Práca s databázou

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

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("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
print(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

 [1] "JPN" "USA" "KOR" "BEL" "SUI" "KOR" "JPN" "JPN" "SUI" "USA"

print(mean(krasokorculiarky$Body))                # priemerný počet bodov

[1] 199.462

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

[1] "Kaori Sakamoto"

summary(krasokorculiarky)                         # zakladna deskriptivna statistika celej tabulky

     Meno             Krajina               Body      
 Length:10          Length:10          Min.   :186.5  
 Class :character   Class :character   1st Qu.:195.1  
 Mode  :character   Mode  :character   Median :195.8  
                                       Mean   :199.5  
                                       3rd Qu.:202.8  
                                       Max.   :223.0  

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)

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)

MaMedailu <- c(TRUE, TRUE, TRUE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE)

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

kable(
  krasokorculiarky,
  digits = 2,
  align = c("l","c","r","c"),
  caption = "Konečné výsledky MS 2024 v krasokorčuľovaní žien"
) %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center"
  )

Konečné výsledky MS 2024 v krasokorčuľovaní žien

Meno	Krajina	Body	MaMedailu
Kaori Sakamoto	JPN	222.96	TRUE
Isabeau Levito	USA	212.16	TRUE
Chaeyeon Kim	KOR	203.59	TRUE
Loena Hendrickx	BEL	200.25	FALSE
Kimmy Repond	SUI	196.02	FALSE
Lee Hae-In	KOR	195.48	FALSE
Mone Chiba	JPN	195.46	FALSE
Hana Yoshida	JPN	194.93	FALSE
Livia Kaiser	SUI	187.24	FALSE
Amber Glenn	USA	186.53	FALSE

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"
  )

Meno	Krajina	Body	MaMedailu
Kaori Sakamoto	JPN	222.96	TRUE
Isabeau Levito	USA	212.16	TRUE
Chaeyeon Kim	KOR	203.59	TRUE
Loena Hendrickx	BEL	200.25	FALSE

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"
  )

Priemerné Body podľa premennej Krajina

Krajina	Priemer Body	Počet
BEL	200.250	1
JPN	204.450	3
KOR	199.535	2
SUI	191.630	2
USA	199.345	2

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"
  ) 

Meno	Krajina	Body	MaMedailu	grade	CloseToMedal
Kaori Sakamoto	JPN	222.96	TRUE	A	FALSE
Isabeau Levito	USA	212.16	TRUE	B	FALSE
Chaeyeon Kim	KOR	203.59	TRUE	B	FALSE
Loena Hendrickx	BEL	200.25	FALSE	B	TRUE
Kimmy Repond	SUI	196.02	FALSE	C	FALSE
Lee Hae-In	KOR	195.48	FALSE	C	FALSE
Mone Chiba	JPN	195.46	FALSE	C	FALSE
Hana Yoshida	JPN	194.93	FALSE	C	FALSE
Livia Kaiser	SUI	187.24	FALSE	D	FALSE
Amber Glenn	USA	186.53	FALSE	D	FALSE