Bu döküman tidyverse paket grubuna en temelden girişi sağlamak için yazılmıştır. Tidyverse bir grup özel R paketini kapsayan bir tepe pakettir ve genelde veri manipülasyonu ve görselleştirme amaçlarıyla kullanılır. Bu derste daha çok (en önemli paketler olan) dplyr ve ggplot2 üzerine odaklanacağız ama ilgili diğer paketlerden de fonksiyonları kullanabiliriz.
Diyelim ki sık seyahat eden birisiniz ve hava durumu sizin için önemli, çünkü sıcaklık durumuna göre bavul hazırlayacaksınız. Elimizdeki veri 4 popüler seyahat noktasının (NY, Amsterdam, Londra, Venedik) Kasım 2015 - Ekim 2017 arasındaki geçmiş sıcaklıklarını vermektedir. Ham veri Weather Underground adresinden alınmıştır ve sadece eğitim amaçlı kullanılmaktadır. Sizin yapmanız gereken tidyverse fonksiyonlarıyla bu veri üzerinde işlemler yapmak. Aşağıdaki kısımlarda kodlar içerisindeki boşlukları doldurmanız beklenmektedir.
İpucu: Her zaman yardım dosyalarına göz atabilirsiniz. Bunun için R konsoluna yardım almak istediğiniz fonksiyonun başına ? koyarak (ör. ?select) yardım dosyasını açabilirsiniz. Tabi bunun için ilgili paketi yüklemiş olmanız gerekiyor.
İlk önce tidyverse paketini indirin ve kurun. Bir paketi indirmek bir kerelik bir iş ve sadece sunucundan indirmekten oluşmaktadır. Ancak her oturumda library veya require fonksiyonlarıyla paketleri yüklemeniz gerekmektedir. Bu döküman için aynı zamanda sehir_sicaklik.RData dosyasini buradan indirmeniz gerekiyor.
# Eger paketi hala indirmediyseniz indirin
install.packages("tidyverse", repos = "https://cran.r-project.org")
# Paketi oturuma yukleyin
library(tidyverse)
# Calisma klasorunuzu belirleyin (sehir_sicaklik.RData
# dosyasinin bulundugu klasor olabilir)
setwd("~/BenimCalismaKlasorum/")
# Veri setini yukleyin
load("sehir_sicaklik.RData")Bu dökümanın ana veri türü data.frame, veya daha doğru bir terimle tibble formatıdır. Data frame iki boyutlu, yüksek verimli veri tablolarıdır ve her sütun farklı bir veri tipinden oluşabilir (ör. character, factor, numeric, logical). tibble özel bir data frame türü olup tidyverse paketiyle birlikte gelmektedir ama işlevi düz data.frame ile çok benzemektedir (bu döküman için bir fark yoktur).
Artık verimizle ilgilenebiliriz.
sehir_sicaklik %>%
tbl_df()## # A tibble: 731 x 7
## yil ay gun Amsterdam Londra NY Venedik
## * <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 8.00 8.00 16.0 13.0
## 2 2015 11.0 2.00 10.0 11.0 15.0 10.0
## 3 2015 11.0 3.00 9.00 11.0 16.0 9.00
## 4 2015 11.0 4.00 12.0 11.0 17.0 10.0
## 5 2015 11.0 5.00 13.0 13.0 18.0 12.0
## 6 2015 11.0 6.00 16.0 14.0 21.0 13.0
## 7 2015 11.0 7.00 16.0 14.0 17.0 14.0
## 8 2015 11.0 8.00 12.0 12.0 11.0 13.0
## 9 2015 11.0 9.00 13.0 12.0 11.0 11.0
## 10 2015 11.0 10.0 14.0 14.0 12.0 11.0
## # ... with 721 more rows%>% ifadesini fark ettiniz mi? Buna zincir operatörü denmektedir. Veri ile başlar ve işlemleri bir sıra mantığında birbirinin ardına dizer (yukarıdan aşağıya ya da soldan sağa). (İpucu: Zincir operatörlerinin arasına satır boşlukları koyabilirsiniz ama hep zincir operatörü satır sonunda kalacak bir şekilde kodlamaya devam edin.)
tibbleların bilmeniz gereken bazı özellikleri vardır. İlk kısımda satır ve sütun sayıları verilir (A tibble 731x7). Ayrıca her sütunun altında veri tipi gösterilir. Bu sayede bu veri tablosunun temelleri hakkında daha fazla bilgi sahibi olmuş olursunuz.
