Bu dökümanın amacı en azından temel bilgisayar kabiliyetlerine1 sahip olan kişileri olabilecek en hızlı bir şekilde R ile veri analizinde bir şeyler oluşturabilecek seviyeye getirebilmektir.
Bu amaca ulaşabilmek için kurulumu minimal düzeyde tutmaya çalıştım. R, RStudio ve analizlerin R içerisinden raporlanabilmesi için (diğer bir deyişle RMarkdown kullanabilmek için) Pandoc kurulumlarını önereceğim. Analizleri yapmak için aslen sadece R yeterli olsa da RStudio kod yazmayı kolaylaştırmak için; RMarkdown da bir başka zorlu süreç olan analizleri raporlayabilmek için önemli unsurlar.
Bu kısa çalışmada çok spesifik bir veri seti üzerinde işler yapacağız; sandık bazında genel seçim verileri. İki adet veri setimiz bulunuyor: 7 Haziran 2015 ve 1 Kasım 2015 Türkiye Milletvekili Seçimi sandık bazında seçim sonuçları. Bu veri setlerini ise GitHub üzerinden oluşturduğum secimler paketinden alacağız.
Kullanacağımız yöntem ise benzersiz. R’ın temellerini veya adım adım kullanımını atlayarak doğrudan basit analizler için ihtiyacımız olan en rahat araçlara yöneleceğiz. Bu araçlar tidyverse adlı bir paketin içinde yer alan paketler. Kullanacağımız başlıca paketler ise dplyr (veri manipülasyonu için) ve ggplot2 (grafikler için).
Bunu güzel bir diziyi izlemeye sıkıcı ilk iki sezonunu atlayarak üçüncü sezonundan başlamakla karşılaştırabiliriz. Temel fonksiyonlara ihtiyaç duyduğumuzda flashbackler yaşayacağız ve olay örgüsünün geçmişini ve karakter gelişimini görmek için ilk iki sezonu izlememiz gerekebilir ama keyif almak için üçüncü sezondan başlamanın hiçbir zararı yok. Zira R, 3. sezondan sonra güzelleşen bir programlama dili.
Sorunuz yoksa başlıyoruz. Varsa, bana yazın.
Üç program kurmamız gerekiyor.
Bunlardan ilki R’ın kendisi. Buraya tıklayarak en son versiyonu indirebilir ve kurabilirsiniz.
İkinci kuracağımız program ise RStudio. Kodları kolayca kurmak ve tek ortamda çalıştırmak için kullanacağız. Buraya tıklayarak indirebilir ve kurabilirsiniz.
Üçüncü olarak ise pandoc’u kuracağız. Pandoc özel bir formatta yazdığımız kod ve raporları pdf, docx ve html gibi genel kullanım formatlarına çevirmemize yardımcı oluyor. Bu programa raporlama kısmına kadar ihtiyaç duymayacağız o yüzden ilk anda kurmanıza gerek yok. Buraya tıklayarak indirebilir ve kurabilirsiniz.
Aşağıdaki kodları çalıştırmak için RStudio’nun konsoluna kopyala yapıştır yapmamız gerekiyor. Veya RStudio’da açtığınız yeni bir R dosyasına kopyala yapıştır yapıp satırları oradan da çalıştırabilirsiniz. (Ufak not # ile başlayan satırlar comment ya da yorum olarak adlandırılırlar. R bunları çalıştırmaz. Genelde yorumlara ilgili kodların ne işe yaradığına dair açıklayıcı notlar yazılır.)
#Bu kodlar sadece bazı genel ayarları içeriyor
#Veri alırken string formatındaki sütunları faktör gibi görme
options(stringsAsFactors=FALSE)
#Paketleri bu adresten yükle
options(repos="http://cran.rstudio.com/")
#Veri tablolarının bütün sütunlarını göster
options(dplyr.width = Inf)
#Ondalık veri gösterme formatı ile ilgili bir ayar
options(scipen = 7)Sırada ihtiyaç duyduğumuz paketleri yükleyeceğiz.
#devtools R'ın kendi paket sistemi dışında paketleri kurabilmemize yardımcı olacak.
install.packages("devtools")
#tidyverse R içerisinde kullanacağımız özel komutları içeren paketler grubu
install.packages("tidyverse")
#secimler paketini R'ın kendi sistemi içerisinden değil GitHub denilen bir kod depo
#sistemi üzerinden yükleyeceğiz.
#Bu paket kullanacağımız verileri içeriyor
devtools::install_github("berkorbay/secimler")Yukarıdaki install.packages kodu bir paket deposundan ilgili paketleri indirmeyi sağlamaktadır. install_github ise GitHub’da bulunan paketi indirmeye yarıyor. Komutun devtools::install_github şeklinde yazılmasının nedeni ise devtools paketini “yüklemeye” gerek kalmadan R’a spesifik olarak o paketin içinden bir komutu çağırmasını istememizdir.
Paketleri indirmek ile çalıştırmak (veya yüklemek) farklı fonksiyonlar gerektirmektedir. Yüklemek için library komutunu kullanıyoruz.
