Variabelen afleiden uit complexe kolomkoppen

Data herstructureren met tidyr

Jeroen Boeye

Head of Machine Learning, Faktion

Kolomkoppen splitsen in variabelen

twee variabelen in kolomkoppen

twee variabelen in kolomkoppen gefixt

Meerdere variabelecombinaties in kolomkoppen

who_df

# A tibble: 181 x 5
   country             female_pct.obese male_pct.obese female_life.exp male_life.exp
   <chr>                          <dbl>          <dbl>           <dbl>         <dbl>
 1 Afghanistan                      7.6            3.2            64.5          61  
 2 Albania                         21.8           21.6            78.6          74.3
 3 Algeria                         34.9           19.9            77.4          75.4
 4 Angola                          12.1            4              64.9          60.3
 5 Antigua and Barbuda             25.9           11.6            77.5          72.5
 6 Argentina                       29             27.3            80.3          73.5
 7 Armenia                         23             17.1            78.1          71.2
 8 Australia                       28.4           29.6            84.8          81

Meerdere variabelecombinaties in kolomkoppen

gemengde variabelen in kolomkoppen

gemengde variabelen in kolomkoppen gefixt

De speciale naam .value

who_df %>% 
  # Example input column name = male_obesity.pct
  pivot_longer(-country,
               names_to = c("sex", ".value"),
               names_sep = "_")

# A tibble: 362 x 4
   country             sex    pct.obese life.exp
   <chr>               <chr>      <dbl>    <dbl>
 1 Afghanistan         female       7.6     64.5
 2 Afghanistan         male         3.2     61  
 3 Albania             female      21.8     78.6

pivot_longer() samenvatting

Variabelen als kolomkoppen

twee variabelen in kolomkoppen

gemengde variabelen in kolomkoppen

Variabelen als kolomkoppen netjes

twee variabelen in kolomkoppen gefixt

gemengde variabelen in kolomkoppen gefixt

Data uitvouwen

nuke_df

# A tibble: 8 x 2
  country          n_bombs
  <chr>              <int>
1 Pakistan               2
2 India                  6
3 North Korea            6
4 United Kingdom        21
5 China                 45
6 France               200
7 Russian Federation   726
8 United States       1150

De functie uncount()

nuke_df %>% 
  uncount(n_bombs)

# A tibble: 2,156 x 1
   country    
   <chr>      
 1 Pakistan   
 2 Pakistan   
 3 India      
 4 India      
 5 India      
 6 India      
# ... with 2,150 more rows

De functie uncount()

nuke_df %>% 
  uncount(2)

# A tibble: 16 x 2
   country            n_bombs
   <chr>                <int>
 1 Pakistan                 2
 2 Pakistan                 2
 3 India                    6
 4 India                    6
 5 North Korea              6
 6 North Korea              6
# ... with 10 more rows

De functie uncount()

nuke_df %>% 
  uncount(n_bombs, .id = "bomb_id")

# A tibble: 2,156 x 2
   country     bomb_id
   <chr>         <int>
 1 Pakistan          1
 2 Pakistan          2
 3 India             1
 4 India             2
 5 India             3
 6 India             4
# ... with 2,150 more rows

Laten we oefenen!

Data herstructureren met tidyr