Data Transformation

WaterCat
1–2 minutes
,

Data Transformation คือ Process ที่จะแปลงข้อมูลจากแบบหนึ่งไปเป็นแบบหนึ่ง

เริ่มจาก การนำไฟล์ csv เข้าไปใน R ก่อนละกันนะ

จะมีpackage ที่ใช้กันบ่อยๆสำหรับ Data Science คือ tidyverse

install.packages("tidyverse")

Tidyverse มีอะไรบ้างล่ะ มีดังนี้

ซึ่งเรามาเริ่มตัวแรกกันก่อนเลย

Read CSV Files

  1. เราต้องโหลด readr ก่อน library(readr)
  2. ใช้ฟังชั่นนี้ read_csv("filename.csv")

Select Column

อันดับแรกเรามารู้จัก Pipe Operator กัน ก่อน

Pipe Operator นั้นจะมากับ dplyr เพราะชั้นนั้นจะต้องโหลด dplyr กันก่อน

# load dplyr
library(dplyr)

Pipe Operator (%>%) จะใช้ในการเขียน Pipe line เพื่อเชื่อมฟังชั่นเข้าด้วยกัน

เรามาลองใช้กันกับการ select เลยละกัน

# select columns
select(mtcars, mpg, wt, hp) #แบบปกติ
mtcars %>% select(mpg, wt, hp) #แบบใช้ Pipe Operator

ข้อดีของการใช้ Pipe Operator คือ มันจะเชื่อมได้หลายๆฟังชั่น เช่น

df %>% select() %>% filter() %>% mutate() %>% arrange()

Filter Data

การ Filter นั้นเราทพได้โยการใช้ฟังชั่น filter() ได้เลย

imdb %>% 
	filter(SCORE >= 9.0)

ยังสามารถใช้กับ String ได้ด้วยนะ (อันนี้เป็น Case Sensitive นะ)

imdb %>% 
	filter(rating == "R")

Create New Column

การสร้าง column เพิ่ม เราสามารถใช้ mutate() ได้เลย

imdb %>% 
	mutate(score_group = if_else(score >= 9, "High Rating","Low Rating"))

Arrange Data

สามารถใช้ arrange() ได้เลย

imdb %>%
	arrange((length)) %>% #อันนี้จะไล่จาก น้อยไปมาก
	head(10)
---------------------------------------------------
imdb %>%
	arrange(desc(length)) %>% #อันนี้จะไล่จาก มากไปน้อย
	head(10)
	
## length เป็น column เด้อ

Summary Statistic

อันนี้จะเป็นการหา ค่า min, max, average, mean, sd, sum and n โดยการใช้ summarise()

imdb %>%
	group_by(rating) %>%
	summarise(mean_length = mean(length),
						sum_length = sum(length),
						sd_length = sd(length),
						min_length = min(length),
						max_length = max(length),
						n = n())

**group by กับ summarise นั้นจะใช้ได้กันตลอดเลยนะ

Join Table

วิธี Jon table นั้นไม่ยากเลยเพียงแค่ใช้ inner_join()

favourit_films %>%
	inner_join(imdb,by = c("id","no"))
	
#favourit_films เป็น table 2
#imdb เป็น table 1 
#ใช้ by เชื่อมกันด้วย id และ no

Export CSV File

ในเมื่อเรา Tranform Data มาแล้ว เราก็อยากจะเอาออกไปใช้ใช่มั้ยล่ะ เพราะงั้นทำได้ง่ายๆ เพียงใช้ฟังก์ชั่นนี้ write.csv() ซึ่งจะเป็น based R function ไม่จำเป็นต้องโหลด Library เพิ่ม

write.csv("imdb_prep")

#imdb_prep เป็นตัวแปร ที่บันทึก Data ที่อยากจะเอาไว้ใช้เอาไว้

Tibble

Tibble นั้นคล้ายกับ Dataframe เลย แต่จะแสดงผลสวยกว่า ซึ่งเป็นที่นิยมมากกว่าด้วยนะ

อย่าลืมที่จะ เรียกมันมาด้วยล่ะ library(…)

library(tibble)

df_tibble <- tibble(id = 1:3,name = c("a","b","c"))

Sample Data

Sample Data นั่นเป็นการสุ่ม Data ขึ้นมา จะใช้ sample_n(),sample()

set.seed(25) #เราสามารถ set seed เพื่อให้สุ่มเหมือนเดิมได้ด้วย

sample_n(mtcars,size = 5)

Slice

Slice ใช้ดึง rows ที่เราต้องการจาก dataframe/tibble

mtcars %>%
	slice(1:5)
	
mtcars %>%
	slice(c(1,3,5))

Pivot longer

เป็น function ใน tidyr package ที่จะเปลี่ยน dataframe จาก wide format เป็น long format

library(tidyr)
df %>% pivot_longer(cols=c('var1', 'var2', ...),
                    names_to='col1_name',
                    values_to='col2_name')

Pivot wider

เป็น function ใน tidyr package ที่จะเปลี่ยน dataframe จาก long format เป็น wider format

library(tidyr)
df %>% pivot_wider(names_from = var1, values_from = var2)

Trending