#Şimdi indirdiğimiz paketleri yükleyelim
library(tidyverse)
library(secimler)Hazırlıklarımız tamamlandı. Uçuşa geçebiliriz :)
Önce verilerimizi tanıyalım. secimler paketi iki veri seti içeriyor. Bunlar, 7 Haziran 2015 genel seçim sonuçlarını içeren secim150607g isimli veri seti ve 1 Kasım 2015 genel seçim sonuçlarını içeren secim151101g isimli veri setidir. Veri setlerinin ikisi de format olarak aynıdır, ancak doğal olarak içerikleri farklıdır. Haziran sonuçlarına bir göz atalım.
head(secim150607g)## # A tibble: 6 × 30
## il bolge ilce cevre cevre_turu sandik kayitli_secmen
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 Adana 1 İli Genel Toplam 4426 1477328
## 2 Adana 1 İli İl-İlçe Genel Toplam 4426 1477328
## 3 Adana 1 Seyhan Genel Toplam 1473 529658
## 4 Adana 1 Seyhan İl-İlçe Genel Toplam 1473 529658
## 5 Adana 1 Seyhan Ahmet Remzi Yüreğir Mahalle 3001 341
## 6 Adana 1 Seyhan Ahmet Remzi Yüreğir Mahalle 3002 339
## oy_kullanan gecerli_oy ak_parti chp mhp hdp dyp
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1254393 1229817 368055 354389 287799 177730 1100
## 2 1254393 1229817 368055 354389 287799 177730 1100
## 3 449743 441384 113966 138646 79714 94887 435
## 4 449743 441384 113966 138646 79714 94887 435
## 5 285 279 111 49 81 29 0
## 6 278 270 98 59 66 35 0
## anadolu_partisi hak_par kp millet_partisi hap mep turk_parti
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 590 1265 310 509 0 644 2199
## 2 590 1265 310 509 0 644 2199
## 3 227 379 120 133 0 170 545
## 4 227 379 120 133 0 170 545
## 5 0 0 0 0 0 1 1
## 6 0 0 0 0 0 0 0
## hkp ldp saadet_partisi dsp yurt_parti dp vatan_partisi btp
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1432 967 18917 1897 0 1534 3731 1735
