Transformasi Data adalah satu langkah dalam menangani data yang tidak sesuai dengan asumsi model, dan juga digunakan untuk memaksa variabel yang berbeda agar memiliki distribusi yang serupa.
dplyr adalah satu paket yang dibangun dengan tujuan tunggal untuk menyederhanakan proses manipulasi, pengurutan, peringkasan, dan penggabungan frame data. Fungsi dasar dari transformasi data yang ditawarkan paket dplyr ini adalah :
Catatan untuk menerapkan beberapa fungsi dplyr, kami disini menggunakan data kualitas udara.
Memfilter data adalah tugas umum untuk mengidentifikasi / memilih pengamatan di mana variabel tertentu cocok dengan nilai / kondisi tertentu.
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union# memilih 5 baris dari data kualitas udara
airquality[1:5,] ## Ozone Solar.R Wind Temp Month Day
## 1 41 190 7.4 67 5 1
## 2 36 118 8.0 72 5 2
## 3 12 149 12.6 74 5 3
## 4 18 313 11.5 62 5 4
## 5 NA NA 14.3 56 5 5Di sini kita dapat menggunakan fungsi filter untuk keuntungan kita dan memilih hanya beberapa variabel dengan membuat kondisi yang memfilter dataset.
# membuat variabel a untuk menyimpan data
a = filter(airquality,Month == 7, Day == 2)
# menampilkan data
a## Ozone Solar.R Wind Temp Month Day
## 1 49 248 9.2 85 7 2Fungsi ini bekerja dengan cara yang mirip untuk memfilter tetapi mengubah urutannya alih-alih memilih baris.
arrange(airquality, desc(Day))## Ozone Solar.R Wind Temp Month Day
## 1 37 279 7.4 76 5 31
## 2 59 254 9.2 81 7 31
## 3 85 188 6.3 94 8 31
## 4 115 223 5.7 79 5 30
## 5 NA 138 8.0 83 6 30
## 6 64 253 7.4 83 7 30
## 7 84 237 6.3 96 8 30
## 8 20 223 11.5 68 9 30
## 9 45 252 14.9 81 5 29
## 10 NA 31 14.9 77 6 29
## 11 50 275 7.4 86 7 29
## 12 118 225 2.3 94 8 29
## 13 18 131 8.0 76 9 29
## 14 23 13 12.0 67 5 28
## 15 NA 98 11.5 80 6 28
## 16 82 213 7.4 88 7 28
## 17 76 203 9.7 97 8 28
## 18 14 191 14.3 75 9 28
## 19 NA NA 8.0 57 5 27
## 20 NA 47 10.3 73 6 27
## 21 52 82 12.0 86 7 27
## 22 NA 153 5.7 88 8 27
## 23 NA 145 13.2 77 9 27
## 24 NA 266 14.9 58 5 26
## 25 NA 127 8.0 78 6 26
## 26 20 81 8.6 82 7 26
## 27 73 215 8.0 86 8 26
## 28 30 193 6.9 70 9 26
## 29 NA 66 16.6 57 5 25
## 30 NA 135 8.0 75 6 25
## 31 108 223 8.0 85 7 25
## 32 168 238 3.4 81 8 25
## 33 14 20 16.6 63 9 25
## 34 32 92 12.0 61 5 24
## 35 NA 250 6.3 76 6 24
## 36 80 294 8.6 86 7 24
## 37 45 212 9.7 79 8 24
## 38 7 49 10.3 69 9 24
## 39 4 25 9.7 61 5 23
## 40 NA 91 4.6 76 6 23
## 41 NA 295 11.5 82 7 23
## 42 NA 255 12.6 75 8 23
## 43 36 139 10.3 81 9 23
## 44 11 320 16.6 73 5 22
## 45 NA 59 1.7 76 6 22
## 46 NA 258 9.7 81 7 22
## 47 9 36 14.3 72 8 22
## 48 23 14 9.2 71 9 22
## 49 1 8 9.7 59 5 21
## 50 NA 150 6.3 77 6 21
## 51 16 7 6.9 74 7 21
## 52 21 259 15.5 77 8 21
## 53 13 238 