library(tidyr)## Warning: package 'tidyr' was built under R version 3.6.3#Fungsi utama ada 5 kategori: #1. “Pivotting” yang mengubah antara bentuk panjang dan lebar. tidyr 1.0.0 memperkenalkan pivot_longer () dan pivot_wider (), menggantikan fungsi spread () dan gathering () yang lebih lama. Lihat sketsa (“poros”) untuk lebih jelasnya.
#pivot_longer = Baris jadi kolom #pivot_wider = kolom jadi baris, bisa dikatakan traspose dari pivot_longer
head(fish_encounters,5)## # A tibble: 5 x 3
## fish station seen
## <fct> <fct> <int>
## 1 4842 Release 1
## 2 4842 I80_1 1
## 3 4842 Lisbon 1
## 4 4842 Rstr 1
## 5 4842 Base_TD 1head(fish_encounters%>%
pivot_wider(names_from = station, values_from = seen),5) #jadikan kolom station jadi baris## # A tibble: 5 x 12
## fish Release I80_1 Lisbon Rstr Base_TD BCE BCW BCE2 BCW2 MAE MAW
## <fct> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
## 1 4842 1 1 1 1 1 1 1 1 1 1 1
## 2 4843 1 1 1 1 1 1 1 1 1 1 1
## 3 4844 1 1 1 1 1 1 1 1 1 1 1
## 4 4845 1 1 1 1 1 NA NA NA NA NA NA
## 5 4847 1 1 1 NA NA NA NA NA NA NA NA#mengganti NA menjadi 0
head(fish_encounters %>%
pivot_wider(names_from = station, values_from = seen, values_fill = 0),5)## # A tibble: 5 x 12
## fish Release I80_1 Lisbon Rstr Base_TD BCE BCW BCE2 BCW2 MAE MAW
## <fct> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
## 1 4842 1 1 1 1 1 1 1 1 1 1 1
## 2 4843 1 1 1 1 1 1 1 1 1 1 1
## 3 4844 1 1 1 1 1 1 1 1 1 1 1
## 4 4845 1 1 1 1 1 0 0 0 0 0 0
## 5 4847 1 1 1 0 0 0 0 0 0 0 0# Hasilkan nama kolom dari beberapa variabel
head(us_rent_income,10)## # A tibble: 10 x 5
## GEOID NAME variable estimate moe
## <chr> <chr> <chr> <dbl> <dbl>
## 1 01 Alabama income 24476 136
## 2 01 Alabama rent 747 3
## 3 02 Alaska income 32940 508
## 4 02 Alaska rent 1200 13
## 5 04 Arizona income 27517 148
## 6 04 Arizona rent 972 4
## 7 05 Arkansas income 23789 165
## 8 05 Arkansas rent 709 5
## 9 06 California income 29454 109
## 10 06 California rent 1358 3#income dan rent kolom jadi baris dengan tambahan prefiks estimate dan moe
head(us_rent_income %>%
pivot_wider(names_from = variable, values_from = c(estimate, moe)),10)## # A tibble: 10 x 6
## GEOID NAME estimate_income estimate_rent moe_income moe_rent
## <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 01 Alabama 24476 747 136 3
## 2 02 Alaska 32940 1200 508 13
## 3 04 Arizona 27517 972 148 4
## 4 05 Arkansas 23789 709 165 5
## 5 06 California 29454 1358 109 3
## 6 08 Colorado 32401 1125 109 5
## 7 09 Connecticut 35326 1123 195 5
## 8 10 Delaware 31560 1076 247 10
## 9 11 District of Columbia 43198 1424 681 17
## 10 12 Florida 25952 1077 70 3head(us_rent_income %>%
pivot_wider(
names_from = variable,
names_sep = ".", #antara names_from dan values_from dipisahkan titik
values_from = c(estimate, moe)
),10)## # A tibble: 10 x 6