## 2 1432 967 18917 1897 0 1534 3731 1735
## 3 408 288 6605 643 0 383 1284 607
## 4 408 288 6605 643 0 383 1284 607
## 5 0 0 0 0 0 0 2 0
## 6 0 1 3 0 0 0 0 0
## bagimsiz
## <dbl>
## 1 5014
## 2 5014
## 3 1944
## 4 1944
## 5 5
## 6 8glimpse(secim150607g)## Observations: 176,831
## Variables: 30
## $ il <chr> "Adana", "Adana", "Adana", "Adana", "Adana", "...
## $ bolge <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1...
## $ ilce <chr> "İli", "İli", "Seyhan", "Seyhan", "Seyhan", "S...
## $ cevre <chr> "Genel", "İl-İlçe Genel", "Genel", "İl-İlçe Ge...
## $ cevre_turu <chr> "Toplam", "Toplam", "Toplam", "Toplam", "Mahal...
## $ sandik <dbl> 4426, 4426, 1473, 1473, 3001, 3002, 3003, 2001...
## $ kayitli_secmen <dbl> 1477328, 1477328, 529658, 529658, 341, 339, 34...
## $ oy_kullanan <dbl> 1254393, 1254393, 449743, 449743, 285, 278, 29...
## $ gecerli_oy <dbl> 1229817, 1229817, 441384, 441384, 279, 270, 28...
## $ ak_parti <dbl> 368055, 368055, 113966, 113966, 111, 98, 88, 1...
## $ chp <dbl> 354389, 354389, 138646, 138646, 49, 59, 67, 28...
## $ mhp <dbl> 287799, 287799, 79714, 79714, 81, 66, 81, 4, 4...
## $ hdp <dbl> 177730, 177730, 94887, 94887, 29, 35, 49, 9, 5...
## $ dyp <dbl> 1100, 1100, 435, 435, 0, 0, 0, 1, 0, 0, 0, 0, ...
## $ anadolu_partisi <dbl> 590, 590, 227, 227, 0, 0, 0, 0, 0, 0, 0, 0, 0,...
## $ hak_par <dbl> 1265, 1265, 379, 379, 0, 0, 0, 0, 0, 0, 0, 0, ...
## $ kp <dbl> 310, 310, 120, 120, 0, 0, 0, 0, 1, 0, 0, 2, 0,...
## $ millet_partisi <dbl> 509, 509, 133, 133, 0, 0, 0, 0, 0, 0, 0, 0, 0,...
## $ hap <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0...
## $ mep <dbl> 644, 644, 170, 170, 1, 0, 0, 0, 0, 0, 0, 0, 0,...
## $ turk_parti <dbl> 2199, 2199, 545, 545, 1, 0, 0, 0, 0, 1, 0, 0, ...
## $ hkp <dbl> 1432, 1432, 408, 408, 0, 0, 0, 0, 0, 0, 1, 0, ...
## $ ldp <dbl> 967, 967, 288, 288, 0, 1, 0, 0, 1, 0, 0, 0, 0,...
## $ saadet_partisi <dbl> 18917, 18917, 6605, 6605, 0, 3, 1, 1, 2, 1, 5,...
## $ dsp <dbl> 1897, 1897, 643, 643, 0, 0, 0, 0, 0, 0, 0, 1, ...
## $ yurt_parti <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0...
## $ dp <dbl> 1534, 1534, 383, 383, 0, 0, 0, 0, 0, 1, 0, 0, ...
## $ vatan_partisi <dbl> 3731, 3731, 1284, 1284, 2, 0, 0, 2, 0, 0, 0, 2...
## $ btp <dbl> 1735, 1735, 607, 607, 0, 0, 0, 0, 0, 1, 0, 0, ...
## $ bagimsiz <dbl> 5014, 5014, 1944, 1944, 5, 8, 2, 0, 1, 0, 0, 0...Seçim verileri data frame denilen bir formatın türevi olan tbl_df veya `tibble formatı ile tutulmaktadırlar (veri yapıları temel R konuları içerisinde yer alıyor şimdilik çok önemli değil direk data frame diyebiliriz). head komutu bir veri setinin ilk birkaç satırını gösterir. glimpse komutu ise bir data frame’in sütunlarını listeler, türlerini belirtir ve birkaç veri örneği verir.
Eğer veri setleri veya komutlar hakkında detaylı bilgi almak istiyorsanız konsolda ilgili komutun başına ? yazıp çalıştırırsanız yardım dosyaları çıkacaktır. Mesela ?secim150607g veya ?head ilgili konularda yardım dosyalarını açar. Yardım dosyaları genellikle R kodlarının işlevlerini anlamada ve hatırlamada çok yardımcı olurlar. Bu veri setlerinde her bir satır ya bir sandığın bilgisini ya da ilgili bölgenin toplam verilerini içerirler.
R’da bir değişkene atama <- veya = ile yapılır. Mesela x değişkenine 5 değerini atamak isterseniz x<-5 yazarsınız. Biz de 7 Haziran seçim veri setini secim_data değişkenine atayalım.
secim_data <- secim150607g
head(secim_data)## # A tibble: 6 × 30
## il bolge ilce cevre cevre_turu sandik kayitli_secmen
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 Adana 1 İli Genel Toplam 4426 1477328
## 2 Adana 1 İli İl-İlçe Genel Toplam 4426 1477328
## 3 Adana 1 Seyhan Genel Toplam 1473 529658
## 4 Adana 1 Seyhan İl-İlçe Genel Toplam 1473 529658
## 5 Adana 1 Seyhan Ahmet Remzi Yüreğir Mahalle 3001 341
## 6 Adana 1 Seyhan Ahmet Remzi Yüreğir Mahalle 3002 339
## oy_kullanan gecerli_oy ak_parti chp mhp hdp dyp
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1254393 1229817 368055 354389 287799 177730 1100
## 2 1254393 1229817 368055 354389 287799 177730 1100
## 3 449743 441384 113966 138646 79714 94887 435
## 4 449743 441384 113966 138646 79714 94887 435
## 5 285 279 111 49 81 29 0
## 6 278 270 98 59 66 35 0
## anadolu_partisi hak_par kp millet_partisi hap mep turk_parti
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 590 1265 310 509 0 644 2199
## 2 590 1265 310 509 0 644 2199
## 3 227 379 120 133 0 170 545
## 4 227 379 120 133 0 170 545
## 5 0 0 0 0 0 1 1
## 6 0 0 0 0 0 0 0
## hkp ldp saadet_partisi dsp yurt_parti dp vatan_partisi btp
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1432 967 18917 1897 0 1534 3731 1735
## 2 1432 967 18917 1897 0 1534 3731 1735
## 3 408 288 6605 643 0 383 1284 607
## 4 408 288 6605 643 0 383 1284 607
## 5 0 0 0 0 0 0 2 0
## 6 0 1 3 0 0 0 0 0
## bagimsiz
## <dbl>
## 1 5014
## 2 5014
## 3 1944
## 4 1944
## 5 5
## 6 8İlk komutlarınızı çok güzel çalıştırdınız, tebrik ederim! Şimdi biraz da işlem yapalım. dplyr paketinde hayatınızı çok kolaylaştıracak basit 5-6 komut ve türevleri bulunuyor. Bunların teker teker üzerinden geçeceğiz ve bitirdiğimizde R’ı neredeyse Excel işlevinde kullanabileceksiniz.
filter, adından da kolaylıkla anlaşılabileceği gibi veriyi belli kriterlere göre filtrelemeye yarıyor. Örneğin bizim seçim veri setimizden sadece Uşak iline ait verileri almak istediğimizi düşünelim. Ayrıca seçim verisi satırladında bazı satırlar il/ilçe/köy toplamlarını da içeriyor ve sadece düz sandık verisini istiyoruz. O zaman aşağıdaki gibi bir kod yazıyoruz.