12.6 64 9 21
## 54 11 44 9.7 62 5 20
## 55 13 137 10.3 76 6 20
## 56 63 220 11.5 85 7 20
## 57 44 190 10.3 78 8 20
## 58 16 201 8.0 82 9 20
## 59 30 322 11.5 68 5 19
## 60 12 120 11.5 73 6 19
## 61 79 187 5.1 87 7 19
## 62 31 244 10.9 78 8 19
## 63 24 238 10.3 68 9 19
## 64 6 78 18.4 57 5 18
## 65 20 37 9.2 65 6 18
## 66 61 285 6.3 84 7 18
## 67 23 115 7.4 76 8 18
## 68 13 27 10.3 76 9 18
## 69 34 307 12.0 66 5 17
## 70 37 284 20.7 72 6 17
## 71 35 274 10.3 82 7 17
## 72 59 51 6.3 79 8 17
## 73 18 224 13.8 67 9 17
## 74 14 334 11.5 64 5 16
## 75 21 191 14.9 77 6 16
## 76 48 260 6.9 81 7 16
## 77 22 71 10.3 77 8 16
## 78 46 237 6.9 78 9 16
## 79 18 65 13.2 58 5 15
## 80 NA 322 11.5 79 6 15
## 81 7 48 14.3 80 7 15
## 82 NA 64 11.5 79 8 15
## 83 13 112 11.5 71 9 15
## 84 14 274 10.9 68 5 14
## 85 NA 332 13.8 80 6 14
## 86 NA 291 14.9 91 7 14
## 87 65 157 9.7 80 8 14
## 88 9 24 10.9 71 9 14
## 89 11 290 9.2 66 5 13
## 90 23 148 8.0 82 6 13
## 91 27 175 14.9 81 7 13
## 92 28 273 11.5 82 8 13
## 93 28 238 6.3 77 9 13
## 94 16 256 9.7 69 5 12
## 95 NA 250 9.2 92 6 12
## 96 10 264 14.3 73 7 12
## 97 44 192 11.5 86 8 12
## 98 21 259 15.5 76 9 12
## 99 7 NA 6.9 74 5 11
## 100 NA 259 10.9 93 6 11
## 101 NA 139 8.6 82 7 11
## 102 NA 137 11.5 86 8 11
## 103 44 236 14.9 81 9 11
## 104 NA 194 8.6 69 5 10
## 105 39 323 11.5 87 6 10
## 106 85 175 7.4 89 7 10
## 107 NA 222 8.6 92 8 10
## 108 24 259 9.7 73 9 10
## 109 8 19 20.1 61 5 9
## 110 71 291 13.8 90 6 9
## 111 97 272 5.7 92 7 9
## 112 110 207 8.0 90 8 9
## 113 21 230 10.9 75 9 9
## 114 19 99 13.8 59 5 8
## 115 NA 273 6.9 87 6 8
## 116 97 267 6.3 92 7 8
## 117 89 229 10.3 90 8 8
## 118 23 220 10.3 78 9 8
## 119 23 299 8.6 65 5 7
## 120 29 127 9.7 82 6 7
## 121 77 276 5.1 88 7 7
## 122 122 255 4.0 89 8 7
## 123 20 252 10.9 80 9 7
## 124 28 NA 14.9 66 5 6
## 125 NA 264 14.3 79 6 6
## 126 40 314 10.9 83 7 6
## 127 66 NA 4.6 87 8 6
## 128 32 92 15.5 84 9 6
## 129 NA NA 14.3 56 5 5
## 130 NA 220 8.6 85 6 5
## 131 64 175 4.6 83 7 5
## 132 35 NA 7.4 85 8 5
## 133 47 95 7.4 87 9 5
## 134 18 313 11.5 62 5 4
## 135 NA 186 9.2 84 6 4
## 136 NA 101 10.9 84 7 4
## 137 78 NA 6.9 86 8 4
## 138 91 189 4.6 93 9 4
## 139 12 149 12.6 74 5 3
## 140 NA 242 16.1 67 6 3
## 141 32 236 9.2 81 7 3
## 142 16 77 7.4 82 8 3
## 143 73 183 2.8 93 9 3
## 144 36 118 8.0 72 5 2
## 145 NA 287 9.7 74 6 2
## 146 49 248 9.2 85 7 2
## 147 9 24 13.8 81 8 2
## 148 78 197 5.1 92 9 2
## 149 41 190 7.4 67 5 1
## 150 NA 286 8.6 78 6 1
## 151 135 269 4.1 84 7 1
## 152 39 83 6.9 81 8 1
## 153 96 167 6.9 91 9 1kita dapat menggunakan lebih dari satu nama variabel untuk mengurutkan dataframe tetapi urutan preferensi dalam penyortiran akan selalu dengan variabel pertama yang disebutkan.
