Intermediate Data Transformation

🌵 บทเรียนนี้เราจะมาเรียน functions อื่นๆของ dplyr ที่เรานิยมใช้จัดการ dataframes กันเพิ่มนะครับ รวมถึงการเขียน join dataframes สไตล์ R

เนื้อหาในพาร์ทนี้ใช้เวลาเรียนประมาณ 40-50 นาที (10 วีดีโอเหมือนเดิม) สั้น กระชับ เข้าใจง่าย ใช้งานได้จริง 😊

• เข้าใจความแตกต่างของ tibble vs. data.frame
• การสุ่มตัวอย่างด้วย sample_n()
• การ slice() ข้อมูลแถวที่ต้องการ
• สร้างตารางความถี่ด้วย count()
• เข้าใจความแตกต่างของ mutating vs. filtering joins
• การใช้งาน window functions ใน R เช่น row_number() และ rank()

01 - Tibble

🌵 tibble() vs. data.frame() ใน R เราชอบใช้ tibble มากกว่า data.frame แบบปกตินะครับ เพราะการแสดงผลจะสวยงามกว่า

Tip - ถ้าอยากจะ print tibble มากกว่า 10 แถว ให้ใช้ฟังก์ชัน print(mtcars_tibble, n=20) กำหนดจำนวนแถวที่จะ print ได้ที่ parameter n

# convert dataframe to tibble
mtcars
mtcars_tibble <- tibble(mtcars)

02 - Sample Data

🌵 sample_n() สุ่มจำนวน rows ตามที่เราต้องการ หรือ sample_frac() สุ่มเป็น % ได้ i.e. frac ย่อมาจากคำว่า fraction