##
##
## ##PASSENGER İKİYE AYRILMA
## PassengerId HomePlanet CryoSleep Cabin
## Length:8693 Length:8693 Mode :logical Length:8693
## Class :character Class :character FALSE:5439 Class :character
## Mode :character Mode :character TRUE :3037 Mode :character
## NA's :217
##
##
##
## sutün1 sutün2 sutün3 Destination
## Length:8693 Length:8693 Length:8693 Length:8693
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## Age VIP RoomService FoodCourt
## Min. : 0.00 Mode :logical Min. : 0.0 Min. : 0.0
## 1st Qu.:19.00 FALSE:8291 1st Qu.: 0.0 1st Qu.: 0.0
## Median :27.00 TRUE :199 Median : 0.0 Median : 0.0
## Mean :28.83 NA's :203 Mean : 224.7 Mean : 458.1
## 3rd Qu.:38.00 3rd Qu.: 47.0 3rd Qu.: 76.0
## Max. :79.00 Max. :14327.0 Max. :29813.0
## NA's :179 NA's :181 NA's :183
## ShoppingMall Spa VRDeck Name
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Length:8693
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 Class :character
## Median : 0.0 Median : 0.0 Median : 0.0 Mode :character
## Mean : 173.7 Mean : 311.1 Mean : 304.9
## 3rd Qu.: 27.0 3rd Qu.: 59.0 3rd Qu.: 46.0
## Max. :23492.0 Max. :22408.0 Max. :24133.0
## NA's :208 NA's :183 NA's :188
## Transported ailenum ailesira
## Mode :logical Length:8693 Length:8693
## FALSE:4315 Class :character Class :character
## TRUE :4378 Mode :character Mode :character
##
##
##
## HİSTOGRAMLAR
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 179 rows containing non-finite outside the scale range
## (`stat_bin()`).
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 181 rows containing non-finite outside the scale range
## (`stat_bin()`).
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 183 rows containing non-finite outside the scale range
## (`stat_bin()`).
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 208 rows containing non-finite outside the scale range
## (`stat_bin()`).
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 183 rows containing non-finite outside the scale range
## (`stat_bin()`).
## # A tibble: 6 × 19
## PassengerId HomePlanet CryoSleep Cabin sutün1 sutün2 sutün3 Destination Age
## <chr> <chr> <lgl> <chr> <chr> <chr> <chr> <chr> <dbl>
## 1 0001_01 Europa FALSE B/0/P B 0 P TRAPPIST-1e 39
## 2 0002_01 Earth FALSE F/0/S F 0 S TRAPPIST-1e 24
## 3 0003_01 Europa FALSE A/0/S A 0 S TRAPPIST-1e 58
## 4 0003_02 Europa FALSE A/0/S A 0 S TRAPPIST-1e 33
## 5 0004_01 Earth FALSE F/1/S F 1 S TRAPPIST-1e 16
## 6 0005_01 Earth FALSE F/0/P F 0 P PSO J318.5-… 44
## # ℹ 10 more variables: VIP <lgl>, RoomService <dbl>, FoodCourt <dbl>,
## # ShoppingMall <dbl>, Spa <dbl>, VRDeck <dbl>, Name <chr>, Transported <lgl>,
## # ailenum <chr>, ailesira <chr>Boşluklar dolduralım
## [1] "Europa" "Earth" "Mars" NA## NULL## [1] "Earth" "Europa" "Mars" NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep lgl 217 2.5 3 0 0.36 1
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 sutün1 chr 199 2.3 9 NA NA NA