Fungsi ini memungkinkan untuk memilih beberapa variabel dengan namanya atau dengan beberapa variasi dan mengabaikan yang tidak berguna. Funsgi Select hanya memberi kesempatan untuk mempertimbangkan variabel yang diperlukan dan terbukti efektif dalam konteks tertentu.
select(airquality,Ozone,Month)## Ozone Month
## 1 41 5
## 2 36 5
## 3 12 5
## 4 18 5
## 5 NA 5
## 6 28 5
## 7 23 5
## 8 19 5
## 9 8 5
## 10 NA 5
## 11 7 5
## 12 16 5
## 13 11 5
## 14 14 5
## 15 18 5
## 16 14 5
## 17 34 5
## 18 6 5
## 19 30 5
## 20 11 5
## 21 1 5
## 22 11 5
## 23 4 5
## 24 32 5
## 25 NA 5
## 26 NA 5
## 27 NA 5
## 28 23 5
## 29 45 5
## 30 115 5
## 31 37 5
## 32 NA 6
## 33 NA 6
## 34 NA 6
## 35 NA 6
## 36 NA 6
## 37 NA 6
## 38 29 6
## 39 NA 6
## 40 71 6
## 41 39 6
## 42 NA 6
## 43 NA 6
## 44 23 6
## 45 NA 6
## 46 NA 6
## 47 21 6
## 48 37 6
## 49 20 6
## 50 12 6
## 51 13 6
## 52 NA 6
## 53 NA 6
## 54 NA 6
## 55 NA 6
## 56 NA 6
## 57 NA 6
## 58 NA 6
## 59 NA 6
## 60 NA 6
## 61 NA 6
## 62 135 7
## 63 49 7
## 64 32 7
## 65 NA 7
## 66 64 7
## 67 40 7
## 68 77 7
## 69 97 7
## 70 97 7
## 71 85 7
## 72 NA 7
## 73 10 7
## 74 27 7
## 75 NA 7
## 76 7 7
## 77 48 7
## 78 35 7
## 79 61 7
## 80 79 7
## 81 63 7
## 82 16 7
## 83 NA 7
## 84 NA 7
## 85 80 7
## 86 108 7
## 87 20 7
## 88 52 7
## 89 82 7
## 90 50 7
## 91 64 7
## 92 59 7
## 93 39 8
## 94 9 8
## 95 16 8
## 96 78 8
## 97 35 8
## 98 66 8
## 99 122 8
## 100 89 8
## 101 110 8
## 102 NA 8
## 103 NA 8
## 104 44 8
## 105 28 8
## 106 65 8
## 107 NA 8
## 108 22 8
## 109 59 8
## 110 23 8
## 111 31 8
## 112 44 8
## 113 21 8
## 114 9 8
## 115 NA 8
## 116 45 8
## 117 168 8
## 118 73 8
## 119 NA 8
## 120 76 8
## 121 118 8
## 122 84 8
## 123 85 8
## 124 96 9
## 125 78 9
## 126 73 9
## 127 91 9
## 128 47 9
## 129 32 9
## 130 20 9
## 131 23 9
## 132 21 9
## 133 24 9
## 134 44 9
## 135 21 9
## 136 28 9
## 137 9 9
## 138 13 9
## 139 46 9
## 140 18 9
## 141 13 9
## 142 24 9
## 143 16 9
## 144 13 9
## 145 23 9
## 146 36 9
## 147 7 9
## 148 14 9