Daha düzgün bir kontrol glimpse fonksiyonu ile yapılablir. Sütun sayısı fazlaysa glimpse rahatlık sağlar.
glimpse(sehir_sicaklik)## Observations: 731
## Variables: 7
## $ yil <dbl> 2015, 2015, 2015, 2015, 2015, 2015, 2015, 2015, 2015...
## $ ay <dbl> 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, ...
## $ gun <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 1...
## $ Amsterdam <dbl> 8, 10, 9, 12, 13, 16, 16, 12, 13, 14, 13, 13, 11, 11...
## $ Londra <dbl> 8, 11, 11, 11, 13, 14, 14, 12, 12, 14, 13, 12, 10, 1...
## $ NY <dbl> 16, 15, 16, 17, 18, 21, 17, 11, 11, 12, 12, 13, 11, ...
## $ Venedik <dbl> 13, 10, 9, 10, 12, 13, 14, 13, 11, 11, 9, 11, 8, 11,...Veri setimiz 731 satır ve 7 sütundan oluşmaktadır. Her satır bir günü temsil eder. İlk üç sütun (yil,ay and gun) ilgili tarihi belirler. Son dört sütun (Amsterdam, Londra, NY ve Venedik) o gün o şehirdeki ortalama sıcaklıkları verir.
Şimdi de veride keşif yapma zamanı.
Bu kısımda dplyr paketinin temel fonksiyonlarını ve biraz daha fazlasını göreceğiz. Eğer dplyr cheat sheet ile birlikte bu dökümanı takip ediyorsanız maksimum verimi alacaksınızdır. Cheat sheeti bu adresten edinebilirsiniz. Temel fonksiyonlarımız aşağıdaki gibidir.
select/renamefilterarrangemutate/transmutegroup_by/summariseBasitten başlayıp üzerine devam edeceğiz.
select fonksiyonu, adı üstünde, sütun seçer. rename sadece sütun ismi değiştirir.
1. Tek şehirle başlayalım: Venedik. Tarih bileşenlerini (yil, ay, gun) ve Venedik sütununu seçin. Aşağıdaki kodda CEVAPBURAYA yerine doğru ifadeyi yazıp sonucu tekrar etmeye çalışın.
sehir_sicaklik %>% select(yil, ay, gun, CEVAPBURAYA)## # A tibble: 731 x 4
## yil ay gun Venedik
## * <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 13.0
## 2 2015 11.0 2.00 10.0
## 3 2015 11.0 3.00 9.00
## 4 2015 11.0 4.00 10.0
## 5 2015 11.0 5.00 12.0
## 6 2015 11.0 6.00 13.0
## 7 2015 11.0 7.00 14.0
## 8 2015 11.0 8.00 13.0
## 9 2015 11.0 9.00 11.0
## 10 2015 11.0 10.0 11.0
## # ... with 721 more rows2. Diyelim ki sadece şehirlerin sıcaklıklarını istiyorsunuz ve gün önemli değil. İster bütün şehirlerin ismini yazarsınız, isterseniz : kullanarak bir seferde seçebilirsiniz.
sehir_sicaklik %>% select(CEVAPBURAYA1:CEVAPBURAYA2)## # A tibble: 731 x 4
## Amsterdam Londra NY Venedik
## * <dbl> <dbl> <dbl> <dbl>
## 1 8.00 8.00 16.0 13.0
## 2 10.0 11.0 15.0 10.0
## 3 9.00 11.0 16.0 9.00
## 4 12.0 11.0 17.0 10.0
## 5 13.0 13.0 18.0 12.0
## 6 16.0 14.0 21.0 13.0
## 7 16.0 14.0 17.0 14.0
## 8 12.0 12.0 11.0 13.0
## 9 13.0 12.0 11.0 11.0
## 10 14.0 14.0 12.0 11.0
## # ... with 721 more rows3. Bu sefer (-) kullanarak istenmeyen sütunlardan kurtulacağız. Diyelim ki NY ve Londra sütunlarını istmiyoruz.
sehir_sicaklik %>% select(-CEVAPBURAYA1, -CEVAPBURAYA2)## # A tibble: 731 x 5
## yil ay gun Amsterdam Venedik
## * <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 8.00 13.0
## 2 2015 11.0 2.00 10.0 10.0
## 3 2015 11.0 3.00 9.00 9.00
## 4 2015 11.0 4.00 12.0 10.0
## 5 2015 11.0 5.00 13.0 12.0
## 6 2015 11.0 6.00 16.0 13.0
## 7 2015 11.0 7.00 16.0 14.0
## 8 2015 11.0 8.00 12.0 13.0
## 9 2015 11.0 9.00 13.0 11.0
## 10 2015 11.0 10.0 14.0 11.0
## # ... with 721 more rows4. Diyelim ki sadece NY sütununu New York yapmak istiyoruz. Sütun isimlerinde boşluk kullanmak tavsiye edilmemesine karşın bunu çapraz tırnak kullanarak yapabilirsiniz. rename sütun seçmez sadece isim değiştirir unutmayın.
