Zestaw analityka - tidyverse

install.packages("tidyverse")

library("tidyverse")

Strona projektu Tidyverse

Instalacja vs. wczytywanie

Struktura projektu

project/
├── data/
├── docs/
├── figs/
├── output/
├── 01_input.R
└── 02_analysis.R

Pliki tekstowe i csv

Pakiet readr:

• read_delim() - ogólna funkcja do plików tekstowych

• read_csv() - uwzględnia nagłówek, separator kolumn to przecinek, separator miejsc dziesiętnych to kropka

• read_csv2() - uwzględnia nagłówek, separator kolumn to średnik, separator miejsc dziesiętnych to przecinek

--

R dostarcza także funkcje read.csv(), read.csv2(), read.delim(), które są starszymi odpowiednikami funkcji z pakietu readr.

Pliki Excela

Pakiet readxl:

• read_excel() - określa format na podstawie pliku

• read_xls() - wczytuje pliki .xls

• read_xlsx() - wczytuje pliki .xlsx

Pliki SAS, SPSS, Stata

Pakiet haven:

• read_sas() - wczytuje pliki .sas

• read_sav() - wczytuje pliki .sav

• read_stata() - wczytuje pliki .dta

Wczytywanie danych o formacie R

• load("zbior.RData")

• dane <- readRDS("zbior.RDS")

Zapisywanie danych o formacie R

Zapisywanie do formatu R:

• save(dane, file = "zbior.RData")

• save(dane1, dane2, file = "zbior.RData")

• saveRDS(dane, file = "zbior.RDS")

Zapisywanie danych

Zapisywanie do pliku tekstowego (txt, csv):

• write_csv(x = obiekt, file = "plik.csv")

• write_csv2(x = obiekt, file = "plik.csv")

Zapisywanie do pliku Excela z pakietem openxlsx:

• write.xlsx(x = obiekt, file = "plik.xlsx")

Wczytanie zbioru danych

Importujemy zbiór danych dotyczący wyników wyborów w 2025 roku.

Plik z danymi: http://wawrowski.edu.pl/data/wybory2025.csv

Źródło

Alternatywnie: (https://github.com/lwawrowski/blog-quarto/tree/master/_site/data)

Pakiet janitor

Surowe dane zwykle nie posiadają nazw kolumn przystosowanych do przetwarzania przez komputer

• nazwy zmiennych nie powinny zawierać polskich liter i spacji

• nazwy zmiennych nie powinny zaczynać się od liczby

Te problemy rozwiązuje pakiet janitor (dozorca, woźny) i funkcja clean_names():

zbior <- janitor::clean_names(zbior)

• funkcja ta zamienia wielkie litery na małe, spacje na podkreślniki i znaki transliteruje do ASCII.

Rozpoczynanie pracy z R

R base vs. tidyverse

Podstawowe funkcje R

widest_petals <- by(iris, 
                    INDICES = iris$Species, 
                    FUN = function(x){
                      x[x$Petal.Width == max(x$Petal.Width), ] 
                    })
do.call(rbind, widest_petals)

Funkcje pakietu tidyverse

iris %>% 
  group_by(Species) %>% 
  filter(Petal.Width == max(Petal.Width))

źródło

Przetwarzanie potokowe

Sekwencja zdarzeń - w życiu

obudź się %>%
  wyjdź z łóżka %>%
  skorzystaj z łazienki %>%
  zjedź śniadanie %>%
  ubierz się %>%
  idź do pracy

źródło

Przetwarzanie potokowe

Użycie operatora pipe: %>% (łącznik) ułatwia zarządzanie kodem i pisanie czytelnej składni poprzez wykorzystanie istniejących struktur danych:

Nowe obiekty

iris_3kol <- select(iris, Petal.Length, Petal.Width, Species)
iris_3kol_wymiar <- mutate(iris_3kol, petal_wymiar=Petal.Length+Petal.Width)
iris_3kol_wymiar_setosa <- filter(iris_3kol_wymiar, Species=="setosa")

Zagnieżdżanie

iris_setosa <- filter(mutate(select(iris, Petal.Length, Petal.Width, Species), 
                             petal_wymiar=Petal.Length+Petal.Width),
                      Species=="setosa")

Przetwarzanie potokowe

Przetwarzanie potokowe

iris_setosa <- iris %>%
  select(Petal.Length, Petal.Width, Species) %>%
  mutate(petal_wymiar=Petal.Length+Petal.Width) %>%
  filter(Species=="setosa")

Znak %>% oznacza, że jako argument wejściowy data w kolejnej funkcji zostanie wpisany wynik działania wcześniejszej funkcji.

Skrót klawiszowy: ctrl + shift + m

Wybrane funkcje

• select() - wybór zmiennych

• filter() - wybór obserwacji

• mutate() - tworzenie/modyfikacja zmiennej

• rename() - zmiana nazwy zmiennej

• count() - zliczanie obserwacji

• summarise() - podsumowania danych

• group_by() - operowanie na grupach

• arrange() - sortowanie

Filtrowanie - filter()

Porównywanie:

• = symbol przypisania (nie jest używany w filtrowaniu)

• == symbol porównania (jest równe)

• != symbol negacji (jest różne)

• > i < większe i mniejsze

• >= i <= większe lub równe i mniejsze lub równe

Operatory:

• & - i

• | - lub (alternatywa)

• %in% - wartość ze zbioru

• ! - negacja

Braki danych

Brak danych jest oznaczany jako NA. Jest to wartość nieliczbowa i nie można jej porównywać w następujący sposób:

• zmienna == NA

• zmienna != NA

• zmienna == "NA"

• zmienna != "NA"

tylko z wykorzystaniem funkcji is.na():

• is.na(zmienna)

• !is.na(zmienna)

Funkcja complete.cases() lub drop_na() służy do identyfikacji obserwacji, które nie zawierają braków danych w całym zbiorze danych.

