Hướng dẫn xây dựng hàm filter dataset theo Month và Day

Biên soạn: Duc Nguyen | Chuyên đào tạo kỹ năng xử lý dữ liệu sử dụng phần mềm R | Website: www.tuhocr.com

Nhu cầu

File có cấu trúc gồm 6 cột và 365 ngày, chia theo ngày tháng tương ứng (đây là file ví dụ, số liệu được tạo ra ngẫu nhiên). Xem format file ở đây:

Download file đưa vào thư mục project để xử lý chat_luong_khong_khi_1992.csv và chat_luong_khong_khi_2022.csv

Câu hỏi

Làm sao để biết được mức độ ô nhiễm (%) thể hiện ở cột POLLUTION ở ngày, tháng bất kỳ trong năm 1992 và 2022 để so sánh và vẽ đồ thị, không cần phải filter và sort thủ công như trên Excel.

Cách tiếp cận

Xây dựng một hàm filter theo cột Month và Day trong dataset, sau đó gán vào các code template có sẵn cho đồ thị dạng đường, cột, boxplot để xuất ra kết quả nhanh chóng đưa vào báo cáo.

Xây dựng function filter dataset

Hàm này có chức năng:

Yêu cầu dataset để ứng dụng hàm filter:

Do vậy, khi các bạn có dataset về doanh thu hàng tháng hay theo dõi chỉ tiêu sinh trưởng cây trồng, … thì khi trình bày theo kiểu file format ví dụ này thì hoàn toàn áp dụng được để lọc dữ liệu và tùy biến vẽ đồ thị rất nhanh chóng.

Code function

# FUNCTION HOÀN CHỈNH 1

filter_theo_ngay_thang <- function(ngay = 1:31, thang = 0, name_dataset = airquality) {
  data_xuly <- name_dataset

  colnames(data_xuly) <- gsub(
    pattern = "^([Mm]{1})([Oo]{1})([Nn]{1})([Tt]{1})([Hh]{1})$",
    colnames(data_xuly),
    replacement = "Month"
  )

  colnames(data_xuly) <- gsub(
    pattern = "^([Dd]{1})([Aa]{1})([Yy]{1})$",
    colnames(data_xuly),
    replacement = "Day"
  )

  if (!(0 %in% thang)) {
    data_1 <- data_xuly[data_xuly$Month %in% thang, ]
    kq <- data_1[data_1$Day %in% ngay, ]
    return(kq)
  } else {
    kq_2 <- data_xuly[data_xuly$Day %in% ngay, ]
    return(kq_2)
  }
}

# FUNCTION HOÀN CHỈNH 2

filter_theo_ngay_thang_final <- function(ngay = 1:31,
                                         thang = 0,
                                         name_dataset = airquality,
                                         clean_na = FALSE # thêm tham số
) {
  data_raw <- filter_theo_ngay_thang(ngay, thang, name_dataset)

  if (clean_na == FALSE) {
    return(data_raw)
  } else {
    complete.cases(data_raw)
    data_clean <- data_raw[complete.cases(data_raw), ]
    return(data_clean)
  }
}

Test hàm

# Import dataset
chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv")
chat_luong_khong_khi_1992 <- read.csv("D:/tuhocr/chat_luong_khong_khi_1992.csv")

# Lọc kết quả từ ngày 12 đến 28 tháng 6 trong năm 2022 và 1992
filter_theo_ngay_thang_final(ngay = 12:28, thang = 6, chat_luong_khong_khi_2022, clean_na = TRUE)
##     CO2 HUMIDITY POLLUTION TEMPT Month Day
## 164  23      148       8.0    82     6  13
## 167  21      191      14.9    77     6  16
## 168  37      284      20.7    72     6  17
## 169  20       37       9.2    65     6  18
## 171  13      299      10.3    76     6  20
## 174  34      194       4.6    76     6  23
## 176  30      256       8.0    75     6  25
## 177  11      290       8.0    78     6  26
## 178   1      274      10.3    73     6  27
## 179  11       65      11.5    80     6  28
filter_theo_ngay_thang_final(ngay = 12:28, thang = 6, chat_luong_khong_khi_1992, clean_na = TRUE)
##     CO2 HUMIDITY POLLUTION TEMPT Month Day
## 164  23      148       8.6    82     6  13
## 167  21      191       9.7    77     6  16
## 168  37      284       3.4    72     6  17
## 169  20       37       8.0    65     6  18
## 171  13      299       8.6    76     6  20
## 174  34      194       7.4    76     6  23
## 176  30      256       9.2    75     6  25
## 177  11      290       6.9    78     6  26
## 178   1      274      13.8    73     6  27
## 179  11       65       7.4    80     6  28

Ứng dụng vẽ đồ thị

Line chart

So sánh mức độ ô nhiễm trong tháng 8 của năm 2022 và 1992 qua đồ thị đường.