sehir_sicaklik %>% rename(`CEVAP BURAYA` = NY)## # A tibble: 731 x 7
## yil ay gun Amsterdam Londra `New York` Venedik
## * <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 8.00 8.00 16.0 13.0
## 2 2015 11.0 2.00 10.0 11.0 15.0 10.0
## 3 2015 11.0 3.00 9.00 11.0 16.0 9.00
## 4 2015 11.0 4.00 12.0 11.0 17.0 10.0
## 5 2015 11.0 5.00 13.0 13.0 18.0 12.0
## 6 2015 11.0 6.00 16.0 14.0 21.0 13.0
## 7 2015 11.0 7.00 16.0 14.0 17.0 14.0
## 8 2015 11.0 8.00 12.0 12.0 11.0 13.0
## 9 2015 11.0 9.00 13.0 12.0 11.0 11.0
## 10 2015 11.0 10.0 14.0 14.0 12.0 11.0
## # ... with 721 more rowsTip: select de rename işlevine ve daha fazlasına sahiptir.
Filter verilen kriterleri sağlayan satırları döndürür. Herhangi bir kriter seti verebilir ve kombinleyebilirsiniz. Bunun için “ve” (&) ve “veya” (|) operatörlerini kullanmanız gerekmektedir. Ayrıca büyüktür, küçüktür, büyük eşit, küçük eşit (<,<=,>,>=,==, !=) gibi TRUE/FALSE döndürecek diğer farklı operatörleri de kullanabilirsiniz. Operatörleri birleştirebilir ve parantezler kullanabilirsiniz.
1. Diyelim ki her ayın sadece ilk 3 günüyle ilgileniyoruz.
sehir_sicaklik %>%
filter(gun <= CEVAPBURAYA)## # A tibble: 72 x 7
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 8.00 8.00 16.0 13.0
## 2 2015 11.0 2.00 10.0 11.0 15.0 10.0
## 3 2015 11.0 3.00 9.00 11.0 16.0 9.00
## 4 2015 12.0 1.00 9.00 11.0 9.00 6.00
## 5 2015 12.0 2.00 10.0 12.0 11.0 8.00
## 6 2015 12.0 3.00 9.00 11.0 10.0 8.00
## 7 2016 1.00 1.00 4.00 3.00 3.00 2.00
## 8 2016 1.00 2.00 6.00 10.0 2.00 0
## 9 2016 1.00 3.00 7.00 8.00 4.00 3.00
## 10 2016 2.00 1.00 10.0 12.0 11.0 6.00
## # ... with 62 more rows2. Diyelim ki sadece kasım ayında Venedik’in NY’tan daha sıcak olduğu günleri istiyoruz.
sehir_sicaklik %>%
filter(ay == 11 & CEVAPBURAYA)## # A tibble: 20 x 7
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 8.00 12.0 12.0 11.0 13.0
## 2 2015 11.0 14.0 11.0 10.0 8.00 11.0
## 3 2015 11.0 15.0 12.0 14.0 9.00 11.0
## 4 2015 11.0 17.0 13.0 13.0 8.00 9.00
## 5 2015 11.0 23.0 3.00 3.00 4.00 6.00
## 6 2015 11.0 24.0 5.00 8.00 4.00 6.00
## 7 2016 11.0 1.00 10.0 9.00 9.00 11.0
## 8 2016 11.0 6.00 7.00 4.00 11.0 12.0
## 9 2016 11.0 7.00 4.00 6.00 8.00 11.0
## 10 2016 11.0 12.0 1.00 8.00 7.00 9.00
## 11 2016 11.0 19.0 6.00 4.00 10.0 11.0
## 12 2016 11.0 20.0 7.00 7.00 3.00 11.0
## 13 2016 11.0 21.0 10.0 10.0 4.00 12.0
## 14 2016 11.0 22.0 10.0 9.00 4.00 14.0
## 15 2016 11.0 23.0 8.00 7.00 4.00 14.0
## 16 2016 11.0 24.0 6.00 9.00 6.00 13.0
## 17 2016 11.0 25.0 3.00 7.00 10.0 13.0
## 18 2016 11.0 26.0 3.00 6.00 7.00 12.0
## 19 2016 11.0 27.0 5.00 7.00 7.00 11.0
## 20 2016 11.0 28.0 1.00 6.00 7.00 8.003. Diyelim ki Amsterdam’ın Temmuz’da Londra veya Venedik’ten daha sıcak olduğu günleri istiyoruz.
