Birden çok değerli sütunlar

tidyr ile Veriyi Şekillendirme

Jeroen Boeye

Head of Machine Learning, Faktion

Tek sütunda iki değişken

netflix_df

# A tibble: 637 x 3
   title                  type    duration
   <chr>                  <chr>   <chr>   
 1 Article 15             Movie   125 min 
 2 Kill Me If You Dare    Movie   100 min 
 3 The Spy                TV Show 1 Seasons
 4 The World We Make      Movie   108 min 
 5 Watchman               Movie   93 min

Ayrılan sütunların veri türlerini dönüştürme

netflix_df %>% 
  separate(duration, into = c("value", "unit"), convert = TRUE)

# A tibble: 5 x 4
  title               type    value unit  
  <chr>               <chr>   <int> <chr> 
1 Article 15          Movie     125 min   
2 Kill Me If You Dare Movie     100 min   
3 The Spy             TV Show     1 Seasons
4 The World We Make   Movie     108 min   
5 Watchman            Movie      93 min

dplyr ile özetlemeye kısa bakış

netflix_df %>% 
  separate(duration, into = c("value", "unit"), convert = TRUE) %>%
  group_by(type, unit) %>% 
  summarize(mean_duration = mean(value))

# A tibble: 2 x 3
# Groups:   type [2]
  type    unit    mean_duration
  <chr>   <chr>           <dbl>
1 Movie   min             98.6 
2 TV Show Seasons          1.85

Değişkenleri sütunlara ayırma

Birden çok değişken içeren sütun

Değişken başına bir sütun

Birden çok sütunu tek sütunda birleştirme

star_wars_df

# A tibble: 4 x 2
  given_name family_name
  <chr>      <chr>      
1 Luke       Skywalker  
2 Han        Solo       
3 Leia       Organa     
4 R2         D2

Birden çok sütunu tek sütunda birleştirme

star_wars_df %>%
  unite("name", given_name, family_name)

# A tibble: 4 x 1
  name          
  <chr>         
1 Luke_Skywalker
2 Han_Solo      
3 Leia_Organa   
4 R2_D2

Birden çok sütunu tek sütunda birleştirme

star_wars_df %>%
  unite("name", given_name, family_name, sep = " ")

# A tibble: 4 x 1
  name          
  <chr>         
1 Luke Skywalker
2 Han Solo      
3 Leia Organa   
4 R2 D2

Tek hücrede birden çok değer

drink_df

# A tibble: 2 x 2
  drink          ingredients           
  <chr>          <chr>                 
1 Chocolate milk milk, chocolate, sugar
2 Orange juice   oranges, sugar

Tek hücrede birden çok değer

Netflix verisi

Birden çok değişken içeren sütun

İçecek verisi

Birden çok değer içeren hücre

Tek hücrede birden çok değer

Netflix verisi

Birden çok değişken içeren sütun

İçecek verisi

Birden çok değer içeren hücre

Değerlerden değişkenlere

Değişken başına bir sütun

Tek hücrede birden çok değer

Netflix verisi

Birden çok değişken içeren sütun

İçecek verisi

Birden çok değer içeren hücre

Değerlerden değişkenlere

Değişken başına bir sütun

Değerlerden gözlemlere

Hücre başına bir değer

Değerleri satırlara ayırma

drink_df %>% 
  separate_rows(ingredients, sep = ", ")

# A tibble: 5 x 2
  drink          ingredients
  <chr>          <chr>      
1 Chocolate milk milk       
2 Chocolate milk chocolate  
3 Chocolate milk sugar      
4 Orange juice   oranges    
5 Orange juice   sugar

Malzemeleri sayma

drink_df %>% 
  separate_rows(ingredients, sep = ", ") %>% 
  count(drink)

# A tibble: 2 x 2
  drink              n
  <chr>          <int>
1 Chocolate milk     3
2 Orange juice       2

drink_df %>% 
  separate_rows(ingredients, sep = ", ") %>% 
  count(ingredients)

# A tibble: 4 x 2
  ingredients     n
  <chr>       <int>
1 chocolate       1
2 milk            1
3 oranges         1
4 sugar           2

Malzemeleri görselleştirme

drink_df %>% 
  separate_rows(ingredients, sep = ", ") %>% 
  ggplot(aes(x=drink, fill=ingredients)) +
  geom_bar()

Malzeme çubuk grafiği

Hadi pratik yapalım!

tidyr ile Veriyi Şekillendirme