## 149 30 9
## 150 NA 9
## 151 14 9
## 152 18 9
## 153 20 9select(airquality,Ozone:Month)## Ozone Solar.R Wind Temp Month
## 1 41 190 7.4 67 5
## 2 36 118 8.0 72 5
## 3 12 149 12.6 74 5
## 4 18 313 11.5 62 5
## 5 NA NA 14.3 56 5
## 6 28 NA 14.9 66 5
## 7 23 299 8.6 65 5
## 8 19 99 13.8 59 5
## 9 8 19 20.1 61 5
## 10 NA 194 8.6 69 5
## 11 7 NA 6.9 74 5
## 12 16 256 9.7 69 5
## 13 11 290 9.2 66 5
## 14 14 274 10.9 68 5
## 15 18 65 13.2 58 5
## 16 14 334 11.5 64 5
## 17 34 307 12.0 66 5
## 18 6 78 18.4 57 5
## 19 30 322 11.5 68 5
## 20 11 44 9.7 62 5
## 21 1 8 9.7 59 5
## 22 11 320 16.6 73 5
## 23 4 25 9.7 61 5
## 24 32 92 12.0 61 5
## 25 NA 66 16.6 57 5
## 26 NA 266 14.9 58 5
## 27 NA NA 8.0 57 5
## 28 23 13 12.0 67 5
## 29 45 252 14.9 81 5
## 30 115 223 5.7 79 5
## 31 37 279 7.4 76 5
## 32 NA 286 8.6 78 6
## 33 NA 287 9.7 74 6
## 34 NA 242 16.1 67 6
## 35 NA 186 9.2 84 6
## 36 NA 220 8.6 85 6
## 37 NA 264 14.3 79 6
## 38 29 127 9.7 82 6
## 39 NA 273 6.9 87 6
## 40 71 291 13.8 90 6
## 41 39 323 11.5 87 6
## 42 NA 259 10.9 93 6
## 43 NA 250 9.2 92 6
## 44 23 148 8.0 82 6
## 45 NA 332 13.8 80 6
## 46 NA 322 11.5 79 6
## 47 21 191 14.9 77 6
## 48 37 284 20.7 72 6
## 49 20 37 9.2 65 6
## 50 12 120 11.5 73 6
## 51 13 137 10.3 76 6
## 52 NA 150 6.3 77 6
## 53 NA 59 1.7 76 6
## 54 NA 91 4.6 76 6
## 55 NA 250 6.3 76 6
## 56 NA 135 8.0 75 6
## 57 NA 127 8.0 78 6
## 58 NA 47 10.3 73 6
## 59 NA 98 11.5 80 6
## 60 NA 31 14.9 77 6
## 61 NA 138 8.0 83 6
## 62 135 269 4.1 84 7
## 63 49 248 9.2 85 7
## 64 32 236 9.2 81 7
## 65 NA 101 10.9 84 7
## 66 64 175 4.6 83 7
## 67 40 314 10.9 83 7
## 68 77 276 5.1 88 7
## 69 97 267 6.3 92 7
## 70 97 272 5.7 92 7
## 71 85 175 7.4 89 7
## 72 NA 139 8.6 82 7
## 73 10 264 14.3 73 7
## 74 27 175 14.9 81 7
## 75 NA 291 14.9 91 7
## 76 7 48 14.3 80 7
## 77 48 260 6.9 81 7
## 78 35 274 10.3 82 7
## 79 61 285 6.3 84 7
## 80 79 187 5.1 87 7
## 81 63 220 11.5 85 7
## 82 16 7 6.9 74 7
## 83 NA 258 9.7 81 7
## 84 NA 295 11.5 82 7
## 85 