Dữ liệu tidy là gì?

Định hình lại dữ liệu với tidyr

Jeroen Boeye

Head of Machine Learning, Faktion

Các gia đình hạnh phúc thì giống nhau, còn mỗi gia đình bất hạnh bất hạnh theo cách riêng.

Leo Tolstoy

Các bộ dữ liệu tidy thì giống nhau, còn mỗi bộ dữ liệu lộn xộn lộn xộn theo cách riêng.

Hadley Wickham

Dữ liệu hình chữ nhật

Cấu trúc

Cột là biến
Hàng
Ô

Mẫu dữ liệu tidy

Dữ liệu tidy: biến

Cấu trúc

Cột là biến
Hàng
Ô

Mẫu biến tidy

Dữ liệu tidy: quan sát

Cấu trúc

Cột là biến
Hàng là quan sát
Ô

Mẫu quan sát tidy

Dữ liệu tidy: giá trị

Cấu trúc

Cột là biến
Hàng là quan sát
Ô là giá trị

Giá trị mẫu tidy

Ôn dplyr

character_df

# A tibble: 4 x 3
  name           homeworld species
  <chr>          <chr>     <chr>  
1 Luke Skywalker Tatooine  Human  
2 R2-D2          Naboo     Droid  
3 Darth Vader    Tatooine  Human  
4 Obi-Wan Kenobi Stewjon   Human

Ôn dplyr: select()

character_df %>% 
  select(name, homeworld)

# A tibble: 4 x 2
  name           homeworld
  <chr>          <chr>    
1 Luke Skywalker Tatooine 
2 R2-D2          Naboo    
3 Darth Vader    Tatooine 
4 Obi-Wan Kenobi Stewjon

Ôn dplyr: filter()

character_df %>% 
  filter(homeworld == "Tatooine")

# A tibble: 2 x 3
  name           homeworld species
  <chr>          <chr>     <chr>  
1 Luke Skywalker Tatooine  Human  
2 Darth Vader    Tatooine  Human

Ôn dplyr: mutate()

character_df %>% 
  mutate(is_human = species == "Human")

# A tibble: 4 x 4
  name           homeworld species is_human
  <chr>          <chr>     <chr>   <lgl>   
1 Luke Skywalker Tatooine  Human   TRUE    
2 R2-D2          Naboo     Droid   FALSE   
3 Darth Vader    Tatooine  Human   TRUE    
4 Obi-Wan Kenobi Stewjon   Human   TRUE

Ôn dplyr: group_by() và summarize()

character_df %>% 
  group_by(homeworld) %>% 
  summarize(n = n())

# A tibble: 3 x 2
  homeworld     n
  <chr>     <int>
1 Naboo         1
2 Stewjon       1
3 Tatooine      2

logo magrittr

¹ magrittr.tidyverse.org

logo dplyr

logo tidyr

¹ www.tidyverse.org

Nhiều biến trong một cột

population_df

# A tibble: 4 x 2
  country                 population
  <chr>                        <dbl>
1 Brazil, South America        210. 
2 Nepal, Asia                   28.1
3 Senegal, Africa               15.8
4 Australia, Oceania            25.0

Tách biến ra hai cột

population_df %>% 
  separate(country, into = c("country", "continent"), sep = ", ")

# A tibble: 4 x 3
  country   continent      population
  <chr>     <chr>               <dbl>
1 Brazil    South America       210. 
2 Nepal     Asia                 28.1
3 Senegal   Africa               15.8
4 Australia Oceania              25.0

Ayo berlatih!

Định hình lại dữ liệu với tidyr