Práca s databázou

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

Spracované a inšpirované Notebookom Jason Locklin: Introduction to R for Education Data Analysis and Visualization

Práca s údajmi

Tradičná práca s databázou

Pre prácu s údajmi (databázou) používame najčastejšie dátový typ .data.frame.. Je to tabuľka, ktorá pozostáva zo stĺpcov rozličných typov. Jeden riadok pritom predstavuje jeden záznam databázy.

Príklad

Majme údaje o žiakoch, ktoré predstavujú tri premenné - Meno, Vek a Body:

  # Working with data frames

  Meno = c("Peter", "Adam", "Erik")
  Vek = c(11, 12, 10)
  Body = c(87, 94, 80)

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

udaje <- data.frame(Meno,Vek,Body)
print(udaje)

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

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

[1] 11 12 10

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

[1] 11

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

print(udaje[2,])  # ina moznost adresovania celeho riadku

print(udaje[,2:1])  # vypisanie druheho a tretieho stlpca tabulky

print(udaje[2,2])  # vypisanie jednej bunky tabulky

[1] 12

summary(udaje)  # zakladna deskriptivna statistika celej tabulky

     Meno                Vek            Body     
 Length:3           Min.   :10.0   Min.   :80.0  
 Class :character   1st Qu.:10.5   1st Qu.:83.5  
 Mode  :character   Median :11.0   Median :87.0  
                    Mean   :11.0   Mean   :87.0  
                    3rd Qu.:11.5   3rd Qu.:90.5  
                    Max.   :12.0   Max.   :94.0  

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

MaAuto <- c(TRUE,FALSE,TRUE)
udaje <- cbind(udaje,MaAuto)
print(udaje)

Ak chceme pridať riadok, potom

  # New record (must match column order/types)
novy.riadok <- data.frame(Meno = "Richard", Vek = 22.755, Body = 44,MaAuto = FALSE)

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

Tabuľky v prostredí kableextra

library(knitr)
library(kableExtra)
kable(
  udaje,
  # format, (upr.)
digits = 3,
  # row.names = NA,
  # col.names = NA,
  align=c("l","c","l","r"),
  caption = "Toto je tabuľka"
  # label = NULL,
  # format.args = list(),
  # escape = TRUE,
  # ... (upr.)
) %>%
      kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center")

Toto je tabuľka

Meno	Vek	Body	MaAuto
Peter	11.000	87	TRUE
Adam	12.000	94	FALSE
Erik	10.000	80	TRUE
Richard	22.755	44	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
udaje %>%
  filter(Body > 52) %>%  # 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"
  )

Meno	Vek	Body	MaAuto
Adam	12	94	FALSE
Peter	11	87	TRUE
Erik	10	80	TRUE

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(Body),
    count = n()
  ) %>%
 kable(
    caption = "Priemerné Body podľa premennej MaAuto",
    col.names = c("Má Auto", "Priemer Body", "Počet"),
    align = "c"
  ) %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center"
  )

Priemerné Body podľa premennej MaAuto

Má Auto	Priemer Body	Počet
FALSE	69.0	2
TRUE	83.5	2

Vytváranie novej premennej

  # Vytváranie novej premennej
udaje %>%
  mutate(
    grade = case_when(  # vytvara novu premennu grade podla nasledovnej relacnej schemy
      Body >= 92 ~ "A",
      Body >= 82 ~ "B",
      Body >= 72 ~ "C",
      TRUE ~ "D"
    ),
    VekPoPlnoletosti = round(Vek-20,1)
  ) %>% 
  kable %>%
   kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center"
  ) 

Meno	Vek	Body	MaAuto	grade	VekPoPlnoletosti
Peter	11.000	87	TRUE	B	-9.0
Adam	12.000	94	FALSE	A	-8.0
Erik	10.000	80	TRUE	C	-10.0
Richard	22.755	44	FALSE	D	2.8