80 294 8.6 86 7
## 86 108 223 8.0 85 7
## 87 20 81 8.6 82 7
## 88 52 82 12.0 86 7
## 89 82 213 7.4 88 7
## 90 50 275 7.4 86 7
## 91 64 253 7.4 83 7
## 92 59 254 9.2 81 7
## 93 39 83 6.9 81 8
## 94 9 24 13.8 81 8
## 95 16 77 7.4 82 8
## 96 78 NA 6.9 86 8
## 97 35 NA 7.4 85 8
## 98 66 NA 4.6 87 8
## 99 122 255 4.0 89 8
## 100 89 229 10.3 90 8
## 101 110 207 8.0 90 8
## 102 NA 222 8.6 92 8
## 103 NA 137 11.5 86 8
## 104 44 192 11.5 86 8
## 105 28 273 11.5 82 8
## 106 65 157 9.7 80 8
## 107 NA 64 11.5 79 8
## 108 22 71 10.3 77 8
## 109 59 51 6.3 79 8
## 110 23 115 7.4 76 8
## 111 31 244 10.9 78 8
## 112 44 190 10.3 78 8
## 113 21 259 15.5 77 8
## 114 9 36 14.3 72 8
## 115 NA 255 12.6 75 8
## 116 45 212 9.7 79 8
## 117 168 238 3.4 81 8
## 118 73 215 8.0 86 8
## 119 NA 153 5.7 88 8
## 120 76 203 9.7 97 8
## 121 118 225 2.3 94 8
## 122 84 237 6.3 96 8
## 123 85 188 6.3 94 8
## 124 96 167 6.9 91 9
## 125 78 197 5.1 92 9
## 126 73 183 2.8 93 9
## 127 91 189 4.6 93 9
## 128 47 95 7.4 87 9
## 129 32 92 15.5 84 9
## 130 20 252 10.9 80 9
## 131 23 220 10.3 78 9
## 132 21 230 10.9 75 9
## 133 24 259 9.7 73 9
## 134 44 236 14.9 81 9
## 135 21 259 15.5 76 9
## 136 28 238 6.3 77 9
## 137 9 24 10.9 71 9
## 138 13 112 11.5 71 9
## 139 46 237 6.9 78 9
## 140 18 224 13.8 67 9
## 141 13 27 10.3 76 9
## 142 24 238 10.3 68 9
## 143 16 201 8.0 82 9
## 144 13 238 12.6 64 9
## 145 23 14 9.2 71 9
## 146 36 139 10.3 81 9
## 147 7 49 10.3 69 9
## 148 14 20 16.6 63 9
## 149 30 193 6.9 70 9
## 150 NA 145 13.2 77 9
## 151 14 191 14.3 75 9
## 152 18 131 8.0 76 9
## 153 20 223 11.5 68 9Fungsi ini biasanya digunakan untuk membuat satu set variabel baru dan di fitur baru lainnya untuk ditambahkan ke dataframe. Fungsi ini memiliki kegunaan penting juga karena membantu membuat variabel baru dari variabel yang ada sekaligus dan bekerja lebih baik. Dengan kata lain, kita dapat membuat beberapa variabel baru sekaligus menggunakan fungsi mutate dan menambahkannya ke dataframe yang ada.