## GEOID NAME estimate.income estimate.rent moe.income moe.rent
## <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 01 Alabama 24476 747 136 3
## 2 02 Alaska 32940 1200 508 13
## 3 04 Arizona 27517 972 148 4
## 4 05 Arkansas 23789 709 165 5
## 5 06 California 29454 1358 109 3
## 6 08 Colorado 32401 1125 109 5
## 7 09 Connecticut 35326 1123 195 5
## 8 10 Delaware 31560 1076 247 10
## 9 11 District of Columbia 43198 1424 681 17
## 10 12 Florida 25952 1077 70 3head(warpbreaks,10)## breaks wool tension
## 1 26 A L
## 2 30 A L
## 3 54 A L
## 4 25 A L
## 5 70 A L
## 6 52 A L
## 7 51 A L
## 8 26 A L
## 9 67 A L
## 10 18 A M#merubah urutan variabel
warpbreaks <- as_tibble(warpbreaks[c("wool", "tension", "breaks")])
head(warpbreaks,10)## # A tibble: 10 x 3
## wool tension breaks
## <fct> <fct> <dbl>
## 1 A L 26
## 2 A L 30
## 3 A L 54
## 4 A L 25
## 5 A L 70
## 6 A L 52
## 7 A L 51
## 8 A L 26
## 9 A L 67
## 10 A M 18#transformasi wool (A,B): baris jadi kolom dengan nilai value average variabel breaks
warpbreaks %>%
pivot_wider(
names_from = wool,
values_from = breaks,
values_fn = mean
)## # A tibble: 3 x 3
## tension A B
## <fct> <dbl> <dbl>
## 1 L 44.6 28.2
## 2 M 24 28.8
## 3 H 24.6 18.8#2. “Rectangling”, yang mengubah daftar yang sangat bertingkat (seperti dari JSON) menjadi tibble yang rapi. #unnest #Tiga fungsi unest () berbeda dalam cara mengubah bentuk bingkai data keluaran:
#unest_wider () mempertahankan baris, tetapi mengubah kolom.
#unest_longer () mempertahankan kolom, tetapi mengubah baris
#unest () dapat mengubah baris dan kolom.
df <- tibble(
character = c("Toothless", "Dory"),
metadata = list(
list(
species = "dragon",
color = "black",
films = c(
"How to Train Your Dragon",
"How to Train Your Dragon 2",
"How to Train Your Dragon: The Hidden World"
)
),
list(
species = "blue tang",
color = "blue",
films = c("Finding Nemo", "Finding Dory")
)
)
)
## Sebuah tibble: 2 x 2
df #list 3 artinya dalam metadata ada 3 variabel## # A tibble: 2 x 2
## character metadata
## <chr> <list>
## 1 Toothless <named list [3]>
## 2 Dory <named list [3]># Ubah semua komponen metadata menjadi kolom
df %>% unnest_wider(metadata)## # A tibble: 2 x 4
## character species color films
## <chr> <chr> <chr> <list>
## 1 Toothless dragon black <chr [3]>
## 2 Dory blue tang blue <chr [2]># Ekstrak hanya komponen yang ditentukan
df %>% hoist(metadata,
"species",
first_film = list("films", 1L),
third_film = list("films", 3L)
)## # A tibble: 2 x 5
## character species first_film third_film metadata
## <chr> <chr> <chr> <chr> <list>
## 1 Toothless dragon How to Train You~ How to Train Your Dragon: ~ <named list~
## 2 Dory blue tang Finding Nemo <NA> <named list~df %>%
unnest_wider(metadata) %>%
unnest_longer(films)## # A tibble: 5 x 4
## character species color films
## <chr> <chr> <chr> <chr>
## 1 Toothless dragon black How to Train Your Dragon
## 2 Toothless dragon black How to Train Your Dragon 2
## 3 Toothless dragon black How to Train Your Dragon: The Hidden World
## 4 Dory blue tang blue Finding Nemo
## 5 Dory blue tang blue Finding Dory# unest_longer () berguna jika setiap komponen dari daftar harus membentuk baris
df <- tibble(
