V é para verbos | R-bloggers

Nesta série, abordamos cinco termos para manipulação de dados:

• organizar
• filtro
• mudar
• selecionar
• resumir

Estes são os verbos que compõem a gramática da manipulação de dados. Todos eles trabalham com group_by para executar essas funções em grupo.

Existem versões com escopo desses verbos, que adicionam _all, _if ou _at, que permitem executar esses verbos em várias variáveis ​​simultaneamente. Por exemplo, eu poderia obter meios para todas as minhas variáveis ​​numéricas como esta. (Nota rápida: criei um conjunto de dados de leitura atualizado com todos os anos de publicação preenchidos. Você pode baixá-lo aqui.)

## -- Attaching packages ------------------------------------------- tidyverse 1.3.0 --

##  ggplot2 3.2.1      purrr   0.3.3
##  tibble  2.1.3      dplyr   0.8.3
##  tidyr   1.0.0      stringr 1.4.0
##  readr   1.3.1      forcats 0.4.0

## -- Conflicts ---------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

reads2019  read_csv("~/Downloads/Blogging A to Z/SaraReads2019_allchanges.csv",
col_names = TRUE)

## Parsed with column specification:
## cols(
##   Title = col_character(),
##   Pages = col_double(),
##   date_started = col_character(),
##   date_read = col_character(),
##   Book.ID = col_double(),
##   Author = col_character(),
##   AdditionalAuthors = col_character(),
##   AverageRating = col_double(),
##   OriginalPublicationYear = col_double(),
##   read_time = col_double(),
##   MyRating = col_double(),
##   Gender = col_double(),
##   Fiction = col_double(),
##   Childrens = col_double(),
##   Fantasy = col_double(),
##   SciFi = col_double(),
##   Mystery = col_double(),
##   SelfHelp = col_double()
## )

reads2019 %>%
summarise_if(is.numeric, list(mean))

## # A tibble: 1 x 13
##   Pages Book.ID AverageRating OriginalPublica… read_time MyRating Gender Fiction
##                                         
## 1  341.  1.36e7          3.94            1989.      3.92     4.14  0.310   0.931
## # … with 5 more variables: Childrens , Fantasy , SciFi ,
## #   Mystery , SelfHelp 

Esta função gerou a média para cada variável numérica no meu conjunto de dados. Mas mesmo sendo todos numéricos, a média não é a melhor estatística para muitos deles, por exemplo, ID médio do livro ou ano de publicação. Poderíamos apenas gerar meios para variáveis ​​específicas com o resumo_at.

reads2019 %>%
summarise_at(vars(Pages, AverageRating, read_time, MyRating), list(mean))

## # A tibble: 1 x 4
##   Pages AverageRating read_time MyRating
##                     
## 1  341.          3.94      3.92     4.14

Você também pode solicitar mais de uma informação na sua lista e solicitar que R crie um novo rótulo para cada variável.

numeric_summary  reads2019 %>%
summarise_at(vars(Pages, AverageRating, read_time, MyRating), list("mean" = mean, "median" = median))

Uso os verbos básicos sempre que uso R. Só aprendi sobre verbos com escopo recentemente e tenho certeza de que os adicionarei ao meu kit de ferramentas ao longo do tempo.

A próxima semana é a última semana de blogs de A a Z! Vejo você então!

Relacionado