mutate(airquality,Ozonepercent = Ozone/100 )## Ozone Solar.R Wind Temp Month Day Ozonepercent
## 1 41 190 7.4 67 5 1 0.41
## 2 36 118 8.0 72 5 2 0.36
## 3 12 149 12.6 74 5 3 0.12
## 4 18 313 11.5 62 5 4 0.18
## 5 NA NA 14.3 56 5 5 NA
## 6 28 NA 14.9 66 5 6 0.28
## 7 23 299 8.6 65 5 7 0.23
## 8 19 99 13.8 59 5 8 0.19
## 9 8 19 20.1 61 5 9 0.08
## 10 NA 194 8.6 69 5 10 NA
## 11 7 NA 6.9 74 5 11 0.07
## 12 16 256 9.7 69 5 12 0.16
## 13 11 290 9.2 66 5 13 0.11
## 14 14 274 10.9 68 5 14 0.14
## 15 18 65 13.2 58 5 15 0.18
## 16 14 334 11.5 64 5 16 0.14
## 17 34 307 12.0 66 5 17 0.34
## 18 6 78 18.4 57 5 18 0.06
## 19 30 322 11.5 68 5 19 0.30
## 20 11 44 9.7 62 5 20 0.11
## 21 1 8 9.7 59 5 21 0.01
## 22 11 320 16.6 73 5 22 0.11
## 23 4 25 9.7 61 5 23 0.04
## 24 32 92 12.0 61 5 24 0.32
## 25 NA 66 16.6 57 5 25 NA
## 26 NA 266 14.9 58 5 26 NA
## 27 NA NA 8.0 57 5 27 NA
## 28 23 13 12.0 67 5 28 0.23
## 29 45 252 14.9 81 5 29 0.45
## 30 115 223 5.7 79 5 30 1.15
## 31 37 279 7.4 76 5 31 0.37
## 32 NA 286 8.6 78 6 1 NA
## 33 NA 287 9.7 74 6 2 NA
## 34 NA 242 16.1 67 6 3 NA
## 35 NA 186 9.2 84 6 4 NA
## 36 NA 220 8.6 85 6 5 NA
## 37 NA 264 14.3 79 6 6 NA
## 38 29 127 9.7 82 6 7 0.29
## 39 NA 273 6.9 87 6 8 NA
## 40 71 291 13.8 90 6 9 0.71
## 41 39 323 11.5 87 6 10 0.39
## 42 NA 259 10.9 93 6 11 NA
## 43 NA 250 9.2 92 6 12 NA
## 44 23 148 8.0 82 6 13 0.23
## 45 NA 332 13.8 80 6 14 NA
## 46 NA 322 11.5 79 6 15 NA
## 47 21 191 14.9 77 6 16 0.21
## 48 37 284 20.7 72 6 17 0.37
## 49 20 37 9.2 65 6 18 0.20
## 50 12 120 11.5 73 6 19 0.12
## 51 13 137 10.3 76 6 20 0.13
## 52 NA 150 6.3 77 6 21 NA
## 53 NA 59 1.7 76 6 22 NA
## 54 NA 91 4.6 76 6 23 NA
## 55 NA 250 6.3 76 6 24 NA
## 56 NA 135 8.0 75 6 25 NA
## 57 NA 127 8.0 78 6 26 NA
## 58 NA 47 10.3 73 6 27 NA
## 59 NA 98 11.5 80 6 28 NA
## 60 NA 31 14.9 77 6 29 NA
## 61 NA 138 8.0 83 6 30 NA
## 62 135 269 4.1 84 7 1 1.35
## 63 49 248 9.2 85 7 2 0.49
## 64 32 236 9.2 81 7 3 0.32
## 65 NA 101 10.9 84 7 4 NA
## 66 64 175 4.6 83 7 5 0.64
## 67 40 314 10.9 83 7 6 0.40
## 68 77 276 5.1 88 7 7 0.77
## 69 97 267 6.3 92 7 8 0.97
## 70 97 272 5.7 92 7 9 0.97
## 71 85 175 7.4 89 7 10 0.85
## 72 NA 139 8.6 82 7 11 NA
## 73 10 264 14.3 73 7 12 0.10
## 74 27 175 14.9 81 7 13 0.27
## 75 NA 291 14.9 91 7 14 NA
## 76 7 48 14.3 80 7 15 0.07
## 77 48 260 6.9 81 7 16 0.48
## 78 35 274 10.3 82 7 17 0.35
## 79 61 285 6.3 84 7 18 0.61
## 80 79 187 5.1 87 7 19 0.79
## 81 63 220 11.5 85 7 20 0.63
## 82 16 7 6.9 74 7 21 0.16
## 83 NA 258 9.7 81 7 