sehir_sicaklik %>%
filter(ay == 7 & (CEVAPBURAYA1 | CEVAPBURAYA2))## # A tibble: 21 x 7
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2016 7.00 2.00 16.0 14.0 21.0 25.0
## 2 2016 7.00 11.0 19.0 18.0 23.0 27.0
## 3 2016 7.00 12.0 18.0 17.0 24.0 28.0
## 4 2016 7.00 13.0 16.0 14.0 26.0 27.0
## 5 2016 7.00 19.0 21.0 20.0 26.0 27.0
## 6 2016 7.00 20.0 27.0 24.0 25.0 26.0
## 7 2016 7.00 21.0 21.0 19.0 27.0 26.0
## 8 2016 7.00 22.0 21.0 19.0 29.0 26.0
## 9 2016 7.00 23.0 22.0 19.0 31.0 26.0
## 10 2016 7.00 24.0 21.0 19.0 29.0 25.0
## # ... with 11 more rows4. Son olarak biraz da matematiksel işlem ekleyelim. Amsterdam ve Venedik arasındaki mutlak sıcaklık farkının 12 derece veya daha fazla olduğu günleri getirelim.
sehir_sicaklik %>%
filter(abs(CEVAPBURAYA) >= 12)## # A tibble: 6 x 7
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2016 6.00 25.0 16.0 15.0 24.0 28.0
## 2 2017 7.00 13.0 14.0 14.0 29.0 27.0
## 3 2017 8.00 2.00 18.0 17.0 26.0 30.0
## 4 2017 8.00 4.00 19.0 18.0 25.0 31.0
## 5 2017 8.00 5.00 17.0 16.0 23.0 31.0
## 6 2017 8.00 6.00 16.0 17.0 21.0 29.0arrange basitçe değerleri A’dan Z’ye veya küçükten büyüğe sıralar. Sadece sıralamak istediğiniz sütunları yazmanız yeterli. Ters sırada kullanmak için ilgili sütun isimlerini desc(column_name) olarak ifade etmelisiniz.
1. Veriyi NY şehrinin sıcaklığına göre sıralayın.
sehir_sicaklik %>%
arrange(CEVAPBURAYA)## # A tibble: 731 x 7
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2016 2.00 14.0 2.00 3.00 -14.0 6.00
## 2 2016 2.00 13.0 1.00 2.00 -10.0 4.00
## 3 2016 1.00 5.00 6.00 8.00 - 7.00 2.00
## 4 2017 1.00 9.00 6.00 7.00 - 7.00 -2.00
## 5 2016 1.00 19.0 -2.00 0 - 6.00 1.00
## 6 2016 2.00 12.0 2.00 1.00 - 6.00 6.00
## 7 2016 12.0 16.0 6.00 6.00 - 6.00 4.00
## 8 2017 1.00 8.00 4.00 9.00 - 6.00 -2.00
## 9 2017 1.00 7.00 1.00 8.00 - 5.00 -3.00
## 10 2017 3.00 11.0 7.00 10.0 - 5.00 9.00
## # ... with 721 more rows2. Veriyi NY’taki sıcaklığın artışı ve sonra Amsterdam’ın düşüşü şeklinde sıralayın.
sehir_sicaklik %>%
arrange(CEVAPBURAYA1,desc(CEVAPBURAYA2))## # A tibble: 731 x 7
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2016 2.00 14.0 2.00 3.00 -14.0 6.00
## 2 2016 2.00 13.0 1.00 2.00 -10.0 4.00
## 3 2016 1.00 5.00 6.00 8.00 - 7.00 2.00
## 4 2017 1.00 9.00 6.00 7.00 - 7.00 - 2.00
## 5 2016 12.0 16.0 6.00 6.00 - 6.00 4.00
## 6 2017 1.00 8.00 4.00 9.00 - 6.00 - 2.00
## 7 2016 2.00 12.0 2.00 1.00 - 6.00 6.00
## 8 2016 1.00 19.0 -2.00 0 - 6.00 1.00
## 9 2017 3.00 15.0 9.00 11.0 - 5.00 10.0
## 10 2017 3.00 11.0 7.00 10.0 - 5.00 9.00
## # ... with 721 more rows3. Veriyi azalan tarihe göre sıralayın.
sehir_sicaklik %>%
arrange(CEVAPBURAYA)## # A tibble: 731 x 7
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2017 10.0 31.0 9.00 9.00 11.0 11.0
## 2 2017 10.0 30.0 8.00 6.00 12.0 13.0
## 3 2017 10.0 29.0 11.0 11.0 18.0 9.00
## 4 2017 10.0 28.0 12.0 10.0 17.0 10.0
## 5 2017 10.0 27.0 12.0 9.00 13.0 13.0
## 6 2017 10.0 26.0 13.0 10.0 13.0 13.0
## 7 2017 10.0 25.0 13.0 14.0 17.0 13.0
## 8 2017 10.0 24.0 13.0 16.0 21.0 13.0
## 9 2017 10.0 23.0 13.0 13.0 20.0 13.0
## 10 2017 10.0 22.0 11.0 11.0 19.0 13.0
## # ... with 721 more rows4. En son olarak Londra ve Amsterdam’daki hava sıcaklıkları farkını artan bir şekilde sıralayın.