## 6 sutün2 chr 199 2.3 1818 NA NA NA
## 7 sutün3 chr 199 2.3 3 NA NA NA
## 8 Destination chr 182 2.1 4 NA NA NA
## 9 Age dbl 179 2.1 81 0 28.8 79
## 10 VIP lgl 203 2.3 3 0 0.02 1
## 11 RoomService dbl 181 2.1 1274 0 225. 14327
## 12 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 13 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 14 Spa dbl 183 2.1 1328 0 311. 22408
## 15 VRDeck dbl 188 2.2 1307 0 305. 24133
## 16 Name chr 200 2.3 8474 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 6217 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NAORTALAMALAR
train <- train %>%
group_by(HomePlanet,Destination) %>%
mutate_at(vars(Age), ~replace_na(., mean(., na.rm = TRUE)))## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep lgl 217 2.5 3 0 0.36 1
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 sutün1 chr 199 2.3 9 NA NA NA
## 6 sutün2 chr 199 2.3 1818 NA NA NA
## 7 sutün3 chr 199 2.3 3 NA NA NA
## 8 Destination chr 182 2.1 4 NA NA NA
## 9 Age dbl 0 0 91 0 28.8 79
## 10 VIP lgl 203 2.3 3 0 0.02 1
## 11 RoomService dbl 181 2.1 1274 0 225. 14327
## 12 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 13 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 14 Spa dbl 183 2.1 1328 0 311. 22408
## 15 VRDeck dbl 188 2.2 1307 0 305. 24133
## 16 Name chr 200 2.3 8474 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 6217 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 sutün1 chr 199 2.3 9 NA NA NA
## 6 sutün2 chr 199 2.3 1818 NA NA NA
## 7 sutün3 chr 199 2.3 3 NA NA NA
## 8 Destination chr 182 2.1 4 NA NA NA
## 9 Age dbl 0 0 91 0 28.8 79
## 10 VIP lgl 203 2.3 3 0 0.02 1
## 11 RoomService dbl 181 2.1 1274 0 225. 14327
## 12 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 13 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 14 Spa dbl 183 2.1 1328 0 311. 22408
## 15 VRDeck dbl 188 2.2 1307 0 305. 24133
## 16 Name chr 200 2.3 8474 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 6217 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 sutün1 chr 199 2.3 9 NA NA NA
## 6 sutün2 chr 199 2.3 1818 NA NA NA
## 7 sutün3 chr 199 2.3 3 NA NA NA
## 8 Destination chr 182 2.1 4 NA NA NA
## 9 Age dbl 0 0 91 0 28.8 79
## 10 VIP lgl 203 2.3 3 0 0.02 1
## 11 RoomService dbl 181 2.1 1274 0 225. 14327
## 12 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 13 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 14 Spa dbl 183 2.1 1328 0 311. 22408
## 15 VRDeck dbl 188 2.2 1307 0 305. 24133
## 16 Name chr 200 2.3 8474 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 6217 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 sutün1 chr 199 2.3 9 NA NA NA
## 6 sutün2 chr 199 2.3 1818 NA NA NA
## 7 sutün3 chr 199 2.3 3 NA NA NA
## 8 Destination chr 0 0 4 NA NA NA
## 9 Age dbl 0 0 91 0 28.8 79
## 10 VIP lgl 203 2.3 3 0 0.02 1
## 11 RoomService dbl 181 2.1 1274 0 225. 14327
## 12 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 13 ShoppingMall chr 0 0 1115 NA NA NA
## 14 Spa dbl 183 2.1 1328 0 311. 22408
## 15 VRDeck dbl 188 2.2 1307 0 305. 24133
## 16 Name chr 200 2.3 8474 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 6217 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 sutün1 chr 199 2.3 9 NA NA NA
## 6 sutün2 chr 199 2.3 1818 NA NA NA
## 7 sutün3 chr 199 2.3 3 NA NA NA
## 8 Destination chr 0 0 4 NA NA NA
## 9 Age dbl 0 0 91 0 28.8 79
## 10 VIP lgl 203 2.3 3 0 0.02 1
## 11 RoomService dbl 181 2.1 1274 0 225. 14327
## 12 FoodCourt dbl 0 0 1507 0 448. 