x = 1:3,
y = list(NULL, 1:3, 4:5) #1:3 dan 4:5 sebagai metadata
)
df## # A tibble: 3 x 2
## x y
## <int> <list>
## 1 1 <NULL>
## 2 2 <int [3]>
## 3 3 <int [2]>df %>% unnest_longer(y)## # A tibble: 6 x 2
## x y
## <int> <int>
## 1 1 NA
## 2 2 1
## 3 2 2
## 4 2 3
## 5 3 4
## 6 3 5# Secara otomatis membuat nama jika melebar
df %>% unnest_wider(y)## New names:
## * `` -> ...1
## * `` -> ...2
## * `` -> ...3## New names:
## * `` -> ...1
## * `` -> ...2## # A tibble: 3 x 4
## x ...1 ...2 ...3
## <int> <int> <int> <int>
## 1 1 NA NA NA
## 2 2 1 2 3
## 3 3 4 5 NA## Tapi biasanya Anda ingin memberikan names_sep:
df %>% unnest_wider(y, names_sep = "_")## # A tibble: 3 x 4
## x y_1 y_2 y_3
## <int> <int> <int> <int>
## 1 1 NA NA NA
## 2 2 1 2 3
## 3 3 4 5 NA# Dan demikian pula jika vektor diberi nama
lop <- tibble(
x = 1:2,
y = list(c(a = 1, b = 2), c(a = 10, b = 11, c = 12)) #metadata
)
lop## # A tibble: 2 x 2
## x y
## <int> <list>
## 1 1 <dbl [2]>
## 2 2 <dbl [3]>lop %>% unnest_wider(y,names_sep = "_")## # A tibble: 2 x 4
## x y_a y_b y_c
## <int> <dbl> <dbl> <dbl>
## 1 1 1 2 NA
## 2 2 10 11 12df %>% unnest_longer(y)## # A tibble: 6 x 2
## x y
## <int> <int>
## 1 1 NA
## 2 2 1
## 3 2 2
## 4 2 3
## 5 3 4
## 6 3 5#3. Nesting: penyusunan / mengonversi data yang dikelompokkan menjadi formulir di mana setiap grup menjadi satu baris yang berisi bingkai data bersarang, dan tindakan sebaliknya.
library(tidyr)
fgh <- tibble(x = c(1, 1, 1, 2, 2, 3), y = 1:6, z = 6:1)
fgh## # A tibble: 6 x 3
## x y z
## <dbl> <int> <int>
## 1 1 1 6
## 2 1 2 5
## 3 1 3 4
## 4 2 4 3
## 5 2 5 2
## 6 3 6 1# Perhatikan bahwa kita mendapatkan satu baris keluaran untuk setiap kombinasi unik
# variabel tidak bertingkat
fgh%>% nest(data = c(y, z))## # A tibble: 3 x 2
## x data
## <dbl> <list>
## 1 1 <tibble [3 x 2]>
## 2 2 <tibble [2 x 2]>
## 3 3 <tibble [1 x 2]># chop melakukan sesuatu yang serupa, tetapi mempertahankan kolom individual
fgh %>% chop(c(y, z))## # A tibble: 3 x 3
## x y z
## <dbl> <list<int>> <list<int>>
## 1 1 [3] [3]
## 2 2 [2] [2]
## 3 3 [1] [1]juko <- tibble(
x = 1:3,
y = list(
NULL, #x=1 --> kosong (null)
tibble(a = 1, b = 2), #x=2
tibble(a = 1:3, b = 3:1) #x=3
)
)
juko## # A tibble: 3 x 2
## x y
## <int> <list>
## 1 1 <NULL>
## 2 2 <tibble [1 x 2]>
## 3 3 <tibble [3 x 2]>#nilai null/kosong diabaikan
juko %>% unnest(y)## # A tibble: 4 x 3
## x a b
## <int> <dbl> <dbl>
## 1 2 1 2
## 2 3 1 3
## 3 3 2 2
## 4 3 3 1#nilai null/kosong tidak diabaikan
juko %>% unnest(y, keep_empty = TRUE)## # A tibble: 5 x 3
## x a b
## <int> <dbl> <dbl>
## 1 1 NA NA
## 2 2 1 2
## 3 3 1 3
## 4 3 2 2
## 5 3 3 1# Anda dapat menghapus (unnest) beberapa kolom secara bersamaan
oli <- tibble(
a = list(c("a", "b"), "c"),
b = list(1:2, 3),
c = c(11, 22)
)