sehir_sicaklik %>%
arrange(CEVAPBURAYA1 - CEVAPBURAYA2)## # A tibble: 731 x 7
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2016 12.0 25.0 10.0 0 6.00 6.00
## 2 2015 12.0 25.0 9.00 0 17.0 4.00
## 3 2016 5.00 31.0 18.0 11.0 26.0 19.0
## 4 2016 6.00 1.00 19.0 12.0 24.0 17.0
## 5 2016 4.00 10.0 10.0 4.00 5.00 16.0
## 6 2016 6.00 7.00 20.0 14.0 24.0 22.0
## 7 2016 5.00 6.00 17.0 12.0 11.0 18.0
## 8 2016 5.00 8.00 21.0 16.0 14.0 17.0
## 9 2016 5.00 10.0 19.0 14.0 14.0 18.0
## 10 2016 6.00 3.00 16.0 11.0 19.0 19.0
## # ... with 721 more rowsmutate fonksiyonu sütunlar üzerinde işlem yapmaya yarar. transmute benzer bir işleve sahiptir ama select etkisi vardır, yani sadece işlem yaptığınız sütunları döndürür.
1. Venedik ve Amsterdam arasındaki sıcaklık farkını gün gün hesaplayın.
sehir_sicaklik %>%
mutate(VAfark = CEVAPBURAYA1 - CEVAPBURAYA2)## # A tibble: 731 x 8
## yil ay gun Amsterdam Londra NY Venedik VAfark
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 8.00 8.00 16.0 13.0 5.00
## 2 2015 11.0 2.00 10.0 11.0 15.0 10.0 0
## 3 2015 11.0 3.00 9.00 11.0 16.0 9.00 0
## 4 2015 11.0 4.00 12.0 11.0 17.0 10.0 -2.00
## 5 2015 11.0 5.00 13.0 13.0 18.0 12.0 -1.00
## 6 2015 11.0 6.00 16.0 14.0 21.0 13.0 -3.00
## 7 2015 11.0 7.00 16.0 14.0 17.0 14.0 -2.00
## 8 2015 11.0 8.00 12.0 12.0 11.0 13.0 1.00
## 9 2015 11.0 9.00 13.0 12.0 11.0 11.0 -2.00
## 10 2015 11.0 10.0 14.0 14.0 12.0 11.0 -3.00
## # ... with 721 more rows2. Venedik’in Amsterdam’dan gün gün daha sıcak olup olmadığını hesaplayın.
sehir_sicaklik %>%
mutate(VsicakA = CEVAPBURAYA1 > CEVAPBURAYA2)## # A tibble: 731 x 8
## yil ay gun Amsterdam Londra NY Venedik VsicakA
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <lgl>
## 1 2015 11.0 1.00 8.00 8.00 16.0 13.0 T
## 2 2015 11.0 2.00 10.0 11.0 15.0 10.0 F
## 3 2015 11.0 3.00 9.00 11.0 16.0 9.00 F
## 4 2015 11.0 4.00 12.0 11.0 17.0 10.0 F
## 5 2015 11.0 5.00 13.0 13.0 18.0 12.0 F
## 6 2015 11.0 6.00 16.0 14.0 21.0 13.0 F
## 7 2015 11.0 7.00 16.0 14.0 17.0 14.0 F
## 8 2015 11.0 8.00 12.0 12.0 11.0 13.0 T
## 9 2015 11.0 9.00 13.0 12.0 11.0 11.0 F
## 10 2015 11.0 10.0 14.0 14.0 12.0 11.0 F
## # ... with 721 more rows3. Eğer Venedik Amsterdam’dan sıcak ise “daha sicak”, değilse “daha soguk” yazın ve sadece tarih sütunları ile sıcak/soğuk bilgisini döndürün.
sehir_sicaklik %>%
transmute(yil,ay,gun,
VsicakA = ifelse(Venedik > Amsterdam,CEVAPBURAYA1, CEVAPBURAYA2))## # A tibble: 731 x 4
## yil ay gun VsicakA
## <dbl> <dbl> <dbl> <chr>
## 1 2015 11.0 1.00 daha sicak
## 2 2015 11.0 2.00 daha soguk
## 3 2015 11.0 3.00 daha soguk
## 4 2015 11.0 4.00 daha soguk
## 5 2015 11.0 5.00 daha soguk
## 6 2015 11.0 6.00 daha soguk
## 7 2015 11.0 7.00 daha soguk
## 8 2015 11.0 8.00 daha sicak
## 9 2015 11.0 9.00 daha soguk
## 10 2015 11.0 10.0 daha soguk
## # ... with 721 more rowsgroup_by ve summarise özet tablolar (diğer ismiyle pivot tablo, özellikle Excel kullanıcıları bilir) yapmanıza yarar. summarise kendi başına da kullanılabilir veya group_by gibi bir gruplama fonksiyonuyla beraber de kullanılabilir. Bu kısım aynı zamanda birden fazla zincir (%>%) kullanmaya başlayacağınız ilk zincir ifadeniz olabilir.