Wybieranie kolumn - select()

Wybór kolumn, które mają się znaleźć w nowym zbiorze:

iris2 <- iris %>%
  select(Species, Petal.Length, Petal.Width)

Które nie mają się znaleźć w nowym zbiorze:

iris2 <- iris %>%
  select(-Petal.Length, -Petal.Width)

Które mają znaleźć się w nowym zbiorze z nową nazwą:

iris2 <- iris %>%
  select(gatunek=Species, Petal.Length, Petal.Width)

Kolejność w przetwarzaniu potokowym

iris %>%
  filter(Petal.Width < 0.5) %>%
  select(Species, Sepal.Length, Sepal.Width)

##   Species Sepal.Length Sepal.Width
## 1  setosa          5.1         3.5
## 2  setosa          4.9         3.0
## 3  setosa          4.7         3.2
## 4  setosa          4.6         3.1
## 5  setosa          5.0         3.6
## 6  setosa          5.4         3.9

iris %>%
  select(Species, Sepal.Length, Sepal.Width) %>%
  filter(Petal.Width < 0.5)

## Error in `filter()`:
## ℹ In argument: `Petal.Width < 0.5`.
## Caused by error:
## ! object 'Petal.Width' not found

Zmiana nazwy - rename()

Zapis w konwencji rename(nowa_nazwa=stara_nazwa)

Można także wykorzystać funkcję select() - zmieniając nazwę podczas wybierania zmiennych

Funkcja rename_with() umożliwia zmianę nazw z wykorzystaniem funkcji np. zamieniając nazwy kolumn na zapisane wielkimi literami.

Nowa zmienna/modyfikacja - mutate()

iris <- iris %>%
  mutate(petal=Petal.Length+Petal.Width,
         sepal=Sepal.Length+Sepal.Width,
         iloraz=petal/sepal)

Funkcje:

• mutate_all - modyfikacja wszystkich zmiennych według podanej formuły

• mutate_if - modyfikacja wszystkich zmiennych spełniających warunek

• mutate_at - modyfikacja wszystkich wskazanych zmiennych

są zastępowane przez jedną funkcję across.

Warunkowe tworzenie zmiennej

Funkcje pozwalające na warunkowe tworzenie nowej zmiennej:

• if_else(condition, true, false)

• case_when(condtion1 ~ value1, condition2 ~ value2, .default = value3)

Podsumowanie - summarise() i summarize()

iris %>%
  summarise(liczebnosc=n(),
            srednia_pl=mean(Petal.Length),
            mediana_sl=median(Sepal.Length))

##   liczebnosc srednia_pl mediana_sl
## 1        150      3.758        5.8

Grupowanie - group_by()

Najlepiej działa w połączeniu z summarise():

iris %>%
  group_by(Species) %>%
  summarise(liczebnosc=n(),
            srednia_pl=mean(Petal.Length))

## # A tibble: 3 × 3
##   Species    liczebnosc srednia_pl
##   <fct>           <int>      <dbl>
## 1 setosa             50       1.46
## 2 versicolor         50       4.26
## 3 virginica          50       5.55

Liczebności - count()

Jeżeli chcemy tylko wyznaczyć liczebności grup to wystarczy funkcja count():

iris %>%
  count(Species)

##      Species  n
## 1     setosa 50
## 2 versicolor 50
## 3  virginica 50

Sortowanie - arrange()

Sortuje podane kolumny w porządku rosnącym.

iris %>%
  arrange(Sepal.Length, Sepal.Width) %>% 
  head()

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          4.3         3.0          1.1         0.1  setosa
## 2          4.4         2.9          1.4         0.2  setosa
## 3          4.4         3.0          1.3         0.2  setosa
## 4          4.4         3.2          1.3         0.2  setosa
## 5          4.5         2.3          1.3         0.3  setosa
## 6          4.6         3.1          1.5         0.2  setosa

Posortowanie w porządku malejącym wymaga użycia funkcji desc() w odniesieniu do wybranej kolumny.

Łączenie danych

źródło

Szeroka i długa reprezentacja danych

źródło

Animacja

źródło

Zbiór iris

head(iris)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

Wide -> long - pivot_longer()

iris_long <- iris %>%
  mutate(id=1:nrow(iris)) %>% 
  pivot_longer(Sepal.Length:Petal.Width)
head(iris_long)

## # A tibble: 6 × 4
##   Species    id name         value
##   <fct>   <int> <chr>        <dbl>
## 1 setosa      1 Sepal.Length   5.1
## 2 setosa      1 Sepal.Width    3.5
## 3 setosa      1 Petal.Length   1.4
## 4 setosa      1 Petal.Width    0.2
## 5 setosa      2 Sepal.Length   4.9
## 6 setosa      2 Sepal.Width    3

Long -> wide - pivot_wider()

iris_wide <- iris_long %>%
  pivot_wider()
head(iris_wide)

## # A tibble: 6 × 6
##   Species    id Sepal.Length Sepal.Width Petal.Length Petal.Width
##   <fct>   <int>        <dbl>       <dbl>        <dbl>       <dbl>
## 1 setosa      1          5.1         3.5          1.4         0.2
## 2 setosa      2          4.9         3            1.4         0.2
## 3 setosa      3          4.7         3.2          1.3         0.2
## 4 setosa      4          4.6         3.1          1.5         0.2
## 5 setosa      5          5           3.6          1.4         0.2
## 6 setosa      6          5.4         3.9          1.7         0.4