29813
## 13 ShoppingMall chr 0 0 1115 NA NA NA
## 14 Spa dbl 183 2.1 1328 0 311. 22408
## 15 VRDeck dbl 188 2.2 1307 0 305. 24133
## 16 Name chr 200 2.3 8474 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 6217 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 7758 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 0 0 6071 NA NA NA
## 5 sutün1 chr 0 0 8 NA NA NA
## 6 sutün2 chr 0 0 1790 NA NA NA
## 7 sutün3 chr 0 0 2 NA NA NA
## 8 Destination fct 0 0 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService dbl 0 0 1202 0 220. 9920
## 12 FoodCourt dbl 0 0 1399 0 452. 29813
## 13 ShoppingMall chr 0 0 1058 NA NA NA
## 14 Spa dbl 0 0 1250 0 308. 22408
## 15 VRDeck dbl 0 0 1213 0 296. 20336
## 16 Name chr 0 0 7740 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 5685 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 7758 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 0 0 6071 NA NA NA
## 5 sutün1 chr 0 0 8 NA NA NA
## 6 sutün2 chr 0 0 1790 NA NA NA
## 7 sutün3 chr 0 0 2 NA NA NA
## 8 Destination fct 0 0 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService dbl 0 0 1202 0 220. 9920
## 12 FoodCourt dbl 0 0 1399 0 452. 29813
## 13 ShoppingMall chr 0 0 1058 NA NA NA
## 14 Spa dbl 0 0 1250 0 308. 22408
## 15 VRDeck dbl 0 0 1213 0 296. 20336
## 16 Name chr 0 0 7740 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 5685 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 7758 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 0 0 6071 NA NA NA
## 5 sutün1 chr 0 0 8 NA NA NA
## 6 sutün2 chr 0 0 1790 NA NA NA
## 7 sutün3 chr 0 0 2 NA NA NA
## 8 Destination fct 0 0 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService dbl 0 0 1202 0 220. 9920
## 12 FoodCourt dbl 0 0 1399 0 452. 29813
## 13 ShoppingMall chr 0 0 1058 NA NA NA
## 14 Spa dbl 0 0 1250 0 308. 22408
## 15 VRDeck dbl 0 0 1213 0 296. 20336
## 16 Name chr 0 0 7740 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 5685 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 7758 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 0 0 6071 NA NA NA
## 5 sutün1 chr 0 0 8 NA NA NA
## 6 sutün2 chr 0 0 1790 NA NA NA
## 7 sutün3 chr 0 0 2 NA NA NA
## 8 Destination fct 0 0 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService fct 0 0 1202 NA NA NA
## 12 FoodCourt dbl 0 0 1399 0 452. 29813
## 13 ShoppingMall chr 0 0 1058 NA NA NA
## 14 Spa dbl 0 0 1250 0 308. 22408
## 15 VRDeck dbl 0 0 1213 0 296. 20336
## 16 Name chr 0 0 7740 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 5685 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 7758 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 0 0 6071 NA NA NA
## 5 sutün1 chr 0 0 8 NA NA NA
## 6 sutün2 chr 0 0 1790 NA NA NA
## 7 sutün3 chr 0 0 2 NA NA NA
## 8 Destination fct 0 0 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService fct 0 0 1202 NA NA NA
## 12 FoodCourt fct 0 0 1399 NA NA NA
## 13 ShoppingMall chr 0 0 1058 NA NA NA
## 14 Spa dbl 0 0 1250 0 308. 22408
## 15 VRDeck dbl 0 0 1213 0 296. 