oli## # A tibble: 2 x 3
## a b c
## <list> <list> <dbl>
## 1 <chr [2]> <int [2]> 11
## 2 <chr [1]> <dbl [1]> 22oli %>% unnest(c(a,b))## # A tibble: 3 x 3
## a b c
## <chr> <dbl> <dbl>
## 1 a 1 11
## 2 b 2 11
## 3 c 3 22# Bandingkan dengan menghapus (unnesting) kolom satu per satu, yang menghasilkan produk Cartesian
oli %>% unnest(a) %>% unnest(b)## # A tibble: 5 x 3
## a b c
## <chr> <dbl> <dbl>
## 1 a 1 11
## 2 a 2 11
## 3 b 1 11
## 4 b 2 11
## 5 c 3 22#4. Memisahkan (splitting) dan menggabungkan (combining) kolom karakter.
# Jika Anda ingin membagi dengan nilai non-alfanumerik (default):
art <- data.frame(x = c(NA, "a.b", "a.d", "b.c"))
art## x
## 1 <NA>
## 2 a.b
## 3 a.d
## 4 b.c#pisahkan jadi 2 komponen atau 2 variabel
art %>% separate(x, c("A", "B"))## A B
## 1 <NA> <NA>
## 2 a b
## 3 a d
## 4 b c# Jika Anda hanya ingin variabel kedua:
art %>% separate(x, c(NA, "B"))## B
## 1 <NA>
## 2 b
## 3 d
## 4 c# Jika setiap baris tidak dibagi menjadi jumlah bagian yang sama, gunakan argumen ekstra dan isi untuk mengontrol apa yang terjadi:
dfu <- data.frame(x = c("a", "a b", "a b c", NA))
dfu## x
## 1 a
## 2 a b
## 3 a b c
## 4 <NA>dfu %>% separate(x, c("Tabuk", "b"))## Warning: Expected 2 pieces. Additional pieces discarded in 1 rows [3].## Warning: Expected 2 pieces. Missing pieces filled with `NA` in 1 rows [1].## Tabuk b
## 1 a <NA>
## 2 a b
## 3 a b
## 4 <NA> <NA># Langkah yang sama seperti sebelumnya, tetapi menghilangkan c tanpa peringatan:
dfu %>% separate(x, c("Tabuk", "b"), extra = "drop", fill = "right")## Tabuk b
## 1 a <NA>
## 2 a b
## 3 a b
## 4 <NA> <NA># Berlawanan dengan sebelumnya, biarkan c dan isiannya tetap di kiri:
dfu %>% separate(x, c("Tabuk", "b"), extra = "merge", fill = "right") #jika fill=left maka a baris pertama akan muncul di sebelah kiri## Tabuk b
## 1 a <NA>
## 2 a b
## 3 a b c
## 4 <NA> <NA># Atau Anda dapat menyimpan ketiganya:
dfu %>% separate(x, c("a", "b", "c"))## Warning: Expected 3 pieces. Missing pieces filled with `NA` in 2 rows [1, 2].## a b c
## 1 a <NA> <NA>
## 2 a b <NA>
## 3 a b c
## 4 <NA> <NA> <NA># Untuk hanya membagi beberapa kali gunakan extra = "merge":
dfs <- data.frame(x = c("x: 123", "y: error: 7"))
dfs## x
## 1 x: 123
## 2 y: error: 7#buat 2 variabel bernama key dan value
dfs %>% separate(x, c("key", "value"), ": ", extra = "merge")## key value
## 1 x 123
## 2 y error: 7# Gunakan ekspresi reguler untuk memisahkan beberapa karakter:
dfe <- data.frame(x = c(NA, "a?b", "a.d", "b:c"))
dfe## x
## 1 <NA>
## 2 a?b
## 3 a.d
## 4 b:c#hilangkan tanda . ? dan :
dfe %>% separate(x, c("A","B"), sep = "([.?:])")## A B
## 1 <NA> <NA>
## 2 a b
## 3 a d
## 4 b c# convert = TRUE mendeteksi kelas kolom:
dfq <- data.frame(x = c("a:1", "a:2", "c:4", "d", NA))
dfq## x
## 1 a:1
## 2 a:2
## 3 c:4
## 4 d
## 5 <NA>dfq %>% separate(x, c("key","value"), ":") %>% str## Warning: Expected 2 pieces. Missing pieces filled with `NA` in 1 rows [4].## 'data.frame': 5 obs. of 2 variables:
## $ key : chr "a" "a" "c" "d" ...
## $ value: chr "1" "2" "4" NA ...dfq %>% separate(x, c("key","value"), ":", convert = TRUE) %>% str## Warning: Expected 2 pieces. Missing pieces filled with `NA` in 1 rows [4].## 'data.frame': 5 obs. of 2 variables:
## $ key : chr "a" "a" "c" "d" ...
## $ value: int 1 2 4 NA NA#Extract
dfw <- data.frame(x = c(NA, "a-b", "a-d", "b-c", "d-e"))
dfw## x
## 1 <NA>
## 2 a-b
## 3 a-d
## 4 b-c
## 5 d-e#Ambil huruf pertama dan masukkan variabel bernama awal
dfw %>% extract(x, "Awal")## Awal
## 1 <NA>
## 2 a
## 3 a
## 4 b
## 5 d#2 variabel dengan huruf yg dipisah
dfw %>% extract(x, c("Atas", "Bawah"), "([[:alnum:]]+)-([[:alnum:]]+)")## Atas Bawah
## 1 <NA> <NA>
## 2 a b
## 3 a d
## 4 b c
## 5 d e# Jika tidak ada yang cocok, NA: #syntax berikut tidak memuat e
dfw %>% extract(x, c("Atas", "Bawah"), "([a-d]+)-([a-d]+)")## Atas Bawah
## 1 <NA> <NA>
## 2 a b
## 3 a d
## 4 b c
## 5 <NA> <NA>#unite
#semacam perkalian matriks: expand_grid
dfr <- expand_grid(x = c("a", NA), y = c("b", NA))
dfr## # A tibble: 4 x 2
## x y
## <chr> <chr>
## 1 a b
## 2 a <NA>
## 3 <NA> b
## 4 <NA> <NA>#buat variabel bernama z yg berisi penggabungan variabel x dan y
dfr %>% unite("z", x:y, remove = FALSE)## # A tibble: 4 x 3
## z x y
## <chr> <chr> <chr>
## 1 a_b a b
## 2 a_NA a <NA>
## 3 NA_b <NA> b
## 4 NA_NA <NA> <NA>#Hilangkan NA
dfr %>% unite("z", x:y, na.rm = TRUE, remove = FALSE)## # A tibble: 4 x 3
## z x y
## <chr> <chr> <chr>
## 1 "a_b" a b
## 2 "a" a <NA>
## 3 "b" <NA> b
## 4 "" <NA> <NA># Pisahkan hampir melengkapi kesatuan
dfr %>%
unite("xy", x:y) %>% #satukan variabel x dan y
separate(xy, c("x-ray", "yo")) #pisahkan jadi 2 kolom ## # A tibble: 4 x 2
## `x-ray` yo
## <chr> <chr>
## 1 a b
## 2 a NA
## 3 NA b
## 4 NA NA#5. Jadikan nilai implisit yang hilang menjadi eksplisit dengan complete (); membuat nilai yang hilang secara eksplisit implisit dengan drop_na (); ganti nilai yang hilang dengan nilai berikutnya / sebelumnya dengan fill (), atau nilai yang diketahui dengan replace_na ()
#complete()
dfl <- tibble(
group = c(1:2, 1),
kode_item = c(1:2, 2),
nama_item = c("a", "b", "b"),
nilai1 = 1:3,
nilai2 = 4:6
)
dfl## # A tibble: 3 x 5
## group kode_item nama_item nilai1 nilai2
## <dbl> <dbl> <chr> <int> <int>
## 1 1 1 a 1 4
## 2 2 2 b 2 5
## 3 1 2 b 3 6dfl %>% complete(group, nesting(kode_item, nama_item))## # A tibble: 4 x 5
## group kode_item nama_item nilai1 nilai2
## <dbl> <dbl> <chr> <int> <int>
## 1 1 1 a 1 4
## 2 1 2 b 3 6
## 3 2 1 a NA NA
## 4 2 2 b 2 5# Anda juga dapat memilih untuk mengisi nilai yang hilang
dfl %>% complete(group, nesting(kode_item, nama_item), fill = list(value1 = 0))## # A tibble: 4 x 5
