ile veri bilimi 🔗 bit.ly/tidy-veri-bilimi dr. mine çetinkaya-rundel

tidyverse Tidyverse, veri bilimi için tasarlanmış R paketlerinin prensipli bir koleksiyonudur. Tüm paketler, temel bir tasarım felsefesi, dilbilgisi ve veri yapısı paylaşır.

tidyverse paketleri library(tidyverse)) ggplot2: veri görselleme dplyr: veri manipülasyonu tidyr: veri düzenleme readr: veri okuma ve yazma forcats: kategorik veri manipülasyonu stringr: dizi manipülasyonu tibble: modern data çerçeveleri purrr: fonksiyonel programlama install.packages(tidyverse)) yukarıdakiler + a birkaç paket daha

tidyverse temelleri tidy (düzenli) veri %>% ile çoklu işlemler

düzenli veri her bir değişkenin kendine ait sütunu olmalı each observation must have its own row each value must have its own cell değişkenler

her bir değişkenin kendine ait sütunu olmalı her bir gözlemin kendine ait bir satırı olmalı each value must have its own cell değişkenler gözlemler düzenli veri

her bir değişkenin kendine ait sütunu olmalı her bir gözlemin kendine ait bir satırı olmalı her bir değerin kendine ait bir hücresi olmalı değişkenler gözlemler değerler düzenli veri

düzenli olmayan veri bir sütunda birden çok deger hiyerarşik veri (JSON, XML, v.b.) …

düzenli olmayan veri “Mutlu aileler birbirlerine benzerler, her mutsuz ailenin ise kendince bir mutsuzluğu vardır.” –– Leo Tolstoy "Düzenli veri grupları birbirlerine benzerler ancak her düzensiz veri grubunun kendince bir düzensizliği vardır.” –– Hadley Wickham

tidyverse temelleri tidy (düzenli) veri %>% ile çoklu işlemler

amaç Anahtarlarımı bulmak, sonra arabamı çalıştırmak, sonra işe gitmek ve sonra arabamı park etmek istiyorum.

iç içe park_et(sür(araba_çalıştır(bul("anahtarlar")), istikamet = "iş"))

park_et(sür(araba_çalıştır(bul("anahtarlar")), istikamet = "iş")) iç içe

park_et(sür(araba_çalıştır(bul("anahtarlar")), istikamet = "iş")) iç içe

park_et(sür(araba_çalıştır(bul("anahtarlar")), istikamet = "iş")) iç içe

bul("anahtarlar") %>% start_car() %>% drive(to = "work") %>% park() pipe ile

bul("anahtarlar") %>% araba_çalıştır() %>% drive(to = "work") %>% park() pipe ile

bul("anahtarlar") %>% araba_çalıştır() %>% sür(istikamet = "iş") %>% park() pipe ile

bul("anahtarlar") %>% araba_çalıştır() %>% sür(istikamet = "iş") %>% park_et() pipe ile

örnek #1 ggplot 2 + art by @allison_horst

library(palmerpenguins) library(tidyverse) ggplot(data = penguins, aes(x = flipper_length_mm, y = body_mass_g)) + geom_point(aes(color = species, shape = species)) + labs( title = "Penguen boyutu, Palmer Station LTER", subtitle = "Adelie, Chinstrap ve Gentoo Penguenleri için palet uzunluğu ve vücut kütlesi", x = "Palet uzunluğu (mm)", y = "Kütle (g)", color = "Penguen türü", shape = "Penguen türü" ) göze hitap eden gra fi kler

bedavaya gösterge library(palmerpenguins) library(tidyverse) ggplot(data = penguins, aes(x = flipper_length_mm, y = body_mass_g)) + geom_point(aes(color = species, shape = species)) + labs( title = "Penguen boyutu, Palmer Station LTER", subtitle = "Adelie, Chinstrap ve Gentoo Penguenleri için palet uzunluğu ve vücut kütlesi", x = "Palet uzunluğu (mm)", y = "Kütle (g)", color = "Penguen türü", shape = "Penguen türü" )

istediğiniz kadar özelleştirebilirsiniz

ggplot(data = penguins, aes(x = flipper_length_mm, y = body_mass_g)) + geom_point(aes(color = species, shape = species), size = 3, alpha = 0.8) + labs( title = "Penguen boyutu, Palmer Station LTER", subtitle = "Adelie, Chinstrap ve Gentoo Penguenleri için palet uzunluğu ve vücut kütlesi", x = "Palet uzunluğu (mm)", y = "Kütle (g)", color = "Penguen türü", shape = "Penguen türü" )

ggplot(data = penguins, aes(x = flipper_length_mm, y = body_mass_g)) + geom_point(aes(color = species, shape = species), size = 3, alpha = 0.8) + labs( title = "Penguin size, Palmer Station LTER", subtitle = "Flipper length and body mass for Adelie, Chinstrap and Gentoo Penguins", x = "Flipper length (mm)", y = "Body mass (g)", color = "Penguin species", shape = "Penguin species" ) + scale_color_manual ( values = c("darkorange", "purple", "cyan4"))

ggplot(data = penguins, aes(x = flipper_length_mm, y = body_mass_g)) + geom_point(aes(color = species, shape = species), size = 3, alpha = 0.8) + labs( title = "Penguin size, Palmer Station LTER", subtitle = "Flipper length and body mass for Adelie, Chinstrap and Gentoo Penguins", x = "Flipper length (mm)", y = "Body mass (g)", color = "Penguin species", shape = "Penguin species" ) + scale_color_manual ( values = c("darkorange", "purple", "cyan4")) + theme_minimal()

ggplot(data = penguins, aes(x = flipper_length_mm, y = body_mass_g)) + geom_point(aes(color = species, shape = species), size = 3, alpha = 0.8) + labs( title = "Penguin size, Palmer Station LTER", subtitle = "Flipper length and body mass for Adelie, Chinstrap and Gentoo Penguins", x = "Flipper length (mm)", y = "Body mass (g)", color = "Penguin species", shape = "Penguin species" ) + scale_color_manual ( values = c("darkorange", "purple", “cyan4”)) + theme_minimal() + theme ( legend.position = c(0.2, 0.7) , legend.background = element_rect ( fill = "white", color = N A ) )