İpucu: Eğer gruplamayı kaldırmak istiyorsanız sona ungroup() ekleştirin.
1. Venedik ve NY şehirlerinin ortalama sıcaklıklarını hesaplayın.
Calculate the mean Sicakliks of Venedik and NY of data period.
sehir_sicaklik %>%
summarise(Venedik_ort=mean(CEVAPBURAYA1),NY_ort=CEVAPBURAYA2)## # A tibble: 1 x 2
## Venedik_ort NY_ort
## <dbl> <dbl>
## 1 14.3 14.42. Ay ay Amsterdam’ın ortalama sıcaklığını hesaplayın. Değeri 2 basamağa kadar yuvarlayın.
sehir_sicaklik %>%
group_by(CEVAPBURAYA1) %>%
summarise(Amsterdam_ort=mean(CEVAPBURAYA2))## # A tibble: 12 x 2
## ay Amsterdam_ort
## <dbl> <dbl>
## 1 1.00 3.00
## 2 2.00 4.32
## 3 3.00 6.92
## 4 4.00 8.43
## 5 5.00 14.5
## 6 6.00 17.3
## 7 7.00 18.0
## 8 8.00 17.7
## 9 9.00 16.0
## 10 10.0 11.7
## 11 11.0 7.65
## 12 12.0 6.973. Her yıl ve her ay için Amsterdam’ın NY’tan daha sıcak olduğu gün sayısını hesaplayın.
sehir_sicaklik %>%
group_by(yil,ay) %>%
summarise(AwarmerN_n=sum(CEVAPBURAYA1 > CEVAPBURAYA2))## # A tibble: 24 x 3
## # Groups: yil [?]
## yil ay AwarmerN_n
## <dbl> <dbl> <int>
## 1 2015 11.0 11
## 2 2015 12.0 12
## 3 2016 1.00 23
## 4 2016 2.00 16
## 5 2016 3.00 5
## 6 2016 4.00 10
## 7 2016 5.00 8
## 8 2016 6.00 1
## 9 2016 7.00 1
## 10 2016 8.00 0
## # ... with 14 more rows4. Londra’nın maksimum, minimum ve medyan sıcaklık değerlerini her ay ve her yıl için hesaplayın.
sehir_sicaklik %>%
group_by(yil,ay) %>%
summarise(Londra_min=CEVAPBURAYA1,Londra_medyan=median(Londra),Londra_max=CEVAPBURAYA2)## # A tibble: 24 x 5
## # Groups: yil [?]
## yil ay Londra_min Londra_medyan Londra_max
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 11.0 14.0
## 2 2015 12.0 0 10.0 14.0
## 3 2016 1.00 0 6.00 11.0
## 4 2016 2.00 1.00 4.00 12.0
## 5 2016 3.00 2.00 6.00 11.0
## 6 2016 4.00 4.00 8.00 11.0
## 7 2016 5.00 8.00 13.0 16.0
## 8 2016 6.00 11.0 16.0 19.0
## 9 2016 7.00 14.0 18.0 24.0
## 10 2016 8.00 14.0 18.0 24.0
## # ... with 14 more rowsAşağıda tidyverse veri manipülasyonu ile yapabileceğiniz bazı ileri fonksiyonlar da bulunmaktadır.
Diyelim ki arka arkaya satırların arasındaki farkı bilmek istiyorsunuz. O zaman lag ve lead fonksiyonlarını kullanabilirsiniz. Diyelim ki Amsterdam’ın önceki ve sonraki sıcaklıklara göre farklarını bulmak istiyorum.