#Yeni değişkenimizin adı usak_data olsun
usak_data <-
#secim_data değişkenini al
secim_data %>%
#filtrele
#il Uşak olsun, toplam değerlerini de at
filter(il == "Uşak" & cevre_turu != "Toplam")
#Bana veriyi göster
head(usak_data)## # A tibble: 6 × 30
## il bolge ilce cevre cevre_turu sandik kayitli_secmen
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 Uşak 1 Banaz Cumhuriyet Mahalle 1001 312
## 2 Uşak 1 Banaz Cumhuriyet Mahalle 1002 313
## 3 Uşak 1 Banaz Cumhuriyet Mahalle 1003 311
## 4 Uşak 1 Banaz Cumhuriyet Mahalle 1004 313
## 5 Uşak 1 Banaz Cumhuriyet Mahalle 1005 316
## 6 Uşak 1 Banaz Cumhuriyet Mahalle 1006 313
## oy_kullanan gecerli_oy ak_parti chp mhp hdp dyp anadolu_partisi
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 265 258 86 95 63 9 0 1
## 2 262 253 75 85 79 0 0 0
## 3 265 259 77 68 104 6 0 0
## 4 270 264 57 85 117 0 0 0
## 5 275 268 96 85 79 3 0 0
## 6 273 270 88 84 87 3 0 0
## hak_par kp millet_partisi hap mep turk_parti hkp ldp
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 0 0 0 0 0 0 3 0
## 2 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 1 0
## 4 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0
## saadet_partisi dsp yurt_parti dp vatan_partisi btp bagimsiz
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 0 1 0 0 0 0 0
## 2 9 1 0 0 3 1 0
## 3 0 0 0 0 2 1 0
## 4 3 1 0 1 0 0 0
## 5 3 0 0 0 1 1 0
## 6 5 0 0 0 2 1 0Size ilk başta yabancı gelebilecek ama alıştıktan sonra büyük rahatlık sağlayacak ilk unsur %>%. Bu ifadenin adı “pipe operator” ama dilimize boru operatörü yerine zincir operatörü demek daha hoş geldiği için zincir operatörü diyeceğim. Bu operatör dplyr komutlarını arka arkaya değişken adını tekrar yazmamıza gerek kalmayacak şekilde sıralamamızı ve dolayısıyla daha okunabilir bir kod yazmamızı sağlıyor. Kısaca aynı değişken üzerinde yapılacak işlem sırasını düzenliyor.
== ve != operatörleri ise eşittir ve eşit değildir kontrollerini yapıyorlar. Bunların dışında büyüktür ve büyük eşittiri içeren > ve >=; veya küçüktür ve küçük eşittiri içeren operatörler olan < ve <= de kullanilabilirler. & operatörü ise koşulları birbirlerine bağlamaya yarayan “ve” anlamına gelen operatör. Veya anlamına gelen operatörün sembolü ise | şeklinde (l harfi değil klavyedeki uzun dik çizgi). Yukarıdaki örnekte satırların il değeri Uşak olsun VE cevre_turu değeri Toplam olmasın demiştik, böylece R sadece iki koşulu birlikte sağlayan satırları bize vermiş oldu. (Bu konseptlere çok aşina değilseniz birkaç egzersiz yapabilirsiniz.)
Eğer zincir operatörü veya dplyr olmasaydı aynı sonucu şu şekilde alabilecektik. Aynı değişken ismini kaç kez tekrar ettiğimize dikkat edin. Zincir operatörünün değeri komut sayısı arttıkça daha da çok belli olacak.
head(secim_data[secim_data$il == "Uşak" & secim_data$cevre_turu != "Toplam",])dplyr’ın ilk komutunu tamamladık. Sırada select ve türevi rename bulunuyor.
Not: Uşak’ı seçme sebeplerim arasında hem ilçeleri hem de köy/beldeleri olması, yeterince küçük ve yeterince büyük olması yatıyor. Ha bir de zamanında CHP Uşak milletvekili danışmanıydım :) Osman Coşkunoğlu’nun yazılarını mutlaka okumalısınız. Bilişim, teknoloji, son zamanlarda endüstri 4.0 ve ilgili politikalar hakkında yazıyor (tıklayın). Ayrıca en sevdiğim köy ismi (Gökçukur) de Uşak’ta.
select anlatması en kolay komutlardan bir tanesi. Sadece istediğiniz sütunları seçip diğer sütunları atmanızı sağlıyor. Örneğin diyelim oy verileri değil sadece sandık verilerini (il, ilçe, seçim çevresi, çevre türü, sandık no, kayıtlı seçmen ve geçerli oy) istiyoruz. Hepsini select komutunun içine yazarak sadece o sütunları alabiliyoruz.
usak_data %>%
select(il,ilce,cevre,cevre_turu,sandik,kayitli_secmen,oy_kullanan) %>%
slice(1)## # A tibble: 1 × 7
## il ilce cevre cevre_turu sandik kayitli_secmen oy_kullanan
## <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
## 1 Uşak Banaz Cumhuriyet Mahalle 1001 312 265Ufak bir not. Burada kullandığım slice komutu da dplyr’a ait. Satır numarasını yazarak istediğim satırları getirmemi sağlıyor. slice(1) demek birinci satırı getir demektir, slice(1:5) yazsaydım 1 ile 5. satırlar arasını getir demekti (Evet : özel bir ifade.)
