tidyverseパッケージの機能

レッスン:datacamp,Introduction to the Tidyversehttps://campus.datacamp.com/courses/introduction-to-the-tidyverse/grouping-and-summarizing?ex=6
dplyr %>%パイプ関数filter( )フィルタcasesselect( )フィルタ変数かっこ内で次のことができます.

変数名を羅列する.

使用:コロンは連続する変数名を表す.

は、いくつかの変数を除外するためにマイナス記号を使用します.

starts_を使用with(「文字列」)、ends_with(「文字列」)やcontains(「文字列」)などの関数.

順序の問題:

ratings %>% 
  select(channel, everything(), -ends_with("day"))

everything() is a great little helper! If it had been placed at the end, it would have added back in all the columns that end with “day”. Placing it before deselecting columns. arrange変数の正または逆の順序に従ってdataset全体を並べ替える

arrange( ）正序

arrange(desc( )）逆順

mutate( )元の変数を修正したり、新しい変数を計算したりするsummarize( )統計分析group_by( )分類統計は、1つ以上の変数であってもよい

gapminder %>%
  group_by(year) %>%
  summarize(medianLifeExp = median(lifeExp),
            maxGdpPercap = max(gdpPercap))

distinct

#    bakeoff     result        
bakeoff %>% 
  distinct(result)

count

#           
bakeoff %>% 
  count(result)

> bakeoff %>% 
    count(result == "SB")
# A tibble: 2 x 2
  `result == "SB"`     n
              
1 FALSE              488
2 TRUE                61

#    count
bakeoff %>% 
  count(series, episode) %>%
  count(series)

bakers_by_series %>%
 count(baker, sort = TRUE)
#      ，     n     

recode recode MSの「検索-置換」機能とmutate関数を組み合わせて新しい変数を生成したり、元の変数に基づいて置換したりすることができます.

recode(.x, ..., .default = NULL, .missing = NULL)

desserts %>% 
  mutate(nut = recode(nut, "filbert" = "hazelnut"))

.x処理したいベクトル...はルールを置き換え、old values=new values .defaultはspssの中のELSEに類似しており、設定してもしなくてもよい.設定すると.missingはspssの中のMISSINGに似ています
データ型によって欠落値の書き方が異なります.NA_character_ for missing value for a character variable, NA_integer_ for missing integer data NA value is of the logical type.
Remember that when recoding numeric variables, you need to put the old value in backticks, for example, 5 = 6. ONLY old value! numericは数字に``backticks(反引用符)記号を付けます.例:

`0` = NA_character_
#     numeric         character   。       0    NA  。

ggplot2

ggplot(gapminder, aes(x = gdpPercap, y = lifeExp, color = continent, size = pop))+
  geom_point()+
  scale_x_log10()+
  facet_wrap(~ year) + 
  expand_limits(y = 0)

ggplot(   ，        ) + 
   

データセット

Second parameter is the mapping of variables in your dataset to aesthetics in your graph.データセット変数からグラフィック美観へのマッピングをマッピングします.・x軸・y軸・color・size

レイヤー

グラフィック
関数＃カンスウ＃
変数の数
シーンの適用
コメント
scatter plot geom_point()
2つの連続変数
関係の傾向を呈する.
line plot geom_line()
2変数、x-time,y-focus var
時間とともに変化する傾向を呈する
bar plot geom_col()
2変数、x分類変数、y連続変数
2つの変数のクロス解析結果を表示
col is short for column. bar plotの縦軸は一般的に0から始まり、expand_limits(y = 0)を設けない.
histogram geom_histogram()
1個の連続変数
単一変数データの分布
マッピングaesにはxしかありません.geom_histogram(bins = 5) binsはグループピッチを設定します.
box plot geom_boxplot()
2つの変数、x分類変数、y連続変数が可能
xの分類に従ってyの分布を比較する(histogramより優れている場所)

log scale・scale_x_log10() x軸のスケールをlog 10単位に変更します.

分面・facet_wrap(~ )

座標軸の開始位置・expand_limits(y = 0)

を設定する.

図面にタイトル・labs(title = "Comparing GDP per capita across continents")・ggtitle("Comparing GDP per capita across continents")

を追加する.