## group kode_item nama_item nilai1 nilai2
## <dbl> <dbl> <chr> <int> <int>
## 1 1 1 a 1 4
## 2 1 2 b 3 6
## 3 2 1 a NA NA
## 4 2 2 b 2 5#drop_na
dfx <- tibble(x = c(1, 2, NA), y = c("a", NA, "b"))
dfx## # A tibble: 3 x 2
## x y
## <dbl> <chr>
## 1 1 a
## 2 2 <NA>
## 3 NA bdfx %>% drop_na()## # A tibble: 1 x 2
## x y
## <dbl> <chr>
## 1 1 a#hilangkan na pada x
dfx %>% drop_na(x)## # A tibble: 2 x 2
## x y
## <dbl> <chr>
## 1 1 a
## 2 2 <NA>vars <- "y"
dfx %>% drop_na(x, any_of(vars))## # A tibble: 1 x 2
## x y
## <dbl> <chr>
## 1 1 a#fill
# Nilai (tahun) dicatat hanya jika berubah
sales <- tibble::tribble(
~quarter, ~year, ~sales,
"Q1", 2000, 66013,
"Q2", NA, 69182,
"Q3", NA, 53175,
"Q4", NA, 21001,
"Q1", 2001, 46036,
"Q2", NA, 58842,
"Q3", NA, 44568,
"Q4", NA, 50197,
"Q1", 2002, 39113,
"Q2", NA, 41668,
"Q3", NA, 30144,
"Q4", NA, 52897,
"Q1", 2004, 32129,
"Q2", NA, 67686,
"Q3", NA, 31768,
"Q4", NA, 49094
)
sales## # A tibble: 16 x 3
## quarter year sales
## <chr> <dbl> <dbl>
## 1 Q1 2000 66013
## 2 Q2 NA 69182
## 3 Q3 NA 53175
## 4 Q4 NA 21001
## 5 Q1 2001 46036
## 6 Q2 NA 58842
## 7 Q3 NA 44568
## 8 Q4 NA 50197
## 9 Q1 2002 39113
## 10 Q2 NA 41668
## 11 Q3 NA 30144
## 12 Q4 NA 52897
## 13 Q1 2004 32129
## 14 Q2 NA 67686
## 15 Q3 NA 31768
## 16 Q4 NA 49094# `fill ()` default untuk mengganti data yang hilang dari atas ke bawah
sales %>% fill(year)## # A tibble: 16 x 3
## quarter year sales
## <chr> <dbl> <dbl>
## 1 Q1 2000 66013
## 2 Q2 2000 69182
## 3 Q3 2000 53175
## 4 Q4 2000 21001
## 5 Q1 2001 46036
## 6 Q2 2001 58842
## 7 Q3 2001 44568
## 8 Q4 2001 50197
## 9 Q1 2002 39113
## 10 Q2 2002 41668
## 11 Q3 2002 30144
## 12 Q4 2002 52897
## 13 Q1 2004 32129
## 14 Q2 2004 67686
## 15 Q3 2004 31768
## 16 Q4 2004 49094# Nilai (pet_type) tidak ada di atas
tidy_pets <- tibble::tribble(
~rank, ~pet_type, ~breed,
1L, NA, "Boston Terrier",
2L, NA, "Retrievers (Labrador)",
3L, NA, "Retrievers (Golden)",
4L, NA, "French Bulldogs",
5L, NA, "Bulldogs",
6L, "Dog", "Beagles",
1L, NA, "Persian",
2L, NA, "Maine Coon",
3L, NA, "Ragdoll",
4L, NA, "Exotic",
5L, NA, "Siamese",
6L, "Cat", "American Short"
)
tidy_pets## # A tibble: 12 x 3
## rank pet_type breed
## <int> <chr> <chr>
## 1 1 <NA> Boston Terrier
## 2 2 <NA> Retrievers (Labrador)
## 3 3 <NA> Retrievers (Golden)
## 4 4 <NA> French Bulldogs
## 5 5 <NA> Bulldogs
## 6 6 Dog Beagles
## 7 1 <NA> Persian
## 8 2 <NA> Maine Coon
## 9 3 <NA> Ragdoll
## 10 4 <NA> Exotic
## 11 5 <NA> Siamese
## 12 6 Cat American Short## Untuk nilai yang hilang di atas, Anda dapat menggunakan `.direction =" up "`
tidy_pets %>%
fill(pet_type, .direction = "up")## # A tibble: 12 x 3