20336
## 16 Name chr 0 0 7740 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 5685 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 7758 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 0 0 6071 NA NA NA
## 5 sutün1 chr 0 0 8 NA NA NA
## 6 sutün2 chr 0 0 1790 NA NA NA
## 7 sutün3 chr 0 0 2 NA NA NA
## 8 Destination fct 0 0 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService fct 0 0 1202 NA NA NA
## 12 FoodCourt fct 0 0 1399 NA NA NA
## 13 ShoppingMall fct 0 0 1058 NA NA NA
## 14 Spa dbl 0 0 1250 0 308. 22408
## 15 VRDeck dbl 0 0 1213 0 296. 20336
## 16 Name chr 0 0 7740 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 5685 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 7758 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 0 0 6071 NA NA NA
## 5 sutün1 chr 0 0 8 NA NA NA
## 6 sutün2 chr 0 0 1790 NA NA NA
## 7 sutün3 chr 0 0 2 NA NA NA
## 8 Destination fct 0 0 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService fct 0 0 1202 NA NA NA
## 12 FoodCourt fct 0 0 1399 NA NA NA
## 13 ShoppingMall fct 0 0 1058 NA NA NA
## 14 Spa fct 0 0 1250 NA NA NA
## 15 VRDeck dbl 0 0 1213 0 296. 20336
## 16 Name chr 0 0 7740 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 5685 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 7758 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 0 0 6071 NA NA NA
## 5 sutün1 chr 0 0 8 NA NA NA
## 6 sutün2 chr 0 0 1790 NA NA NA
## 7 sutün3 chr 0 0 2 NA NA NA
## 8 Destination fct 0 0 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService fct 0 0 1202 NA NA NA
## 12 FoodCourt fct 0 0 1399 NA NA NA
## 13 ShoppingMall fct 0 0 1058 NA NA NA
## 14 Spa fct 0 0 1250 NA NA NA
## 15 VRDeck fct 0 0 1213 NA NA NA
## 16 Name chr 0 0 7740 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1
## 18 ailenum chr 0 0 5685 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NA## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 7758 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 0 0 6071 NA NA NA
## 5 sutün1 chr 0 0 8 NA NA NA
## 6 sutün2 chr 0 0 1790 NA NA NA
## 7 sutün3 chr 0 0 2 NA NA NA
## 8 Destination fct 0 0 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService fct 0 0 1202 NA NA NA
## 12 FoodCourt fct 0 0 1399 NA NA NA
## 13 ShoppingMall fct 0 0 1058 NA NA NA
## 14 Spa fct 0 0 1250 NA NA NA
## 15 VRDeck fct 0 0 1213 NA NA NA
## 16 Name chr 0 0 7740 NA NA NA
## 17 Transported fct 0 0 2 NA NA NA
## 18 ailenum chr 0 0 5685 NA NA NA
## 19 ailesira chr 0 0 8 NA NA NAdf <- df %>%
group_by(group_id) %>%
mutate(homeplanet = ifelse(homeplanet == "NA", first(homeplanet), homeplanet))
print(df)## # A tibble: 5 × 2
## # Groups: group_id [4]
## group_id homeplanet
## <dbl> <chr>
## 1 1 A
## 2 1 A
## 3 2 B
## 4 3 C
## 5 4 A## PassengerId HomePlanet CryoSleep Cabin
## 0001_01: 1 Earth :4102 FALSE:4875 Length:7758
## 0002_01: 1 Europa:1906 TRUE :2696 Class :character
## 0003_01: 1 Mars :1574 0 : 187 Mode :character
## 0003_02: 1 0 : 176
## 0004_01: 1
## 0005_01: 1
## (Other):7752
## sutün1 sutün2 sutün3 Destination
## Length:7758 Length:7758 Length:7758 0 : 165
## Class :character Class :character Class :character 55 Cancri e :1606
## Mode :character Mode :character Mode :character PSO J318.5-22: 705
## TRAPPIST-1e :5282
##
##
##
## Age VIP RoomService FoodCourt ShoppingMall
## 18 : 294 Mode :logical 0 :5088 