sehir_sicaklik %>%
transmute(yil,ay,gun,Amsterdam,A_prev=lag(Amsterdam),A_next=lead(Amsterdam),
A_prev_diff=Amsterdam-A_prev,A_next_diff=Amsterdam-A_next)## # A tibble: 731 x 8
## yil ay gun Amsterdam A_prev A_next A_prev_diff A_next_diff
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 8.00 NA 10.0 NA -2.00
## 2 2015 11.0 2.00 10.0 8.00 9.00 2.00 1.00
## 3 2015 11.0 3.00 9.00 10.0 12.0 - 1.00 -3.00
## 4 2015 11.0 4.00 12.0 9.00 13.0 3.00 -1.00
## 5 2015 11.0 5.00 13.0 12.0 16.0 1.00 -3.00
## 6 2015 11.0 6.00 16.0 13.0 16.0 3.00 0
## 7 2015 11.0 7.00 16.0 16.0 12.0 0 4.00
## 8 2015 11.0 8.00 12.0 16.0 13.0 - 4.00 -1.00
## 9 2015 11.0 9.00 13.0 12.0 14.0 1.00 -1.00
## 10 2015 11.0 10.0 14.0 13.0 13.0 1.00 1.00
## # ... with 721 more rowssliceSlice fonksiyonu verilen indekslerdeki satırları döndürür.
sehir_sicaklik %>%
slice(1:3)## # A tibble: 3 x 7
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 8.00 8.00 16.0 13.0
## 2 2015 11.0 2.00 10.0 11.0 15.0 10.0
## 3 2015 11.0 3.00 9.00 11.0 16.0 9.00group_by fonksiyonu ile birlikte de kullanılabilir.
sehir_sicaklik %>%
group_by(yil) %>%
slice(1:3)## # A tibble: 9 x 7
## # Groups: yil [3]
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 8.00 8.00 16.0 13.0
## 2 2015 11.0 2.00 10.0 11.0 15.0 10.0
## 3 2015 11.0 3.00 9.00 11.0 16.0 9.00
## 4 2016 1.00 1.00 4.00 3.00 3.00 2.00
## 5 2016 1.00 2.00 6.00 10.0 2.00 0
## 6 2016 1.00 3.00 7.00 8.00 4.00 3.00
## 7 2017 1.00 1.00 1.00 7.00 7.00 2.00
## 8 2017 1.00 2.00 3.00 2.00 3.00 1.00
## 9 2017 1.00 3.00 4.00 2.00 5.00 3.00Unutmayın ki slice sadece indeks değerini verir ve bu değişebilir.
Verinizi geniş (çok sütunlu) formattan uzun (az sütun çok satırlı) formata veya tersine dönüştürmek isteyebilirsiniz. Bunlara eritme (melting) ve casting (şekillendirme) de denir. O zaman gather ve spread fonksiyonlarını kullanabilirsiniz. Başta alışması biraz zaman alır ama kolayca yapabilecek bir hale gelirsiniz.
Diyelim ki her şehrin her ayki ortalama sıcaklıklarını göreceğimiz bir özet tablo istiyoruz. Ama şehirler satırlarda ve aylar sütunlarda olsun.
# Veriyi toplayıp uzun formata çevirin
# Ama tarih sütunlarını eklemeyin
sehir_sicaklik_uzun <-
sehir_sicaklik %>%
gather(key=Sehir,value=Sicaklik,-yil,-ay,-gun)
sehir_sicaklik_uzun## # A tibble: 2,924 x 5
## yil ay gun Sehir Sicaklik
## <dbl> <dbl> <dbl> <chr> <dbl>
## 1 2015 11.0 1.00 Amsterdam 8.00
## 2 2015 11.0 2.00 Amsterdam 10.0
## 3 2015 11.0 3.00 Amsterdam 9.00
## 4 2015 11.0 4.00 Amsterdam 12.0
## 5 2015 11.0 5.00 Amsterdam 13.0
## 6 2015 11.0 6.00 Amsterdam 16.0
## 7 2015 11.0 7.00 Amsterdam 16.0
## 8 2015 11.0 8.00 Amsterdam 12.0
## 9 2015 11.0 9.00 Amsterdam 13.0
## 10 2015 11.0 10.0 Amsterdam 14.0
## # ... with 2,914 more rows# Simdi group_by ve summarise ile ortalama sicaklik degerlerini her sehir ve ay icin alalim
sehir_sicaklik_uzun %>%
group_by(ay,Sehir) %>%
summarise(temp_avg=round(mean(Sicaklik))) %>%
#Simdi aylari sutunlara dagitalim
spread(ay,temp_avg)## # A tibble: 4 x 13
## Sehir `1` `2` `3` `4` `5` `6` `7` `8` `9` `10`
## * <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Amsterdam 3.00 4.00 7.00 8.00 14.0 17.0 18.0 18.0 16.0 12.0
## 2 Londra 4.00 6.00 8.00 9.00 13.0 17.0 18.0 18.0 16.0 12.0
## 3 NY 2.00 4.00 7.00 13.0 17.0 22.0 26.0 25.0 22.0 16.0
## 4 Venedik 2.00 7.00 11.0 14.0 18.0 22.0 25.0 25.0 20.0 14.0
## `11` `12`
## * <dbl> <dbl>
## 1 8.00 7.00
## 2 9.00 8.00
## 3 11.0 7.00
## 4 9.00 5.00Ozellikle mutate ve summarise fonksiyonlarinin “all” ve “at” ekleri olan varyasyonlari bulunmaktadir.
Butun şehirlerin ortalama sıcaklıklarını hesaplayalım. Bunu iki türlü yapabiliriz. Önce şehirleri seçer ve summarise_all deriz veya summarise_at ile ilgili şehirleri seçeriz.