22 NA
## 84 NA 295 11.5 82 7 23 NA
## 85 80 294 8.6 86 7 24 0.80
## 86 108 223 8.0 85 7 25 1.08
## 87 20 81 8.6 82 7 26 0.20
## 88 52 82 12.0 86 7 27 0.52
## 89 82 213 7.4 88 7 28 0.82
## 90 50 275 7.4 86 7 29 0.50
## 91 64 253 7.4 83 7 30 0.64
## 92 59 254 9.2 81 7 31 0.59
## 93 39 83 6.9 81 8 1 0.39
## 94 9 24 13.8 81 8 2 0.09
## 95 16 77 7.4 82 8 3 0.16
## 96 78 NA 6.9 86 8 4 0.78
## 97 35 NA 7.4 85 8 5 0.35
## 98 66 NA 4.6 87 8 6 0.66
## 99 122 255 4.0 89 8 7 1.22
## 100 89 229 10.3 90 8 8 0.89
## 101 110 207 8.0 90 8 9 1.10
## 102 NA 222 8.6 92 8 10 NA
## 103 NA 137 11.5 86 8 11 NA
## 104 44 192 11.5 86 8 12 0.44
## 105 28 273 11.5 82 8 13 0.28
## 106 65 157 9.7 80 8 14 0.65
## 107 NA 64 11.5 79 8 15 NA
## 108 22 71 10.3 77 8 16 0.22
## 109 59 51 6.3 79 8 17 0.59
## 110 23 115 7.4 76 8 18 0.23
## 111 31 244 10.9 78 8 19 0.31
## 112 44 190 10.3 78 8 20 0.44
## 113 21 259 15.5 77 8 21 0.21
## 114 9 36 14.3 72 8 22 0.09
## 115 NA 255 12.6 75 8 23 NA
## 116 45 212 9.7 79 8 24 0.45
## 117 168 238 3.4 81 8 25 1.68
## 118 73 215 8.0 86 8 26 0.73
## 119 NA 153 5.7 88 8 27 NA
## 120 76 203 9.7 97 8 28 0.76
## 121 118 225 2.3 94 8 29 1.18
## 122 84 237 6.3 96 8 30 0.84
## 123 85 188 6.3 94 8 31 0.85
## 124 96 167 6.9 91 9 1 0.96
## 125 78 197 5.1 92 9 2 0.78
## 126 73 183 2.8 93 9 3 0.73
## 127 91 189 4.6 93 9 4 0.91
## 128 47 95 7.4 87 9 5 0.47
## 129 32 92 15.5 84 9 6 0.32
## 130 20 252 10.9 80 9 7 0.20
## 131 23 220 10.3 78 9 8 0.23
## 132 21 230 10.9 75 9 9 0.21
## 133 24 259 9.7 73 9 10 0.24
## 134 44 236 14.9 81 9 11 0.44
## 135 21 259 15.5 76 9 12 0.21
## 136 28 238 6.3 77 9 13 0.28
## 137 9 24 10.9 71 9 14 0.09
## 138 13 112 11.5 71 9 15 0.13
## 139 46 237 6.9 78 9 16 0.46
## 140 18 224 13.8 67 9 17 0.18
## 141 13 27 10.3 76 9 18 0.13
## 142 24 238 10.3 68 9 19 0.24
## 143 16 201 8.0 82 9 20 0.16
## 144 13 238 12.6 64 9 21 0.13
## 145 23 14 9.2 71 9 22 0.23
## 146 36 139 10.3 81 9 23 0.36
## 147 7 49 10.3 69 9 24 0.07
## 148 14 20 16.6 63 9 25 0.14
## 149 30 193 6.9 70 9 26 0.30
## 150 NA 145 13.2 77 9 27 NA
## 151 14 191 14.3 75 9 28 0.14
## 152 18 131 8.0 76 9 29 0.18
## 153 20 223 11.5 68 9 30 0.20Jika kita bermaksud untuk menyimpan hanya variabel yang baru dibuat maka kita dapat menggunakan transmute karena itu menetapkan tujuan membuat kerangka data hanya variabel yang baru dibuat dan kita tidak perlu membuat variabel satu per satu karena itu membutuhkan waktu dan mengurangi produktivitas kita dan tujuan menggunakan bahasa R secara efisien.