0 :5044 0 :5160
## 24 : 288 FALSE:7573 1 : 111 1 : 99 1 : 141
## 21 : 270 TRUE :185 2 : 71 2 : 58 2 : 69
## 22 : 267 3 : 56 3 : 48 3 : 56
## 19 : 265 4 : 44 4 : 44 4 : 41
## 23 : 254 5 : 26 5 : 30 5 : 34
## (Other):6120 (Other):2362 (Other):2435 (Other):2257
## Spa VRDeck Name Transported
## 0 :4842 0 :5055 Length:7758 FALSE:3845
## 1 : 134 1 : 121 Class :character TRUE :3913
## 2 : 97 2 : 65 Mode :character NA : 0
## 3 : 51 3 : 53
## 5 : 50 5 : 46
## 4 : 45 4 : 44
## (Other):2539 (Other):2374
## ailenum ailesira
## Length:7758 Length:7758
## Class :character Class :character
## Mode :character Mode :character
##
##
##
## ## [1] NA NA NA NA## Warning: le package 'VIM' a été compilé avec la version R 4.3.3## Le chargement a nécessité le package : colorspace## Warning: le package 'colorspace' a été compilé avec la version R 4.3.3## Le chargement a nécessité le package : grid## VIM is ready to use.## Suggestions and bug-reports can be submitted at: https://github.com/statistikat/VIM/issues##
## Attachement du package : 'VIM'## L'objet suivant est masqué depuis 'package:datasets':
##
## sleep
## # A tibble: 13 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet chr 87 2 4 NA NA NA
## 3 CryoSleep lgl 93 2.2 3 0 0.37 1
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 Destination chr 92 2.2 4 NA NA NA
## 6 Age dbl 91 2.1 80 0 28.7 79
## 7 VIP lgl 93 2.2 3 0 0.02 1
## 8 RoomService dbl 82 1.9 843 0 219. 11567
## 9 FoodCourt dbl 106 2.5 903 0 439. 25273
## 10 ShoppingMall dbl 98 2.3 716 0 177. 8292
## 11 Spa dbl 101 2.4 834 0 303. 19844
## 12 VRDeck dbl 80 1.9 797 0 311. 22272
## 13 Name chr 94 2.2 4177 NA NA NA## spc_tbl_ [4,277 × 13] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
## $ PassengerId : chr [1:4277] "0013_01" "0018_01" "0019_01" "0021_01" ...
## $ HomePlanet : chr [1:4277] "Earth" "Earth" "Europa" "Europa" ...
## $ CryoSleep : logi [1:4277] TRUE FALSE TRUE FALSE FALSE FALSE ...
## $ Cabin : chr [1:4277] "G/3/S" "F/4/S" "C/0/S" "C/1/S" ...
## $ Destination : chr [1:4277] "TRAPPIST-1e" "TRAPPIST-1e" "55 Cancri e" "TRAPPIST-1e" ...
## $ Age : num [1:4277] 27 19 31 38 20 31 21 20 23 24 ...
## $ VIP : logi [1:4277] FALSE FALSE FALSE FALSE FALSE FALSE ...
## $ RoomService : num [1:4277] 0 0 0 0 10 0 0 0 0 0 ...
## $ FoodCourt : num [1:4277] 0 9 0 6652 0 ...
## $ ShoppingMall: num [1:4277] 0 0 0 0 635 263 0 0 0 0 ...
## $ Spa : num [1:4277] 0 2823 0 181 0 ...
## $ VRDeck : num [1:4277] 0 0 0 585 0 60 0 0 0 0 ...
## $ Name : chr [1:4277] "Nelly Carsoning" "Lerome Peckers" "Sabih Unhearfus" "Meratz Caltilter" ...
## - attr(*, "spec")=
## .. cols(
## .. PassengerId = col_character(),
## .. HomePlanet = col_character(),
## .. CryoSleep = col_logical(),
## .. Cabin = col_character(),
## .. Destination = col_character(),
## .. Age = col_double(),
## .. VIP = col_logical(),
## .. RoomService = col_double(),
## .. FoodCourt = col_double(),
## .. ShoppingMall = col_double(),
## .. Spa = col_double(),
## .. VRDeck = col_double(),
## .. Name = col_character()
## .. )
## - attr(*, "problems")=<externalptr>HİSTOGRAMLAR
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 91 rows containing non-finite outside the scale range
