Práca s databázou

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

Práca s údajmi

Tradičná práca s databázou

Príklad

Majme údaje o krasokorčuliarkach, ktoré sa na posledných majstrovstvách sveta umiestnili na prvých desiatich priečkach.

Meno <- c("Max Verstappen", "Lewis Hamilton", "Charles Leclerc", "Lando Norris")
Tim <- c("Red Bull", "Mercedes", "Ferrari", "McLaren")
Body <- c(400, 350, 280, 260)
f1 <- data.frame(Meno, Tim, Body)
print(f1)

Meno <- c("Kaori Sakamoto", "Isabeau Levito", "Chaeyeon Kim",
          "Loena Hendrickx", "Kimmy Repond", "Lee Hae-In",
          "Mone Chiba", "Hana Yoshida", "Livia Kaiser", "Amber Glenn")

Krajina <- c("JPN", "USA", "KOR", "BEL", "SUI", "KOR", "JPN", "JPN", "SUI", "USA")

Body <- c(222.96, 212.16, 203.59, 200.25, 196.02, 195.48, 195.46, 194.93, 187.24, 186.53)

# Vytvorenie data frame
krasokorculiarky <- data.frame(Meno, Krajina, Body)

# Zobrazenie
krasokorculiarky

Tieto tri premenné nie sú zatiaľ nijako prepojené, predstavujú izolované stĺpce tabuľky. Do tabuľky ich spojíme nasledovne

krasokorčuliarky <- data.frame(Meno,Krajina,Body)
print(krasokorculiarky)

Vysvetlenie: DataFrame má tri stĺpce: Meno, Krajina a Body. Niektoré operácie s údajmi organizovanými v .data.frame. sú uvedené nasledovne

print(krasokorculiarky$Krajina)                   # vypíše nám stĺpec s krajinami
print(mean(krasokorculiarky$Body))                # priemerný počet bodov
print(krasokorculiarky[Meno=="Kaori Sakamoto",])  # adresovanie celého riadku podľa mena
print(krasokorculiarky[3,])                       # ina moznost adresovania celeho riadku
print(krasokorculiarky[,2:3])                     # vypisanie druheho a tretieho stlpca tabulky
print(krasokorculiarky[1,1])                      # vypisanie jednej bunky tabulky
summary(krasokorculiarky)                         # zakladna deskriptivna statistika celej tabulky

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

MaMedailu <- c(TRUE,TRUE,TRUE,FALSE,FALSE,FALSE,FALSE,FALSE,FALSE,FALSE)
krasokorculiarky <- cbind(krasokorculiarky,MaMedailu)
print(krasokorculiarky)

Pridali sme stlpec s informáciou, ktorá nám hovorí o tom, či si súťažiaca vybojovala medailu alebo nie. Ak chceme pridať riadok, potom

# New record (must match column order/types)
novy.riadok <- data.frame(Meno = "Anna Shcherbakova", Krajina = "RUS", Body = 184.50, MaMedailu = FALSE)

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

Tabuľky v prostredí kableextra

library(knitr)
library(kableExtra)
kable(
  krasokorculiarky,
#  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")

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
krasokorculiarky %>%
  filter(Body > 200) %>%     # vybera zaznamy s poctom bodov viac, ako 200
  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"
  )

Zoskupenie a sumarizácia

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

Vytváranie novej premennej

library(dplyr)
library(knitr)
library(kableExtra)

# Pridanie grade a CloseToMedal
krasokorculiarky %>%
  mutate(
    grade = case_when(
      Body >= 220 ~ "A",
      Body >= 200 ~ "B",
      Body >= 190 ~ "C",
      TRUE ~ "D"
    ),
    CloseToMedal = Body >= 200 & Body < 203.59  # TRUE pre body tesne mimo top 3 čiže blízko ku medaile
  ) %>%
  kable() %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center"
  )