فیلتر – مدرسه پردازش و تحلیل داده دقیقه

چطور سطرهای دارای مقادیر منفی را در R حذف کنیم؟

بهمن اجدری — Sat, 28 May 2022 13:50:27 +0000

ممکن است در برخی الگوریتم‌ها و یا شرایط تحلیل لازم باشد سطر‌هایی که حداقل یک داده کمتر از صفر(منفی) دارد را از دیتاست خارج کنیم. این کار به روش‌های مختلفی در R قابل انجام است که در ادامه به دو روش آن اشاره می‌کنیم.

ساخت دیتافریم نمونه

برای پیاده سازی عملی روش‌ها لازم است ابتدا یک دیتافریم نمونه درست کنیم. این مجموعه داده دارای 5 سطر و سه ستون است. سطرهای ۳ و ۴ این مجموعه داده دارای یک مقدار منفی در ستون‌های متفاوت است. هدف ما خارج کردن تمام ردیف ۳ و ۴ است.

				
					
df = data.frame(x1=c(1,2,3,4,5),
                x2=c(1,2,-1,3,4),
                x3=c(1,2,3,-4,5))

روش اول: استفاده ازbase R

با استفاده از ترکیب دو تابع rowSums و subset میتوانید به راحتی تمام سطرهایی که حداقل یک مقدار منفی دارند را از مجموعه داده خود حذف کنید.

				
					subset(df, !rowSums(df < 0))
  x1 x2 x3
1  1  1  1
2  2  2  2
5  5  4  5

روش دوم: استفاده از کتابخانه dplyr

کتابخانه dplyr یکی از مهمترین کتابخانه‌های مجموعه tidyverse است. این کتابخانه امکانات بسیار زیادی برای تبدیل داده‌ها در اختیار شما می‌گذارد. در اینجا با استفاده از دو روش اقدام به حذف سطرهایی که حداقل یک مقدار منفی دارند می‌کنیم.

در روش اول با استفاده از تابع filter_all تمام ردیف‌های دارای مقدار منفی راحذف می‌کنیم. تابع all_vars موقعی بکار می‌رود که شما می‌خواهید عملیاتی را برای تمام متغیرها(ستون‌ها) بصورت همزمان انجام بدهید.

				
					library(dplyr)
df %>%
  filter_all( all_vars(.> 0))

روش قبلی با آن که به راحتی عملیات مورد نظر را انجام می‌ دهد، اما این توابع با تابع جدید‌تری به نام acrossجایگزین شده‌اند. این روش کد کمی مدرن‌تر و بروز تر از روش قبلی است.

				
					df %>%
  filter(across(everything(), ~ .> 0))
  x1 x2 x3
1  1  1  1
2  2  2  2
3  5  4  5

اگر می‌خواهید بیشتر در مورد کارکردن با داده‌ها در R بدانید می‌توانید به درس‌های زیر در مدرسه پردازش و تحلیل داده دقیقه مراجعه کنید.

چطور در R زیرمجموعه‌ای از داده درست کنیم؟

بهمن اجدری — Wed, 25 May 2022 13:16:34 +0000

اغلب، هنگامی که با یک مجموعه داده بزرگ کار می کنید، فقط به بخش کوچکی از آن برای تجزیه و تحلیل خاص خود علاقه مند خواهید بود. مثلا اگر با داده‌های پزشکی سر و کار دارید مایلید تنها داده‌های مربوط به بیمارانی که مراحل درمانی خاصی را گذرانده‌اند از داده‌های اصلی جدا کنید و روی آن ها کار کنید.

چگونه می‌توانید همه متغیرها و مشاهدات اضافی را مرتب کنید و فقط آن‌هایی را که نیاز دارید استخراج کنید؟ R راه های مختلفی برای انجام این کار دارد. فرآیندی که آن را «زیرمجموعه‌سازی» می‌نامد.

برای اینکه بتوانیم بهتر روش‌های زیرمجموعه‌سازی را درک کنیم بهتر است آن‌ها را در یک مثال واقعی دنبال کنیم. با استفاده از دستور زیر مجموعه داده‌های مربوط به کشتی تایتانیک را وارد R می‌کنیم و با پنج روش مختلف زیرمجموعه‌هایی از داده اصلی را می‌سازیم.

				
					titanic = read_csv("https://d-learn.ir/wp-content/uploads/2022/04/titanic.csv")[,-1]
head(titanic)

				
					# A tibble: 6 x 12
  PassengerId Survived Pclass Name                               Sex     Age SibSp Parch Ticket        Fare Cabin Embarked
        <dbl>    <dbl>  <dbl> <chr>                              <chr> <dbl> <dbl> <dbl> <chr>        <dbl> <chr> <chr>   
1           1        0      3 Braund, Mr. Owen Harris            male     22     1     0 A/5 21171     7.25 NA    S       
2           2        1      1 Cumings, Mrs. John Bradley (Flore~ fema~    38     1     0 PC 17599     71.3  C85   C       
3           3        1      3 Heikkinen, Miss. Laina             fema~    26     0     0 STON/O2. 31~  7.92 NA    S       
4           4        1      1 Futrelle, Mrs. Jacques Heath (Lil~ fema~    35     1     0 113803       53.1  C123  S       
5           5        0      3 Allen, Mr. William Henry           male     35     0     0 373450        8.05 NA    S       
6           6        0      3 Moran, Mr. James                   male     NA     0     0 330877        8.46 NA    Q

روش اول: انتخاب ستون‌ها با استفاده از دستورات پایه

فرض کنید می‌خواهیم دیتافریمی داشته باشیم که تنها شناسه، وضعیت زنده ماندن و جنسیت مسافران را در خود نگه دارد. این داده‌ها در ستون‌های 1، 2 و 5 قرار دارند. کافی است دستور زیر را اجرا کنید و نتیجه را ببینید.

				
					titanic[,c(1,2,5)]

روش دوم: حذف ستون‌ها

می‌توانید برای رسیدن به نتیجه مشابه در مثال مرحله قبل بجای آن‌که ستون‌های مورد نظر خود را انتخاب کنید، ستون‌هایی که مد نظر شما نیستند را حذف کنید.

				
					titanic[,-c(3:4,6:12)]

روش سوم: استفاده از تابع which

می‌خواهیم برای مثال بالا در مجموعه داده‌های تایتانیک تنها مسافران زن را مورد بررسی قرار دهیم. برای این کار لازم است مجموعه داده‌ای داشته باشیم که تنها مسافران زن را در بر بگیرد. امکانات تابع which به شما اجازه این کار را می‌دهد. همچنین با استفاده از عملگر %in% میتوانید نام ستون‌ها را انتخاب کنید.

				
					titanic[which(titanic$Sex == "female"), names(titanic) %in% c("PassengerId","Survived","Sex")]

روش چهارم: استفاده از تابع subset

برای مثال بالا می‌توانیم از تابع subset نیز استفاده کنیم که نتیجه‌ای مشابه خواهد داشت.

				
					subset(titanic, Sex == "female" , select = c("PassengerId","Survived","Sex"))

روش پنجم: استفاده از کتابخانه dplyr

اگر با مجموعه کتابخانه‌های tidyverse آشنا باشید، می‌توانید از دستور select و filter نیز استفاده کنید. این روش نیز به راحتی روش‌های دیگر است:

				
					select(filter(titanic, Sex == "female"),c(PassengerId,Survived,Sex))

The post چطور در R زیرمجموعه‌ای از داده درست کنیم؟ appeared first on مدرسه پردازش و تحلیل داده دقیقه.