Eğer seçeceğimiz sütunlar arasında seçmeyeceğimiz bir sütun yoksa aynı ifadeyi şu şekilde de yazabilirdik.
usak_data %>%
select(il:oy_kullanan) %>%
slice(1)## # A tibble: 1 × 8
## il bolge ilce cevre cevre_turu sandik kayitli_secmen
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 Uşak 1 Banaz Cumhuriyet Mahalle 1001 312
## oy_kullanan
## <dbl>
## 1 265Yukarıda il sütunundan oy_kullanan sütununa kadar bütün sütunları getir anlamına gelen : operatörü bulunuyor. Sütunları seçerken isimlerini de değiştirebiliyorsunuz. Mesela sandik yerine sandik_no yazalim.
usak_data %>%
select(il,ilce,cevre,cevre_turu,sandik_no=sandik,kayitli_secmen,oy_kullanan) %>%
slice(1)## # A tibble: 1 × 7
## il ilce cevre cevre_turu sandik_no kayitli_secmen oy_kullanan
## <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
## 1 Uşak Banaz Cumhuriyet Mahalle 1001 312 265Eğer tek istediğimiz sütun ismi değiştirmekse ve bazı sütunları veri setinden atmak istemiyorsak rename kullanabiliriz.
usak_data %>%
rename(sandik_no=sandik) %>%
slice(1)## # A tibble: 1 × 30
## il bolge ilce cevre cevre_turu sandik_no kayitli_secmen
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 Uşak 1 Banaz Cumhuriyet Mahalle 1001 312
## oy_kullanan gecerli_oy ak_parti chp mhp hdp dyp anadolu_partisi
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 265 258 86 95 63 9 0 1
## hak_par kp millet_partisi hap mep turk_parti hkp ldp
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 0 0 0 0 0 0 3 0
## saadet_partisi dsp yurt_parti dp vatan_partisi btp bagimsiz
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 0 1 0 0 0 0 0Tebrikler bir dplyr komutu daha tamamlandı. Sırada arrange var.
arrange komutunun tek yaptığı şey sıralamak. Sanırım daha basit anlatılamaz. Sıralamak istediğiniz sütunu/sütunları yazıyorsunuz. Normal davranışı küçükten büyüğe sıralama olsa da eğer sütunu desc() komutunun içerisine alırsanız büyükten küçüğe sıralama yaparsınız. Örneğin AK Parti’nin en çok oy aldığı 5 sandığı görelim.
usak_data %>%
arrange(desc(ak_parti)) %>%
slice(1:5)## # A tibble: 5 × 30
## il bolge ilce cevre cevre_turu sandik kayitli_secmen
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 Uşak 1 Uşak Merkez Sorkun Köy 1490 319
## 2 Uşak 1 Uşak Merkez Karaağaç Mahalle 1230 372
## 3 Uşak 1 Uşak Merkez Karaağaç Mahalle 1235 373
## 4 Uşak 1 Eşme Uluyayla Köy 1118 388
## 5 Uşak 1 Uşak Merkez Karaağaç Mahalle 1234 373
## oy_kullanan gecerli_oy ak_parti chp mhp hdp dyp anadolu_partisi
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 305 300 226 11 42 9 0 0
## 2 352 345 224 24 82 4 1 0
## 3 356 344 217 37 80 2 0 0
## 4 368 360 216 48 89 0 0 0
## 5 358 350 213 27 86 2 0 0
## hak_par kp millet_partisi hap mep turk_parti hkp ldp
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 0 0 1 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0
## 3 0 0 1 0 0 0 0 0
## 4 0 0 0 0 0 0 1 0
## 5 0 0 0 0 0 0 4 0
## saadet_partisi dsp yurt_parti dp vatan_partisi btp bagimsiz
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 8 1 0 0 0 2 0
## 2 6 3 0 0 0 1 0
## 3 5 1 0 0 0 1 0
## 4 3 3 0 0 0 0 0
## 5 4 1 0 1 1 11 0arrange içerisine birden çok sütun ismi yazabilirsiniz. Önce ilkine göre sıralama yapar, daha sonra ilk sütundaki eşit değerler arasında ikincisine göre, sonra üçüncüsü derken son sütuna kadar aynı şekilde devam eder.