#Metod 1
sehir_sicaklik %>%
select(Amsterdam:Venedik) %>%
summarise_all(funs(round(mean(.))))## # A tibble: 1 x 4
## Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl>
## 1 11.0 12.0 14.0 14.0#Metod 2
sehir_sicaklik %>%
summarise_at(vars(Amsterdam:Venedik),funs(round(mean(.))))## # A tibble: 1 x 4
## Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl>
## 1 11.0 12.0 14.0 14.0mutate_at fonksiyonunu kullanarak diğer bütün şehirlerin NY şehrinden sıcaklık olarak farkını bulabiliriz.
sehir_sicaklik %>%
mutate_at(vars(Amsterdam,Londra,Venedik),funs(diff_NY=abs(NY-.))) %>%
select(-Amsterdam,-Londra,-Venedik)## # A tibble: 731 x 7
## yil ay gun NY Amsterdam_diff_NY Londra_diff_NY
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 1.00 16.0 8.00 8.00
## 2 2015 11.0 2.00 15.0 5.00 4.00
## 3 2015 11.0 3.00 16.0 7.00 5.00
## 4 2015 11.0 4.00 17.0 5.00 6.00
## 5 2015 11.0 5.00 18.0 5.00 5.00
## 6 2015 11.0 6.00 21.0 5.00 7.00
## 7 2015 11.0 7.00 17.0 1.00 3.00
## 8 2015 11.0 8.00 11.0 1.00 1.00
## 9 2015 11.0 9.00 11.0 2.00 1.00
## 10 2015 11.0 10.0 12.0 2.00 2.00
## Venedik_diff_NY
## <dbl>
## 1 3.00
## 2 5.00
## 3 7.00
## 4 7.00
## 5 6.00
## 6 8.00
## 7 3.00
## 8 2.00
## 9 0
## 10 1.00
## # ... with 721 more rowsAşağıdaki alıştırmalar öğrencilerin kendilerinin yapması için bırakılmıştır. Sonuçları tekrarlayacak kodlar yazmaya çalışın.
1. Amsterdam’ın Londra’dan daha sıcak ama Venedik’ten daha soğuk olduğu günleri getirin.
## # A tibble: 165 x 7
## yil ay gun Amsterdam Londra NY Venedik
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2015 11.0 21.0 5.00 3.00 9.00 8.00
## 2 2015 11.0 22.0 3.00 1.00 9.00 8.00
## 3 2016 1.00 13.0 4.00 3.00 - 3.00 6.00
## 4 2016 1.00 16.0 2.00 1.00 8.00 4.00
## 5 2016 2.00 3.00 5.00 4.00 11.0 8.00
## 6 2016 2.00 11.0 4.00 3.00 - 4.00 7.00
## 7 2016 2.00 12.0 2.00 1.00 - 6.00 6.00
## 8 2016 2.00 23.0 4.00 3.00 3.00 11.0
## 9 2016 2.00 24.0 2.00 1.00 9.00 10.0
## 10 2016 2.00 25.0 2.00 1.00 9.00 8.00
## # ... with 155 more rows2. Her yılın her ayı için NY’nin Amsterdam’dan sıcak olduğu günlerde NY ve Amsterdam arasındaki ortalama sıcaklık farkını hesaplayın ve 1 basamağa yuvarlayın. En yüksek farktan en düşüğe sıralayın.
## # A tibble: 24 x 3
## # Groups: yil [3]
## yil ay NYwA_diff
## <dbl> <dbl> <dbl>
## 1 2016 8.00 8.40
## 2 2016 7.00 8.10
## 3 2017 9.00 7.90
## 4 2016 4.00 7.50
## 5 2017 4.00 7.40
## 6 2017 7.00 7.30
## 7 2017 8.00 6.50
## 8 2016 11.0 6.40
## 9 2016 3.00 6.30
## 10 2016 6.00 6.00
## # ... with 14 more rows3. Her gün için en sıcak şehiri ve sıcaklık değerini döndürün.
## # A tibble: 731 x 5
## # Groups: yil, ay, gun [731]
## yil ay gun Sehir Sicaklik
## <dbl> <dbl> <dbl> <chr> <dbl>
## 1 2015 11.0 1.00 NY 16.0
## 2 2015 11.0 2.00 NY 15.0
## 3 2015 11.0 3.00 NY 16.0
## 4 2015 11.0 4.00 NY 17.0
## 5 2015 11.0 5.00 NY 18.0
## 6 2015 11.0 6.00 NY 21.0
## 7 2015 11.0 7.00 NY 17.0
## 8 2015 11.0 8.00 Venedik 13.0
## 9 2015 11.0 9.00 Amsterdam 13.0
## 10 2015 11.0 10.0 Amsterdam 14.0
## # ... with 721 more rows