Práca s databázou

knitr::opts_chunk$set(
    echo = TRUE,
    message = FALSE,
    warning = FALSE
)

Práca s údajmi - športovci

Tradičná práca s databázou

Príklad

Majme údaje o športovoch, ktoré predstavujú tri premenné - Meno, Výška, Váha a šport.

# Working with data frames

  Meno = c("Boris", "Pavol", "Daniel")
  Výška = c(183, 179, 194)
  Váha = c(91, 86, 105)
  Šport = c("futbal", "hokej", "basketbal")

udaje <- data.frame(Meno,Výška,Váha)
print(udaje)

print(udaje$Vek)                 # takto adresujeme jednotlivé premenné v data.frame

NULL

print(mean(udaje$Vek))           # priemerny vek

[1] NA

print(udaje[Meno=="Pavol",])     # adresovanie celého riadku

print(udaje[3,])                 # ina moznost adresovania celeho riadku

print(udaje[,2:3])               # vypisanie druheho a tretieho stlpca tabulky

print(udaje[1,1])                # vypisanie jednej bunky tabulky

[1] "Boris"

summary(udaje)                   # zakladna deskriptivna statistika celej tabulky

     Meno               Výška            Váha      
 Length:3           Min.   :179.0   Min.   : 86.0  
 Class :character   1st Qu.:181.0   1st Qu.: 88.5  
 Mode  :character   Median :183.0   Median : 91.0  
                    Mean   :185.3   Mean   : 94.0  
                    3rd Qu.:188.5   3rd Qu.: 98.0  
                    Max.   :194.0   Max.   :105.0  

Ak chceme pridať k tabuľke dodatočný stĺpec, potom to robíme nasledovne

Šport <- c("futbal", "hokej", "basketbal")
udaje <- cbind(udaje,Šport)
print(udaje)

Ak chceme pridať riadok, potom

# New record (must match column order/types)
novy.riadok <- data.frame(Meno = "Filip", Výška = 178, Váha = 82,Šport = "plávanie")

# Append
udaje <- rbind(udaje, novy.riadok)
print(udaje)

Tabuľky v prostredí kableextra

library(knitr)
library(kableExtra)
kable(
  udaje,
#  format,
digits = 2,
#  row.names = NA,
#  col.names = NA,
  align=c("l","c","l","r"),
  caption = "Toto je tabuľka"
#  label = NULL,
#  format.args = list(),
#  escape = TRUE,
 # ...
) %>%
      kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center")

Toto je tabuľka

Meno	Výška	Váha	Šport
Boris	183	91	futbal
Pavol	179	86	hokej
Daniel	194	105	basketbal
Filip	178	82	plávanie

NA

Tidyverse - moderná práca s údajmi

Tidyverse je súbor knižníc, ktoré majú zjednodušiť prácu s údajmi. Majú jednotný komunikačný štandard, vzájomne sa doplňujú.

# Load tidyverse
library(tidyverse)

dplyr - pre manipuláciu s údajmi

.dplyr. poskytuje základné možnosti manipulácie s údajmi, ako napr.:

1. filter(): vyberá riadky

2. select(): vyberá stĺpce

3. mutate(): vytvára nové stĺpce tabuľky

4. arrange(): triedi riadky

5. summarise(): sumarizuje

V nasledovnej ukážke využijeme tzv. .pipes. %>% alebo %<% umožňuje posielať výsledky z jednej funkcie priamo do volanie nasledovnej funkcie. To umožňuje ľahšiu čitateľnosť kódov, konvencia sa ujala a má široké použitie.

Výber a triedenie

# výber a následné triedenie
udaje %>%
  filter(Váha > 50) %>%     # vybera zaznamy s poctom bodov viac, ako 50
  arrange(desc(Body)) %>%     # vysledny subor triedi zostupne podla premennej Body
kable %>%
    kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center"
  )

Error in `arrange()`:
ℹ In argument: `..1 = Body`.
Caused by error:
! `..1` must be size 4 or 1, not 3.
Run `]8;;x-r-run:rlang::last_trace()rlang::last_trace()]8;;` to see where the error occurred.

Zoskupenie a sumarizácia

# Zoskupí and sumarizuje
udaje %>%
  group_by(MaAuto) %>%      # zoskupi zaznamy podla premennej MaAuto a vypocita za kazdu skupinu jej priemer Body
  summarise(                # a taktiez spocita pocetnosti oboch skupin
    Priem.Body = mean(Váha),
    count = n()
  ) %>%
 kable(
    caption = "Priemerné Body podľa premennej MaAuto",
    col.names = c("Má Auto", "Priemer Váha", "Počet"),
    align = "c"
  ) %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center"
  )

Error in `group_by()`:
! Must group by variables found in `.data`.
✖ Column `MaAuto` is not found.
Run `]8;;x-r-run:rlang::last_trace()rlang::last_trace()]8;;` to see where the error occurred.

Vytváranie novej premennej

# Vytváranie novej premennej
udaje %>%
  mutate(
    grade = case_when(     # vytvara novu premennu grade podla nasledovnej relacnej schemy
      Váha >= 90 ~ "A",
      Váha >= 80 ~ "B",
      Váha >= 70 ~ "C",
      TRUE ~ "D"
    ),
  
  ) %>% 
  kable %>%
   kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center"
  ) 

Meno	Výška	Váha	Šport	grade
Boris	183	91	futbal	A
Pavol	179	86	hokej	B
Daniel	194	105	basketbal	A
Filip	178	82	plávanie	B