Üyelik kontrolü

R ile Veri Temizleme

Maggie Matsui

Content Developer @ DataCamp

Kategorik veriler

Kategorik değişkenlerin olası değerleri sabit ve bilinir

Veri	Örnek değerler
Medeni durum	`unmarried`, `married`
Hane geliri kategorisi	`0-20K`, `20-40K`, ...
Tişört bedeni	`S`, `M`, `L`, `XL`

Faktörler

Bir factor içinde, her kategori sayısal olarak saklanır ve buna karşılık gelen bir etiket vardır

Veri	Etiketler	Sayısal gösterim
Medeni durum	`unmarried`, `married`	`1`, `2`
Hane geliri kategorisi	`0-20K`, `20-40K`, ...	`1`, `2`, ...
Tişört bedeni	`S`, `M`, `L`, `XL`	`1`, `2`, `3`, `4`

Faktör düzeyleri

tshirt_size

L  XL XL L  M  M  M  L  XL L  S  M  M  S  S  M  XL S  L  S ... 
Levels: S M L XL

levels(tshirt_size)

"S"  "M"  "L"  "XL"

Uymayan değerler

factorlar, önceden tanımlı değerlerin dışına çıkamaz

Veri	Düzeyler	İzin verilmez
Medeni durum	`unmarried`, `married`	`divorced`
Hane geliri kategorisi	`0-20K`, `20-40K`, ...	`10-30K`
Tişört bedeni	`S`, `M`, `L`, `XL`	`S/M`

Bu değerlere nasıl ulaşırız?

Solda, Serbest metin girişini temsil eden bir metin kutusu ve açılır menü ile Veri Girişi Hataları. Sağda, bir veritabanı ile Ayrıştırma hataları.

Filtreleyen birleştirmeler: hızlı tekrar

Sütun eklemeden ilk tablodaki gözlemleri tutar veya kaldırır

Başlık: Yarı-birleştirme. Alt başlık: X'teki hangi gözlemler Y'de de var? Solda, X adlı tek sütunlu bir tablo: a, b, c. Sağda, Y adlı tek sütunlu bir tablo: a, c, d. Tabolardaki a ve c’ler çizgilerle bağlanmış. X’te a ve c hücreleri vurgulu.

Filtreleyen birleştirmeler: hızlı tekrar

Sütun eklemeden ilk tablodaki gözlemleri tutar veya kaldırır

Başlık: Anti-birleştirme. Alt başlık: X’te olup Y’de olmayan gözlemler hangileri? Solda, X adlı tek sütunlu bir tablo: a, b, c. Sağda, Y adlı tek sütunlu bir tablo: a, c, d. Tabolardaki a ve c’ler çizgilerle bağlanmış. X’te b hücresi vurgulu.

Kan grubu örneği

study_data

      name   birthday blood_type
1     Beth 2019-10-20         B-
2 Ignatius 2020-07-08         A-
3     Paul 2019-08-12         O+
4    Helen 2019-03-17         O-
5 Jennifer 2019-12-17         Z+
6  Kennedy 2020-04-27         A+
7    Keith 2019-04-19        AB+

blood_types

  blood_type
1         O-
2         O+
3         A-
4         A+
5         B+
6         B-
7        AB+
8        AB-

Kan grubu örneği

study_data

      name   birthday blood_type
1     Beth 2019-10-20         B-
2 Ignatius 2020-07-08         A-
3     Paul 2019-08-12         O+
4    Helen 2019-03-17         O-
5 Jennifer 2019-12-17         Z+  <--
6  Kennedy 2020-04-27         A+
7    Keith 2019-04-19        AB+

blood_types

  blood_type
1         O-
2         O+
3         A-
4         A+
5         B+
6         B-
7        AB+
8        AB-

Üye olmayanları bulma

Venn diyagramı. Sol daire study_data’yı, sağ daire blood_types’ı gösterir. Solda Z+. Ortada A-, O-, AB+, A+, O+, B-. Sağda B+ ve AB-. Soldaki Z+ kırmızı.

Anti-birleştirme

study_data %>%
  anti_join(blood_types, by = "blood_type")

      name   birthday blood_type
1 Jennifer 2019-12-17         Z+

Üye olmayanları kaldırma

Venn diyagramı. Sol daire study_data’yı, sağ daire blood_types’ı gösterir. Solda Z+. Ortada A-, O-, AB+, A+, O+, B-. Sağda B+ ve AB-. Ortadaki kan grupları mavi.

Yarı-birleştirme

study_data %>%
  semi_join(blood_types, by = "blood_type")

      name   birthday blood_type
1     Beth 2019-10-20         B-
2 Ignatius 2020-07-08         A-
3     Paul 2019-08-12         O+
4    Helen 2019-03-17         O-
5  Kennedy 2020-04-27         A+
6    Keith 2019-04-19        AB+

Haydi pratik yapalım!

R ile Veri Temizleme