## rank pet_type breed
## <int> <chr> <chr>
## 1 1 Dog Boston Terrier
## 2 2 Dog Retrievers (Labrador)
## 3 3 Dog Retrievers (Golden)
## 4 4 Dog French Bulldogs
## 5 5 Dog Bulldogs
## 6 6 Dog Beagles
## 7 1 Cat Persian
## 8 2 Cat Maine Coon
## 9 3 Cat Ragdoll
## 10 4 Cat Exotic
## 11 5 Cat Siamese
## 12 6 Cat American Short# Nilai (n_squirrels) hilang di atas dan di bawah dalam grup
squirrels <- tibble::tribble(
~group, ~name, ~role, ~n_squirrels,
1, "Sam", "Observer", NA,
1, "Mara", "Scorekeeper", 8,
1, "Jesse", "Observer", NA,
1, "Tom", "Observer", NA,
2, "Mike", "Observer", NA,
2, "Rachael", "Observer", NA,
2, "Sydekea", "Scorekeeper", 14,
2, "Gabriela", "Observer", NA,
3, "Derrick", "Observer", NA,
3, "Kara", "Scorekeeper", 9,
3, "Emily", "Observer", NA,
3, "Danielle", "Observer", NA
)
squirrels## # A tibble: 12 x 4
## group name role n_squirrels
## <dbl> <chr> <chr> <dbl>
## 1 1 Sam Observer NA
## 2 1 Mara Scorekeeper 8
## 3 1 Jesse Observer NA
## 4 1 Tom Observer NA
## 5 2 Mike Observer NA
## 6 2 Rachael Observer NA
## 7 2 Sydekea Scorekeeper 14
## 8 2 Gabriela Observer NA
## 9 3 Derrick Observer NA
## 10 3 Kara Scorekeeper 9
## 11 3 Emily Observer NA
## 12 3 Danielle Observer NA# Nilai hilang secara tidak konsisten berdasarkan posisi dalam grup
# Gunakan .direction = "downup" untuk mengisi nilai yang hilang di kedua arah
squirrels %>%
dplyr::group_by(group) %>% #library(dplyr) dan kelompokkan berdasarkan group
fill(n_squirrels, .direction = "downup") %>%
dplyr::ungroup()## # A tibble: 12 x 4
## group name role n_squirrels
## <dbl> <chr> <chr> <dbl>
## 1 1 Sam Observer 8
## 2 1 Mara Scorekeeper 8
## 3 1 Jesse Observer 8
## 4 1 Tom Observer 8
## 5 2 Mike Observer 14
## 6 2 Rachael Observer 14
## 7 2 Sydekea Scorekeeper 14
## 8 2 Gabriela Observer 14
## 9 3 Derrick Observer 9
## 10 3 Kara Scorekeeper 9
## 11 3 Emily Observer 9
## 12 3 Danielle Observer 9# Menggunakan `.direction =" updown "` menyelesaikan tujuan yang sama dalam contoh ini#replace_na()
dfc <- tibble(x = c(1, 2, NA), y = c("a", NA, "b"))
dfc## # A tibble: 3 x 2
## x y
## <dbl> <chr>
## 1 1 a
## 2 2 <NA>
## 3 NA b#ganti NA di x = 0 dan y = unknown
dfc %>% replace_na(list(x = 0, y = "unknown"))## # A tibble: 3 x 2
## x y
## <dbl> <chr>
## 1 1 a
## 2 2 unknown
## 3 0 b# Ganti NAs dalam vektor
#Misal ganti NA di variabel x dengan 0
dfc %>% dplyr::mutate(x = replace_na(x, 0))## # A tibble: 3 x 2
## x y
## <dbl> <chr>
## 1 1 a
## 2 2 <NA>
## 3 0 b#Ganti NA di variabel x dengan 0
dfc$x %>% replace_na(0)## [1] 1 2 0# Ganti NULL dalam daftar: NULL adalah list-col yang setara dengan NAs
df_list <- tibble(z = list(1:5, NULL, 10:20))
df_list## # A tibble: 3 x 1
## z
## <list>
## 1 <int [5]>
## 2 <NULL>
## 3 <int [11]>df_list %>% replace_na(list(z = list(5)))## # A tibble: 3 x 1
## z
## <list>
## 1 <int [5]>
## 2 <dbl [1]>
## 3 <int [11]>