## (`stat_bin()`).
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 106 rows containing non-finite outside the scale range
## (`stat_bin()`).
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 98 rows containing non-finite outside the scale range
## (`stat_bin()`).
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 101 rows containing non-finite outside the scale range
## (`stat_bin()`).
##CABİN AYRILAMA
## PassengerId HomePlanet CryoSleep Cabin
## Length:4277 Length:4277 Mode :logical Length:4277
## Class :character Class :character FALSE:2640 Class :character
## Mode :character Mode :character TRUE :1544 Mode :character
## NA's :93
##
##
##
## sutün1 sutün2 sutün3 Destination
## Length:4277 Length:4277 Length:4277 Length:4277
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## Age VIP RoomService FoodCourt
## Min. : 0.00 Mode :logical Min. : 0.0 Min. : 0.0
## 1st Qu.:19.00 FALSE:4110 1st Qu.: 0.0 1st Qu.: 0.0
## Median :26.00 TRUE :74 Median : 0.0 Median : 0.0
## Mean :28.66 NA's :93 Mean : 219.3 Mean : 439.5
## 3rd Qu.:37.00 3rd Qu.: 53.0 3rd Qu.: 78.0
## Max. :79.00 Max. :11567.0 Max. :25273.0
## NA's :91 NA's :82 NA's :106
## ShoppingMall Spa VRDeck Name
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Length:4277
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 Class :character
## Median : 0.0 Median : 0.0 Median : 0.0 Mode :character
## Mean : 177.3 Mean : 303.1 Mean : 310.7
## 3rd Qu.: 33.0 3rd Qu.: 50.0 3rd Qu.: 36.0
## Max. :8292.0 Max. :19844.0 Max. :22272.0
## NA's :98 NA's :101 NA's :80
## ailesıra ailenum
## Length:4277 Length:4277
## Class :character Class :character
## Mode :character Mode :character
##
##
##
## ## # A tibble: 6 × 18
## PassengerId HomePlanet CryoSleep Cabin sutün1 sutün2 sutün3 Destination Age
## <chr> <chr> <lgl> <chr> <chr> <chr> <chr> <chr> <dbl>
## 1 0013_01 Earth TRUE G/3/S G 3 S TRAPPIST-1e 27
## 2 0018_01 Earth FALSE F/4/S F 4 S TRAPPIST-1e 19
## 3 0019_01 Europa TRUE C/0/S C 0 S 55 Cancri e 31
## 4 0021_01 Europa FALSE C/1/S C 1 S TRAPPIST-1e 38
## 5 0023_01 Earth FALSE F/5/S F 5 S TRAPPIST-1e 20
## 6 0027_01 Earth FALSE F/7/P F 7 P TRAPPIST-1e 31
## # ℹ 9 more variables: VIP <lgl>, RoomService <dbl>, FoodCourt <dbl>,
## # ShoppingMall <dbl>, Spa <dbl>, VRDeck <dbl>, Name <chr>, ailesıra <chr>,
## # ailenum <chr>Boşlukları dolduralım
## [1] "Earth" "Europa" "Mars" NA## NULL## [1] "Earth" "Europa" "Mars" NA## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep lgl 93 2.2 3 0 0.37 1
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutün1 chr 100 2.3 9 NA NA NA
## 6 sutün2 chr 100 2.3 1506 NA NA NA
## 7 sutün3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age dbl 91 2.1 80 0 28.7 79
## 10 VIP lgl 93 2.2 3 0 0.02 1
## 11 RoomService dbl 82 1.9 843 0 219. 11567
## 12 FoodCourt dbl 106 2.5 903 0 439. 25273
## 13 ShoppingMall dbl 98 2.3 716 0 177. 8292
## 14 Spa dbl 101 2.4 834 0 303. 19844
## 15 VRDeck dbl 80 1.9 797 0 311. 22272
## 16 Name chr 94 2.2 4177 NA NA NA
## 17 ailesıra chr 0 0 3063 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NAORTALAMALAR
test <- test %>%
