Memeriksa keanggotaan

Membersihkan Data di R

Maggie Matsui

Content Developer @ DataCamp

Data kategorikal

Variabel kategorikal memiliki himpunan nilai yang tetap dan diketahui

Data	Contoh nilai
Status pernikahan	`unmarried`, `married`
Kategori pendapatan rumah tangga	`0-20K`, `20-40K`, ...
Ukuran kaus	`S`, `M`, `L`, `XL`

Faktor

Dalam factor, tiap kategori disimpan sebagai angka dan memiliki label terkait

Data	Label	Representasi numerik
Status pernikahan	`unmarried`, `married`	`1`, `2`
Kategori pendapatan rumah tangga	`0-20K`, `20-40K`, ...	`1`, `2`, ...
Ukuran kaus	`S`, `M`, `L`, `XL`	`1`, `2`, `3`, `4`

Level faktor

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"

Nilai yang tidak termasuk

factor tidak dapat memiliki nilai di luar yang telah ditetapkan

Data	Level	Tidak diizinkan
Status pernikahan	`unmarried`, `married`	`divorced`
Kategori pendapatan rumah tangga	`0-20K`, `20-40K`, ...	`10-30K`
Ukuran kaus	`S`, `M`, `L`, `XL`	`S/M`

Bagaimana nilai ini bisa muncul?

Di kiri, Kesalahan Entri Data digambarkan oleh kotak teks dengan kursor untuk teks bebas, dan menu tarik-turun. Di kanan, kesalahan parsing digambarkan oleh basis data.

Filtering join: ulasan singkat

Menjaga atau menghapus observasi dari tabel pertama tanpa menambah kolom

Judul: Semi-join. Subjudul: Observasi X mana yang juga ada di Y? Di kiri, tabel satu kolom bernama X berisi a, b, c. Di kanan, tabel satu kolom bernama Y berisi a, c, d. Nilai a dan c di tiap tabel terhubung garis. Di X, sel a dan c disorot.

Filtering join: ulasan singkat

Menjaga atau menghapus observasi dari tabel pertama tanpa menambah kolom

Judul: Anti-join. Subjudul: Observasi X mana yang tidak ada di Y? Di kiri, tabel satu kolom bernama X berisi a, b, c. Di kanan, tabel satu kolom bernama Y berisi a, c, d. Nilai a dan c di tiap tabel terhubung garis. Di X, sel b disorot.

Contoh golongan darah

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-

Contoh golongan darah

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-

Menemukan yang bukan anggota

Diagram Venn. Lingkaran kiri mewakili study_data dan kanan mewakili blood_types. Di sisi kiri ada Z+. Di bagian tengah ada A-, O-, AB+, A+, O+, dan B-. Di kanan ada B+ dan AB-. Z+ di kiri berwarna merah.

Anti-join

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

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

Menghapus yang bukan anggota

Diagram Venn. Lingkaran kiri mewakili study_data dan kanan mewakili blood_types. Di sisi kiri ada Z+. Di bagian tengah ada A-, O-, AB+, A+, O+, dan B-. Di kanan ada B+ dan AB-. Golongan darah di tengah berwarna biru.

Semi-join

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+

Ayo berlatih!

Membersihkan Data di R