R Academy · บทเรียน

การจัดข้อมูลให้เป็นระเบียบด้วย tidyr

แปลงข้อมูลที่ยุ่งเหยิงให้อยู่ในรูปแบบเป็นระเบียบเพื่ออำนวยความสะดวกในการวิเคราะห์ด้วยฟังก์ชันของ tidyr

บทเรียน 3 จาก 310 ขั้นตอน

การจัดข้อมูลให้เป็นระเบียบด้วย tidyr เป็นบทเรียน R Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 3 จากทั้งหมด 3 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน R Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส R Academy มีบทเรียนทั้งหมด 3 บทเรียน

บทนำสู่การจัดข้อมูลให้เป็นระเบียบด้วย tidyr

แพ็กเกจ tidyr ช่วยจัดข้อมูลที่ไม่เป็นระเบียบให้อยู่ในรูปแบบที่มีโครงสร้าง

การจัดข้อมูลให้เป็นระเบียบด้วย tidyr — ภาพประกอบ 1

การปรับโครงสร้างข้อมูล: แบบกว้างเป็นแบบยาว

ใช้ pivot_longer() เพื่อแปลงข้อมูลจากรูปแบบกว้างเป็นรูปแบบยาว

library(tidyr)
data <- data.frame(Name = c('Alice', 'Bob'), Jan = c(10, 15), Feb = c(20, 25))
data_long <- pivot_longer(data, cols = c('Jan', 'Feb'), names_to = 'Month', values_to = 'Score')

การปรับโครงสร้างข้อมูล: แบบยาวเป็นแบบกว้าง

ใช้ pivot_wider() เพื่อแปลงข้อมูลจากรูปแบบยาวเป็นรูปแบบกว้าง

data_wide <- pivot_wider(data_long, names_from = 'Month', values_from = 'Score')

การแยกคอลัมน์

ฟังก์ชัน separate() ใช้แบ่งคอลัมน์หนึ่งคอลัมน์ออกเป็นหลายคอลัมน์

data <- data.frame(Name = c('Alice_Smith', 'Bob_Jones'))
data_separated <- separate(data, Name, into = c('FirstName', 'LastName'), sep = '_')

การรวมคอลัมน์

ฟังก์ชัน unite() ใช้รวมหลายคอลัมน์ให้เป็นคอลัมน์เดียว

data_united <- unite(data_separated, FullName, FirstName, LastName, sep = ' ')

การจัดการค่าที่หายไป

ใช้ drop_na() เพื่อลบค่าที่หายไปออกจากชุดข้อมูล

library(dplyr)
data_clean <- data %>% drop_na()

การแทนที่ค่าที่หายไป

ใช้ replace_na() เพื่อเติมค่าที่หายไปด้วยค่าที่กำหนด

data_filled <- data %>% mutate(Score = replace_na(Score, 0))

การรวมฟังก์ชัน tidyr หลายรายการ

คุณสามารถใช้ pivot_longer(), separate() และ unite() ร่วมกันเพื่อจัดข้อมูลให้เป็นระเบียบอย่างครบถ้วน

data_tidy <- data %>% pivot_longer(cols = c('Jan', 'Feb'), names_to = 'Month', values_to = 'Score') %>% separate(Name, into = c('FirstName', 'LastName'), sep = '_') %>% unite(FullName, FirstName, LastName, sep = ' ')

สรุป

ในบทเรียนนี้ คุณได้เรียนรู้:

  • วิธีปรับโครงสร้างข้อมูลด้วย pivot_longer() และ pivot_wider()
  • วิธีแยกและรวมคอลัมน์เพื่อจัดข้อมูลให้มีโครงสร้าง
  • วิธีจัดการค่าที่หายไปด้วย drop_na() และ replace_na()
การจัดข้อมูลให้เป็นระเบียบด้วย tidyr — ภาพประกอบ 10
เริ่มต้นได้ฟรี

เรียนรู้ R ด้วย AI tutor — ฟรี

เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป

คอร์ส
43
บทเรียน
159

คำถามที่พบบ่อย

บทเรียน “การจัดข้อมูลให้เป็นระเบียบด้วย tidyr” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “การจัดข้อมูลให้เป็นระเบียบด้วย tidyr” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส R Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส R Academy มีบทเรียนทั้งหมด 3 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “การจัดข้อมูลให้เป็นระเบียบด้วย tidyr”

แปลงข้อมูลที่ยุ่งเหยิงให้อยู่ในรูปแบบเป็นระเบียบเพื่ออำนวยความสะดวกในการวิเคราะห์ด้วยฟังก์ชันของ tidyr คุณปฏิบัติ R Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน R Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน R Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 3 จากทั้งหมด 3 บทเรียน

บทเรียน “การจัดข้อมูลให้เป็นระเบียบด้วย tidyr” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน R Academy นี้ได้ไหม

ได้ บทเรียน R Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

  1. บทนำสู่ Tidyverse
  2. การจัดการข้อมูลด้วย dplyr
  3. การจัดข้อมูลให้เป็นระเบียบด้วย tidyr
← กลับไปที่ R Academy