3  Przetwarzanie danych w R

3.1 Wstępna eksploracja danych

str(gapminder)

#wyświetlanie początkowych wierszy, argument n definiuje ile wierszy ma być wyświetlonych (domyślnie 5)
head(gapminder)
head(gapminder, n = 2)

#wyświetlanie n ostatnich wierszy, argument n definiuje ile wierszy ma być wyświetlonych (domyślnie 5)
tail(gapminder)

#wyświetlanie nazw zmiennych, nazw kolumn oraz nazw wierszy
names(gapminder)
colnames(gapminder)
rownames(gapminder)

#liczba kolumn
ncol(gapminder)

#liczba wierszy
nrow(gapminder)

#wyświetlanie unikalnych wartości 
unique(gapminder$continent)

#typ/klasa zmiennej
class(gapminder$continent)

#Liczność poszczególnych kategorii 
table(gapminder$continent) 

#Podstawowe statystyki zbioru danych
summary(gapminder)

#Podstawowe statystyki zmiennej lifeExp (oczekiwana długość życia)
summary(gapminder$lifeExp)

Uwaga! W ten sposób zaznaczane będą w tekście zadania do wykonania odnoszące się do omówionego powyżej fragmentu materiału.

Wczytaj do R zbiór danych z pliku dane.csv oraz przypisz go do obiektu o nazwie dane.

Wyświetl 4 ostatnie wiersze zbioru danych dane.

Używając zbioru danych dane, wyświetl unikalne wartości dla kolumny country

Wyświetl podstawowe statystyki zbioru danych dane.

3.2 Indeksowanie

3.2.1 wektory

W R pierwszy element wektora indeksowany jest jako 1.

v <- c(a = 1, b = 2, c = 3, d = 4, e = 5)
v
v[1]
v[-1]
v[1:3]
v[v>4]
v['a']

3.2.2 data.frame

Indeksowanie ramki danych ma postać: obiekt[wiersz, kolumna].

Wybór jednej zmiennej wykonywany jest za pomocą operatora ‘$’ (np. gapminder$continent)

gapminder[1,]
gapminder[,1]
gapminder[3, 4]
gapminder[, -1]
gapminder[, c(2,3)]
gapminder[gapminder$year == 1952, ]
gapminder[gapminder$year == 1952 & gapminder$continent=='Asia',]
gapminder[gapminder$year == 1952, c(5)]
gapminder[gapminder$pop > 10000000, ]
gapminder[gapminder$continent != 'Asia',]
gapminder[gapminder$continent %in% c('Asia', 'Africa'),]

Używając indeksowania wybierz ze zbioru danych gapminder: 1) dane dla kontynentu Europa; 2) dane dla kontynentu Azja (Asia); ogranicz wybór tylko do kolumn pop oraz lifeExp. 3) obserwacje, dla których oczekiwana długość trwania życia przekroczyła 75 lat; 4) dane dla lat 1952 oraz 2007.

3.3 Selekcja oraz tworzenie nowej zmiennej

3.3.1 Indeksowanie

gapminder[1,]
gapminder[,1]

3.3.2 Selekcja danych o określonej wartości

gapminder[gapminder$year == 1952, ]
gapminder[gapminder$year == 1952 & gapminder$continent == 'Asia',]
gapminder[gapminder$year == 1952, c(5)]
gapminder[gapminder$pop > 10000000, ]

3.3.3 Funkcja subset()

dane_sel <- subset(gapminder, continent == "Europe" & year == 1952, select = c(country, pop))
dane_selection <- subset(gapminder, continent == "Europe" & year == 1952, select = c(country:pop))

Ze zbioru danych dane wybierz dane dla państwa Australia.

W jakich latach w Australii długość trwania życia wynosiła powyżej 75 lat?

3.3.4 Tworzenie nowej zmiennej

dane1952 <- gapminder[gapminder$year == 1952, ]

gapminder$pop_mln <- gapminder$pop / 1000000
head(gapminder, 3)

3.3.5 Porządkowanie

dane_2 <- gapminder[order(gapminder$year), ]

#sortowanie względemm dwóch zmiennych
dane_2 <- gapminder[order(gapminder$continent, gapminder$country), ]
head(dane_2)

#sortowanie według kraju (rosnąco) oraz roku (malejąco)
dane_2 <- gapminder[order(gapminder$country, -gapminder$year),]
head(dane_2)

Ze zbioru danych dane wyselekcjonować dane dla Nowej Zelandii (New Zealand) oraz posortować je według długości trwania życia (od największej do najmniejszej)

W którym roku liczba ludności Nowej Zelandii przekroczyła 3 miliony?