Takır takır bitiriyorsunuz komutları, sırada distinct var.
distinct içerisinde belirtilen sütun veya sütunlar arasından tekrar eden satırları siler. Örneğin distinct(ilce) yazdığımızda eğer bir ilçenin ismi birden fazla satırda geçiyorsa ikinci ve sonraki bütün satırları siler. Örnek kullanım olarak her ilçede AK Parti’ye en çok oy atan sandıkları bulalım.
usak_data %>%
arrange(desc(ak_parti)) %>%
distinct(ilce,.keep_all=TRUE)## # A tibble: 6 × 30
## il bolge ilce cevre cevre_turu sandik kayitli_secmen
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 Uşak 1 Uşak Merkez Sorkun Köy 1490 319
## 2 Uşak 1 Eşme Uluyayla Köy 1118 388
## 3 Uşak 1 Sivaslı Cinoğlan Köy 1037 379
## 4 Uşak 1 Karahallı Alfaklar Köy 1012 288
## 5 Uşak 1 Ulubey Dilaver Mahalle 1007 367
## 6 Uşak 1 Banaz Yazıtepe Köy 1100 317
## oy_kullanan gecerli_oy ak_parti chp mhp hdp dyp anadolu_partisi
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 305 300 226 11 42 9 0 0
## 2 368 360 216 48 89 0 0 0
## 3 365 363 189 150 12 4 1 0
## 4 256 252 179 34 25 1 0 0
## 5 319 310 159 61 77 2 0 0
## 6 251 239 158 11 56 0 1 2
## hak_par kp millet_partisi hap mep turk_parti hkp ldp
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 0 0 1 0 0 0 0 0
## 2 0 0 0 0 0 0 1 0
## 3 0 0 0 0 0 0 3 0
## 4 0 0 0 1 1 0 1 0
## 5 0 0 0 0 0 0 2 0
## 6 0 0 0 1 0 0 4 0
## saadet_partisi dsp yurt_parti dp vatan_partisi btp bagimsiz
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 8 1 0 0 0 2 0
## 2 3 3 0 0 0 0 0
## 3 3 1 0 0 0 0 0
## 4 2 1 2 1 1 3 0
## 5 6 3 0 0 0 0 0
## 6 1 2 0 2 1 0 0Yukarıdaki kodda .keep_all=TRUE parametresi distinct komutunu çalıştırdıktan sonra, R’ın bütün sütunları mı yoksa sadece distinct’e konu olan sütunu mu tutacağını belirtir. Parametreyi FALSE değerine çevirip aradaki farka bakabilirsiniz.
Eğer distinct’e birden fazla sütun yazsaydık sadece distincte konu olan her sütunu aynı olan satırları atacaktı. Örneğin Uşak’ın ilçelerindeki mahalle ve köy isimlerini türleriyle istediğimizi düşünelim.
usak_data %>%
distinct(ilce,cevre,cevre_turu) %>%
slice(1:5)## # A tibble: 5 × 3
## ilce cevre cevre_turu
## <chr> <chr> <chr>
## 1 Banaz Cumhuriyet Mahalle
## 2 Banaz Dilek Mahalle
## 3 Banaz Hamamboğazı Mahalle
## 4 Banaz İslam Mahalle
## 5 Banaz Şehitler MahalleTebrikler bu da bitti! Ancak prenses başka kalede. Sırada mutate ve transmute fonksiyonları bulunuyor.
Paketin belki de en önemli fonksiyonlarından biri mutate. mutate sayesinde sütunların üzerinde işlemler yapabiliyoruz. Örneğin sandıkların seçime katılım oranlarını bulalım. Katılım oranı oy kullanan seçmen sayısının sandıktaki kayıtlı seçmen sayısına bölümü ile bulunabilir.
usak_data %>%
#yüzdesel değer vermek için oranı 100 ile çarpıp sadece 2 ondalık değeri alıyoruz
mutate(katilim_orani=round(100*(oy_kullanan/kayitli_secmen),2)) %>%
#select ile sadece istediğimiz sütunları da alalım
select(il:sandik,katilim_orani) %>%
slice(1:5)## # A tibble: 5 × 7
## il bolge ilce cevre cevre_turu sandik katilim_orani
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 Uşak 1 Banaz Cumhuriyet Mahalle 1001 84.94
## 2 Uşak 1 Banaz Cumhuriyet Mahalle 1002 83.71
## 3 Uşak 1 Banaz Cumhuriyet Mahalle 1003 85.21
## 4 Uşak 1 Banaz Cumhuriyet Mahalle 1004 86.26
## 5 Uşak 1 Banaz Cumhuriyet Mahalle 1005 87.03Yukarıda gördüğünüz gibi katilim_orani diye yeni bir sütun yaratıp ilgili sütunları seçtik. round fonksiyonu sayıları yuvarlamaya yarıyor ve fonksiyonun içinde belirtilen diğer değer olan 2 de ondalıktan sonra kaç basamak ilerleyeceğini gösteriyor. Aynı mutate fonksiyonuna birden fazla işlem yazabiliyorsunuz ve var olan sütunların üzerine yazabiliyorsunuz. Dört büyük partinin oy oranlarına bakalım.