transmute(airquality,Ozonepercent = Ozone/100 )## Ozonepercent
## 1 0.41
## 2 0.36
## 3 0.12
## 4 0.18
## 5 NA
## 6 0.28
## 7 0.23
## 8 0.19
## 9 0.08
## 10 NA
## 11 0.07
## 12 0.16
## 13 0.11
## 14 0.14
## 15 0.18
## 16 0.14
## 17 0.34
## 18 0.06
## 19 0.30
## 20 0.11
## 21 0.01
## 22 0.11
## 23 0.04
## 24 0.32
## 25 NA
## 26 NA
## 27 NA
## 28 0.23
## 29 0.45
## 30 1.15
## 31 0.37
## 32 NA
## 33 NA
## 34 NA
## 35 NA
## 36 NA
## 37 NA
## 38 0.29
## 39 NA
## 40 0.71
## 41 0.39
## 42 NA
## 43 NA
## 44 0.23
## 45 NA
## 46 NA
## 47 0.21
## 48 0.37
## 49 0.20
## 50 0.12
## 51 0.13
## 52 NA
## 53 NA
## 54 NA
## 55 NA
## 56 NA
## 57 NA
## 58 NA
## 59 NA
## 60 NA
## 61 NA
## 62 1.35
## 63 0.49
## 64 0.32
## 65 NA
## 66 0.64
## 67 0.40
## 68 0.77
## 69 0.97
## 70 0.97
## 71 0.85
## 72 NA
## 73 0.10
## 74 0.27
## 75 NA
## 76 0.07
## 77 0.48
## 78 0.35
## 79 0.61
## 80 0.79
## 81 0.63
## 82 0.16
## 83 NA
## 84 NA
## 85 0.80
## 86 1.08
## 87 0.20
## 88 0.52
## 89 0.82
## 90 0.50
## 91 0.64
## 92 0.59
## 93 0.39
## 94 0.09
## 95 0.16
## 96 0.78
## 97 0.35
## 98 0.66
## 99 1.22
## 100 0.89
## 101 1.10
## 102 NA
## 103 NA
## 104 0.44
## 105 0.28
## 106 0.65
## 107 NA
## 108 0.22
## 109 0.59
## 110 0.23
## 111 0.31
## 112 0.44
## 113 0.21
## 114 0.09
## 115 NA
## 116 0.45
## 117 1.68
## 118 0.73
## 119 NA
## 120 0.76
## 121 1.18
## 122 0.84
## 123 0.85
## 124 0.96
## 125 0.78
## 126 0.73
## 127 0.91
## 128 0.47
## 129 0.32
## 130 0.20
## 131 0.23
## 132 0.21
## 133 0.24
## 134 0.44
## 135 0.21
## 136 0.28
## 137 0.09
## 138 0.13
## 139 0.46
## 140 0.18
## 141 0.13
## 142 0.24
## 143 0.16
## 144 0.13
## 145 0.23
## 146 0.36
## 147 0.07
## 148 0.14
## 149 0.30
## 150 NA
## 151 0.14
## 152 0.18
## 153 0.20Fungsi ini memungkinkan untuk melakukan sebagian besar statistik ringkasan awal saat melakukan analisis data eksplorasi. Dalam kata lain, mengelompokkan banyak nilai menjadi satu ringkasan.
summarise(airquality,ozonemean = mean(Wind))## ozonemean
## 1 9.957516