group_by(HomePlanet,Destination) %>%
mutate_at(vars(Age), ~replace_na(., mean(., na.rm = TRUE)))## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep lgl 93 2.2 3 0 0.37 1
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutün1 chr 100 2.3 9 NA NA NA
## 6 sutün2 chr 100 2.3 1506 NA NA NA
## 7 sutün3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age dbl 0 0 91 0 28.7 79
## 10 VIP lgl 93 2.2 3 0 0.02 1
## 11 RoomService dbl 82 1.9 843 0 219. 11567
## 12 FoodCourt dbl 106 2.5 903 0 439. 25273
## 13 ShoppingMall dbl 98 2.3 716 0 177. 8292
## 14 Spa dbl 101 2.4 834 0 303. 19844
## 15 VRDeck dbl 80 1.9 797 0 311. 22272
## 16 Name chr 94 2.2 4177 NA NA NA
## 17 ailesıra chr 0 0 3063 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NA## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutün1 chr 100 2.3 9 NA NA NA
## 6 sutün2 chr 100 2.3 1506 NA NA NA
## 7 sutün3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age dbl 0 0 91 0 28.7 79
## 10 VIP lgl 93 2.2 3 0 0.02 1
## 11 RoomService dbl 82 1.9 843 0 219. 11567
## 12 FoodCourt dbl 106 2.5 903 0 439. 25273
## 13 ShoppingMall dbl 98 2.3 716 0 177. 8292
## 14 Spa dbl 101 2.4 834 0 303. 19844
## 15 VRDeck dbl 80 1.9 797 0 311. 22272
## 16 Name chr 94 2.2 4177 NA NA NA
## 17 ailesıra chr 0 0 3063 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NA## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutün1 chr 100 2.3 9 NA NA NA
## 6 sutün2 chr 100 2.3 1506 NA NA NA
## 7 sutün3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age dbl 0 0 91 0 28.7 79
## 10 VIP fct 0 0 3 NA NA NA
## 11 RoomService dbl 82 1.9 843 0 219. 11567
## 12 FoodCourt dbl 106 2.5 903 0 439. 25273
## 13 ShoppingMall dbl 98 2.3 716 0 177. 8292
## 14 Spa dbl 101 2.4 834 0 303. 19844
## 15 VRDeck dbl 80 1.9 797 0 311. 22272
## 16 Name chr 94 2.2 4177 NA NA NA
## 17 ailesıra chr 0 0 3063 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NA## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutün1 chr 100 2.3 9 NA NA NA
## 6 sutün2 chr 100 2.3 1506 NA NA NA
## 7 sutün3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP fct 0 0 3 NA NA NA
## 11 RoomService dbl 82 1.9 843 0 219. 11567
## 12 FoodCourt dbl 106 2.5 903 0 439. 25273
## 13 ShoppingMall dbl 98 2.3 716 0 177. 8292
## 14 Spa dbl 101 2.4 834 0 303. 19844
## 15 VRDeck dbl 80 1.9 797 0 311. 22272
## 16 Name chr 94 2.2 4177 NA NA NA
## 17 ailesıra chr 0 0 3063 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NA## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutün1 chr 100 2.3 9 NA NA NA
## 6 sutün2 chr 100 2.3 1506 NA NA NA
## 7 sutün3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP fct 0 0 3 NA NA NA
## 11 RoomService fct 0 0 843 NA NA NA
## 12 FoodCourt dbl 106 2.5 903 0 439. 25273
## 13 ShoppingMall dbl 98 2.3 716 0 177. 8292
## 14 Spa dbl 101 2.4 834 0 303. 19844
## 15 VRDeck dbl 80 1.9 797 0 311. 