usak_data %>%
#yüzdesel değer vermek için oranı 100 ile çarpıp sadece 2 ondalık değeri alıyoruz
mutate(katilim_orani=round(100*(oy_kullanan/kayitli_secmen),2),
ak_parti=round(100*(ak_parti/gecerli_oy),2),
chp=round(100*(chp/gecerli_oy),2),
mhp=round(100*(mhp/gecerli_oy),2),
hdp=round(100*(hdp/gecerli_oy),2)) %>%
#select ile sadece istediğimiz sütunları da alalım
select(il:sandik,katilim_orani,ak_parti:hdp) %>%
slice(1:5)## # A tibble: 5 × 11
## il bolge ilce cevre cevre_turu sandik katilim_orani ak_parti
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl> <dbl>
## 1 Uşak 1 Banaz Cumhuriyet Mahalle 1001 84.94 33.33
## 2 Uşak 1 Banaz Cumhuriyet Mahalle 1002 83.71 29.64
## 3 Uşak 1 Banaz Cumhuriyet Mahalle 1003 85.21 29.73
## 4 Uşak 1 Banaz Cumhuriyet Mahalle 1004 86.26 21.59
## 5 Uşak 1 Banaz Cumhuriyet Mahalle 1005 87.03 35.82
## chp mhp hdp
## <dbl> <dbl> <dbl>
## 1 36.82 24.42 3.49
## 2 33.60 31.23 0.00
## 3 26.25 40.15 2.32
## 4 32.20 44.32 0.00
## 5 31.72 29.48 1.12transmute fonksiyonu temelde mutate ile aynı. Tek farkı, fonksiyon içerisinde yer alan sütunların dışındaki diğer sütunları veri setinden kaldırıyor. Bir nevi mutate içerisinde select çalıştırıyor.
usak_data %>%
#yüzdesel değer vermek için oranı 100 ile çarpıp sadece 2 ondalık değeri alıyoruz
transmute(sandik,katilim_orani=round(100*(oy_kullanan/kayitli_secmen),2)) %>%
slice(1:5)## # A tibble: 5 × 2
## sandik katilim_orani
## <dbl> <dbl>
## 1 1001 84.94
## 2 1002 83.71
## 3 1003 85.21
## 4 1004 86.26
## 5 1005 87.03Aslında bu biraz daha ileri bir konu ama şunu soruyor olabilirsiniz: “Ben bütün partilerin oy oranlarını istiyorsam hepsini elimle tek tek mi yazacağım?” Hayır, gerek yok! Bunun için mutate_each var. Açıklamayacağım ama kodunu yazacağım.
usak_data %>%
mutate_each(funs(round(100*(./kayitli_secmen),2)),ak_parti:bagimsiz) %>%
slice(1:5)## # A tibble: 5 × 30
## il bolge ilce cevre cevre_turu sandik kayitli_secmen
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 Uşak 1 Banaz Cumhuriyet Mahalle 1001 312
## 2 Uşak 1 Banaz Cumhuriyet Mahalle 1002 313
## 3 Uşak 1 Banaz Cumhuriyet Mahalle 1003 311
## 4 Uşak 1 Banaz Cumhuriyet Mahalle 1004 313
## 5 Uşak 1 Banaz Cumhuriyet Mahalle 1005 316
## oy_kullanan gecerli_oy ak_parti chp mhp hdp dyp anadolu_partisi
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 265 258 27.56 30.45 20.19 2.88 0 0.32
## 2 262 253 23.96 27.16 25.24 0.00 0 0.00
## 3 265 259 24.76 21.86 33.44 1.93 0 0.00
## 4 270 264 18.21 27.16 37.38 0.00 0 0.00
## 5 275 268 30.38 26.90 25.00 0.95 0 0.00
## hak_par kp millet_partisi hap mep turk_parti hkp ldp
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 0 0 0 0 0 0 0.96 0
## 2 0 0 0 0 0 0 0.00 0
## 3 0 0 0 0 0 0 0.32 0
## 4 0 0 0 0 0 0 0.00 0
## 5 0 0 0 0 0 0 0.00 0
## saadet_partisi dsp yurt_parti dp vatan_partisi btp bagimsiz
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 0.00 0.32 0 0.00 0.00 0.00 0
## 2 2.88 0.32 0 0.00 0.96 0.32 0
## 3 0.00 0.00 0 0.00 0.64 0.32 0
## 4 0.96 0.32 0 0.32 0.00 0.00 0
## 5 0.95 0.00 0 0.00 0.32 0.32 0mutate ile ilgili derya deniz iş yapılabilir. Son olarak AK Parti, CHP, MHP ve HDP hariç diğer bütün sütunları tek Diğer sütunu altında toplayalım.