Bước 1: Sắp xếp dữ liệu

# Lọc dữ liệu theo yêu cầu đề bài, tách ra theo tháng 8
ok_1 <- filter_theo_ngay_thang_final(, thang = 8, chat_luong_khong_khi_2022)
ok_2 <- filter_theo_ngay_thang_final(, thang = 8, chat_luong_khong_khi_1992)

Bước 2: Vẽ đồ thị

# Plotting line chart

plot(POLLUTION ~ Day, # Thể hiện trục Y là pollution, trục X là ngày
  ok_1, # Lấy dữ liệu từ data frame ok_1 năm 2022
  col = "blue", # Màu sắc cho đường là xanh dương
  type = "l", # Thể hiện loại line chart
  xlab = "Ngày", # Tên của trục X
  ylab = "Chỉ số ô nhiễm (%)", # Tên của trục Y
  ylim = c(0, 25), # Giới hạn của trục Y
  main = "Mức độ ô nhiễm không khí" # Tiêu đề đồ thị
) 

# Đưa thêm dữ liệu từ ok_2 năm 1992
points(POLLUTION ~ Day,
  ok_2,
  col = "red",
  type = "l",
  ylim = c(0, 30)
)

# Tạo bảng chú thích
legend("topright", # Vị trí của bảng
  lty = 1, # Tạo viền cho bảng
  col = c("blue", "red"), # Chú thích màu
  legend = c("8/2022", "8/1992"), # Ghi chú
  cex = 1 # Độ lớn font chữ
)

Bar chart

So sánh mức độ ô nhiễm trong ngày 15 ở các tháng 8 đến 12 trong năm 2022 và 1992 qua đồ thị cột.

Bước 1: Sắp xếp dữ liệu

# Lọc dữ liệu theo yêu cầu đề bài
ok_3 <- filter_theo_ngay_thang_final(ngay = 15, thang = 8:12, chat_luong_khong_khi_2022)
ok_4 <- filter_theo_ngay_thang_final(ngay = 15, thang = 8:12, chat_luong_khong_khi_1992)

# Xử lý dữ liệu ok_3 và ok_4 vào cùng 1 data frame

ok_3_2022 <- ok_3[ , c(3, 5)]
colnames(ok_3_2022) <- c(2022, "Month")

ok_4_1992 <- ok_4[ , c(3, 5)]
colnames(ok_4_1992) <- c(1992, "Month")

barplot_data <- cbind(ok_3_2022[1], ok_4_1992[1])

rownames(barplot_data) <- c("tháng 8", "tháng 9", "tháng 10", "tháng 11", "tháng 12")

barplot_data <- as.matrix(barplot_data) # Chuyển qua dạng matrix

# Kiểm tra data frame dùng để vẽ đồ thị
print(barplot_data)
##          2022 1992
## tháng 8  11.5 12.6
## tháng 9  13.8 16.6
## tháng 10 12.0 10.3
## tháng 11  8.0  5.1
## tháng 12 17.0 11.5

Bước 2: Vẽ đồ thị

# Define a set of colors
my_colors <- c("lightblue", "mistyrose", "lightcyan", "lavender", "cornsilk")

# Bar plot
barplot(barplot_data, # Đồ thị cột sử dụng data dạng matrix thay vì data frame
  col = my_colors,
  beside = TRUE, # Đặt các cột từng năm cạnh nhau
  ylim = c(0, 20),
  xlab = "Năm",
  ylab = "Chỉ số ô nhiễm (%)",
  main = "Mức độ ô nhiễm không khí ở ngày 15 hằng tháng"
)

# Add legend
legend("top",
  legend = rownames(barplot_data),
  horiz = TRUE,
  fill = my_colors,
  box.lty = 0,
  cex = 1
)

# Đưa đường baseline cảnh báo mức độ ô nhiễm
abline(h = 10, col = "red", lty = 2, lwd = 2)

Boxplot

Đánh giá trung bình mức độ ô nhiễm trong các tháng 4, 5, 6 giữa hai năm 2022 và 1992, thể hiện phân bố ô nhiễm của các ngày quan trắc ở dạng đồ thị hộp.

Bước 1: Sắp xếp dữ liệu

# Lọc dữ liệu theo yêu cầu đề bài
ok_5 <- filter_theo_ngay_thang_final(, thang = 4:6, chat_luong_khong_khi_2022)

ok_6 <- filter_theo_ngay_thang_final(, thang = 4:6, chat_luong_khong_khi_1992)

Bước 2: Vẽ đồ thị

# Tạo khung cho 2 đồ thị
old.par <- par(mfrow = c(1, 2))

boxplot(POLLUTION ~ Month, # Vẽ đồ thị cho năm 2022
  data = ok_5,
  lwd = 1,
  ylab = "Chỉ số ô nhiễm (%)",
  xlab = "2022",
  col = terrain.colors(5) # Chọn dãy màu
)

stripchart(POLLUTION ~ Month,
  vertical = TRUE,
  data = ok_5,
  method = "jitter", # Thể hiện data point năm 2022
  add = TRUE,
  pch = 20,
  col = "blue"
)

boxplot(POLLUTION ~ Month, # Vẽ đồ thị cho năm 1992
  data = ok_6,
  lwd = 1,
  ylab = NULL,
  xlab = "1992",
  col = 4:6
)

stripchart(POLLUTION ~ Month,
  vertical = TRUE,
  data = ok_6,
  method = "jitter", # Thể hiện data point năm 1992
  add = TRUE,
  pch = 20,
  col = "red"
)

# Tạo tiêu đề chung cho 2 đồ thị
mtext("Mức độ ô nhiễm không khí theo tháng giữa các năm",
  side = 3,
  line = -2,
  outer = TRUE
)

# Tắt khung cho 2 đồ thị
par(old.par)

Sơ kết

Trên đây là ví dụ minh họa cho bài giảng Cách xây dựng hàm số trong khóa học “HDSD R để xử lý dữ liệu | Chuyên đề Coding in R”, sau 20 giờ học, bạn sẽ có nền tảng vững chắc về R căn bản và cách xây dựng function cho riêng mình!

Nội dung khóa học: www.tuhocr.com

Hành trình ngàn dặm bắt đầu từ bước chân đầu tiên.

ĐĂNG KÝ NGAY: https://www.tuhocr.com/register