22272
## 16 Name chr 94 2.2 4177 NA NA NA
## 17 ailesıra chr 0 0 3063 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NA## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutün1 chr 100 2.3 9 NA NA NA
## 6 sutün2 chr 100 2.3 1506 NA NA NA
## 7 sutün3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP fct 0 0 3 NA NA NA
## 11 RoomService fct 0 0 843 NA NA NA
## 12 FoodCourt fct 0 0 903 NA NA NA
## 13 ShoppingMall dbl 98 2.3 716 0 177. 8292
## 14 Spa dbl 101 2.4 834 0 303. 19844
## 15 VRDeck dbl 80 1.9 797 0 311. 22272
## 16 Name chr 94 2.2 4177 NA NA NA
## 17 ailesıra chr 0 0 3063 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NA## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutün1 chr 100 2.3 9 NA NA NA
## 6 sutün2 chr 100 2.3 1506 NA NA NA
## 7 sutün3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP fct 0 0 3 NA NA NA
## 11 RoomService fct 0 0 843 NA NA NA
## 12 FoodCourt fct 0 0 903 NA NA NA
## 13 ShoppingMall fct 0 0 716 NA NA NA
## 14 Spa dbl 101 2.4 834 0 303. 19844
## 15 VRDeck dbl 80 1.9 797 0 311. 22272
## 16 Name chr 94 2.2 4177 NA NA NA
## 17 ailesıra chr 0 0 3063 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NA## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutün1 chr 100 2.3 9 NA NA NA
## 6 sutün2 chr 100 2.3 1506 NA NA NA
## 7 sutün3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP fct 0 0 3 NA NA NA
## 11 RoomService fct 0 0 843 NA NA NA
## 12 FoodCourt fct 0 0 903 NA NA NA
## 13 ShoppingMall fct 0 0 716 NA NA NA
## 14 Spa fct 0 0 834 NA NA NA
## 15 VRDeck dbl 80 1.9 797 0 311. 22272
## 16 Name chr 94 2.2 4177 NA NA NA
## 17 ailesıra chr 0 0 3063 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NA## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutün1 chr 100 2.3 9 NA NA NA
## 6 sutün2 chr 100 2.3 1506 NA NA NA
## 7 sutün3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age fct 0 0 91 NA NA NA
## 10 VIP fct 0 0 3 NA NA NA
## 11 RoomService fct 0 0 843 NA NA NA
## 12 FoodCourt fct 0 0 903 NA NA NA
## 13 ShoppingMall fct 0 0 716 NA NA NA
## 14 Spa fct 0 0 834 NA NA NA
## 15 VRDeck fct 0 0 797 NA NA NA
## 16 Name chr 94 2.2 4177 NA NA NA
## 17 ailesıra chr 0 0 3063 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NA## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 3992 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Cabin chr 0 0 3146 NA NA NA
## 5 sutün1 chr 0 0 8 NA NA NA
## 6 sutün2 chr 0 0 1479 NA NA NA
## 7 sutün3 chr 0 0 2 NA NA NA
## 8 Destination chr 0 0 3 NA NA NA
## 9 Age fct 0 0 89 NA NA NA
## 10 VIP fct 0 0 3 NA NA NA
## 11 RoomService fct 0 0 804 NA NA NA
## 12 FoodCourt fct 0 0 859 NA NA NA
## 13 ShoppingMall fct 0 0 679 NA NA NA
## 14 Spa fct 0 0 794 NA NA NA
## 15 VRDeck fct 0 0 760 NA NA NA
## 16 Name chr 0 0 3986 NA NA NA
## 17 ailesıra chr 0 0 2900 NA NA NA
## 18 ailenum chr 0 0 8 NA NA NAdf <- df %>%
group_by(group_id) %>%
mutate(homeplanet = ifelse(homeplanet == "NA", first(homeplanet), homeplanet))
print(df)## # A tibble: 5 × 2
## # Groups: group_id [4]
## group_id homeplanet
## <dbl> <chr>
## 1 1 A
## 2 1 A
## 3 2 B
## 4 3 C
## 5 4 A