usak_data<-
usak_data %>%
mutate(diger=rowSums(.[13:29])) %>%
select(il:hdp,diger)
#Verimizin yeni hali
head(usak_data)## # A tibble: 6 × 14
## il bolge ilce cevre cevre_turu sandik kayitli_secmen
## <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 Uşak 1 Banaz Cumhuriyet Mahalle 1001 312
## 2 Uşak 1 Banaz Cumhuriyet Mahalle 1002 313
## 3 Uşak 1 Banaz Cumhuriyet Mahalle 1003 311
## 4 Uşak 1 Banaz Cumhuriyet Mahalle 1004 313
## 5 Uşak 1 Banaz Cumhuriyet Mahalle 1005 316
## 6 Uşak 1 Banaz Cumhuriyet Mahalle 1006 313
## oy_kullanan gecerli_oy ak_parti chp mhp hdp diger
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 265 258 86 95 63 9 14
## 2 262 253 75 85 79 0 14
## 3 265 259 77 68 104 6 10
## 4 270 264 57 85 117 0 5
## 5 275 268 96 85 79 3 8
## 6 273 270 88 84 87 3 11rowSums komutu satır toplamlarını veren bir temel R komutudur ancak dplyr altında biraz farklı çalışmaktadır. İleri R konularından biri daha.
Bu kallavi kısmı da bitirdiğimize göre giriş seviyesindeki komutların sonuncu seti olan group_by ve summarise fonksiyonlarına geçebiliriz.
Eğer veriniz üzerinden daha toplu analizler yapmak istiyorsanız group_by gruplama fonksiyonunu summarise ise yapmak istediğiniz analizleri içeren fonksiyonu ifade ediyor. Örneğin elimizdeki sandık bazındaki veriyi ilçe bazında birleştirmek istiyoruz diyelim. Yapmak istediğimiz analizler ise her ilçedeki sandık sayıları, toplam seçmen sayısı, bir sandıktaki ortalama seçmen sayısı, geçerli oyların seçmen sayısına oranı ve parti oy oranları olsun.
usak_ilce_ozet<-
usak_data %>%
#ilçe bazında grupla
group_by(ilce) %>%
summarise(
#sandık sayılarını bul
sandik_sayisi=n(),
#seçmen sayıları
toplam_secmen_sayisi=sum(kayitli_secmen),
#ortalama seçmen sayısı
ortalama_secmen_sayisi=mean(kayitli_secmen),
#geçerli oy oranı
gecerli_oy_orani=sum(gecerli_oy)/sum(kayitli_secmen),
#parti oy oranları
ak_parti=round(100*sum(ak_parti)/sum(gecerli_oy),2),
chp=round(100*sum(chp)/sum(gecerli_oy),2),
mhp=round(100*sum(mhp)/sum(gecerli_oy),2),
hdp=round(100*sum(hdp)/sum(gecerli_oy),2),
diger=round(100*sum(diger)/sum(gecerli_oy),2)
)
usak_ilce_ozet %>%
print(n=Inf)## # A tibble: 6 × 10
## ilce sandik_sayisi toplam_secmen_sayisi ortalama_secmen_sayisi
## <chr> <int> <dbl> <dbl>
## 1 Banaz 103 27993 271.7767
## 2 Eşme 122 27949 229.0902
## 3 Karahallı 32 8694 271.6875
## 4 Sivaslı 54 15847 293.4630
## 5 Ulubey 51 11172 219.0588
## 6 Uşak Merkez 507 165245 325.9270
## gecerli_oy_orani ak_parti chp mhp hdp diger
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 0.8673954 34.55 30.70 30.32 0.91 4.41
## 2 0.8758095 33.39 36.53 25.89 1.77 4.18
## 3 0.8515068 42.78 33.78 18.07 1.36 5.34
## 4 0.8715845 37.86 38.77 19.04 1.39 4.29
## 5 0.8892768 35.15 37.26 23.63 0.80 3.95
## 6 0.8917244 39.33 24.76 29.38 2.98 6.51summarise fonksiyonu bir miktar Excel’de pivot tablo yapmaya benziyor. En büyük farklı daha net ve daha rahat bir şekilde yapılabilmesi. Veriler mümkün olan en granüler haliyle tutulurken bu verilerin doğru bir şekilde birleştirilip analiz edilebilmeleri büyük önem taşıyor.
En son kodda print(n=Inf) gibi bir ifade kullandık. print R’da bir şeyi ekrana yazmak için kullanılan bir fonksiyon olmasına karşılık dplyr bağlamında gösterilecek satır sayısını (n) ifade ediyor. Inf değeri ise sonsuz anlamına geliyor (buradaki anlamıyla bütün satırları göster). Bunu yazmamızın sebebi dplyr tablo gösterimlerinde her zaman bütün satırları yayınlamıyor, burada bütün satırları yayınlamaya zorluyoruz.
Bu döküman geliştirilmeye devam edecektir. Şimdilik dplyr temel fonksiyonları ele alınmış, sırada görselleştirmenin temelleri vardır.
dplyrhakkında daha fazla kaynağa aşağıdaki linklerden ulaşabilirsiniz. Ne yazık ki bütün kaynaklar İngilizce (iyi bilmiyorsanız pratik yapmak için size daha çok fırsat).
dplyr ile ilgili pek çok fonksiyon çok net bir şekilde anlatılmış. Başucu eseriTemel bilgisayar kabiliyetleri = Bilgisayarı açıp/kapama, internete girebilme ve program yükleyebilme. Bir miktar İngilizce de faydalı olur.↩