örnek #2 tidy r +

deney_verisi #> # A tibble: 6 x 5 #> hasta grup tansiyon_1 tansiyon_2 tansiyon_3 #> #> 1 1 deney 120/80 135/93 125/90 #> 2 2 kontrol 172/105 171/82 161/117 #> 3 3 deney 140/89 133/92 121/86 #> 4 4 kontrol 151/92 112/109 150/83 #> 5 5 deney 175/93 173/90 120/118 #> 6 6 kontrol 180/85 173/94 174/106 #> # A tibble: 18 x 5 #> hasta grup ölçüm sistolik diyastoli k #> #> 1 1 deney 1 120 8 0 #> 2 1 deney 2 135 9 3 #> 3 1 deney 3 125 9 0 #> 4 2 kontrol 1 172 10 5 #> 5 2 kontrol 2 171 8 2 #> 6 2 kontrol 3 161 11 7 #> # … with 12 more rows

deney_verisi %>% pivot_longer( cols = contains("tansiyon"), names_to = "ölçüm", names_prefix = "tansiyon_", values_to = "değer " ) #> # A tibble: 18 x 4 #> hasta grup ölçüm değer #> #> 1 1 deney 1 120/80 #> 2 1 deney 2 135/93 #> 3 1 deney 3 125/90 #> 4 2 kontrol 1 172/10 5 #> 5 2 kontrol 2 171/82 #> 6 2 kontrol 3 161/11 7 #> # … with 12 more rows deney_veris i #> # A tibble: 6 x 5 #> hasta grup tansiyon_1 tansiyon_2 tansiyon_ 3 #> #> 1 1 deney 120/80 135/93 125/90 #> 2 2 kontrol 172/105 171/82 161/117 #> 3 3 deney 140/89 133/92 121/86 #> 4 4 kontrol 151/92 112/109 150/83 #> 5 5 deney 175/93 173/90 120/118 #> 6 6 kontrol 180/85 173/94 174/106

experiment_data %>% pivot_longer( cols = contains("bp"), names_to = "measurement", names_prefix = "bp_", values_to = "value " ) %>% separate(değer, into = c("sistolik", "diyastolik"), convert = TRUE ) #> # A tibble: 18 x 5 #> hasta grup ölçüm sistolik diyastoli k #> #> 1 1 deney 1 120 8 0 #> 2 1 deney 2 135 9 3 #> 3 1 deney 3 125 9 0 #> 4 2 kontrol 1 172 10 5 #> 5 2 kontrol 2 171 8 2 #> 6 2 kontrol 3 161 11 7 #> # … with 12 more rows #> # A tibble: 18 x 4 #> patient group measurement value #> #> 1 1 treatment 1 120/80 #> 2 1 treatment 2 135/93 #> 3 1 treatment 3 125/90 #> 4 2 control 1 172/10 5 #> 5 2 control 2 171/82 #> 6 2 control 3 161/11 7 #> # … with 12 more rows

geniş ve düzenli bir ekosiste m

çoklu gra fi kler gghighlight gra fi klerde veri vurgulama ve çok daha fazlası… çoklu işlemler serilerine eklenir ggplot2 tabakalarina eklenir PDF çıktısı için güzel ve komplex tablolar veri temizliği

tidymodels ile modelleme ve makine öğrenimi

tidymodels tidyverse ilkeleri kullanarak modelleme ve makine öğrenimi için paket koleksiyonu parsnip: geniş bir model yelpazesine birleşik arayüz recipes: özellik mühendisliği için veri ön işleme araçları rsample: tahminleme ve model performansı değerlendirmesi için yeniden örnekleme tek bir veri çerçevesinde "birçok model” ile yardımcı işlevlerle metriklere kolay erişim

#rstats komünitesi ile günce l ve bağlı kalın art by @allison_horst

(iyi) soru sorun reproducible examples (tekrarlanabilir örnekler) yapın örneklerinizi olabildiğince minimal hale getirin açık bir forumda soruyorsanız (RStudio Community, Stack Over fl ow, vb.) bir pakette bulunan verileri kullanmayı deneyin

No content

No content

No content

komünite Twitter’da #rstats R Weekly haftalık haber bülteni: rweekly.org TidyTuesday: github.com/rfordatascience/tidytuesday RLadies: rladies.org + Slack useR grupları: r-consortium.org/blog/2019/09/09/r-community-explorer-r-user- groups

kaynaklar öğre n tidyverse: tidyverse.org/learn tidymodels: tidymodels.org/start referans kağıtları: rstudio.com/resources/cheatsheets (Türkçe çeviriler!) öğret: datasciencebox.org

ile veri bilimi mine-cetinkaya-rundel cetinkaya.mine@gmail.com @minebocek 🔗 bit.ly/tidy-veri-bilimi