R_relocate()_列の並び替え_20240908

Topic（Purpose / Outcome：目的・期待される成果）
Visualization（How / Output：事実整理 / 最終ゴール）
Script Design / Summary（How：設計図・概要・論理構築）
1. Raw data / Wrangling / Feature Engineering（抽出～整形）
メモ
参考リンク

Topic（Purpose / Outcome：目的・期待される成果）

Conductor

relocateはカラムの順序を変更する

Visualization（How / Output：事実整理 / 最終ゴール）

Visualizer

今回はスキップ

Script Design / Summary（How：設計図・概要・論理構築）

Wrangler

全体像はこんな感じ

# LIBRARIES ----
library(tidyverse)
# DATA ----
mpg
# mpgとはrのデータセットの一つ。車の燃費に関するデータセット。
?mpg
# SELECT VS RELOCATE ----
# - Select is like filter() for columns
mpg %>% select(model, manufacturer, class, year)
# - Relocate is like arrange() for columns
mpg %>% relocate(model, manufacturer, class, year)
?relocate
# 1.0 RELOCATE BY COLUMN NAME ----
# - Move single column by position
mpg %>% relocate(manufacturer, .after = class) # .after = class でclassの後ろにmanufacturerを移動
?last_col
mpg %>% relocate(manufacturer, .after = last_col()) # last_col() で最後の列の後ろに移動（最後のカラム名を指定しなくてよい） # つまり最後の列に持っていく指示
mpg %>% relocate(manufacturer, .after = last_col(offset = 1)) # last_col(offset = 1) で最後の列の前に移動。2の場合は2つ前に移動。
# 2.0 RELOCATE BY DATA TYPE ----
# - Move multiple columns by data type
mpg %>% relocate(where(is.numeric)) # 数値型のカラムを最初に移動
mpg %>% relocate(where(is.character)) # 文字型のカラムを最初に移動
mpg %>% relocate(where(is.character), .after = last_col()) # 文字型のカラムを最後に移動
# 3.0 RELOCATE WITH TIDYSELECT ----
?contains
mpg %>% relocate(starts_with("m"), .before = year) # mで始まるカラムをyearの前に移動

Raw data / Wrangling / Feature Engineering（抽出～整形）

Raw data（How：生データ抽出元）

Source: https://fueleconomy.gov/

Raw data（How：生データ抽出方法）

SQL読込： –
CSV読込： –
API読込：〇（mpg）
rmarkdown:render()読込：- （.rmdのファイルをtemlate保存しておく必要あり）

Raw data（How：生データの構造 / 種類）

Extractor

元々のデータフレーム（mpg）

Wrangling (How： Loading・生データ読込)

Wrangler

# Script on Rstudio
# Tips: 読み込み先のファイルは「記載するpath名の始まり」からWorking Directoryとして設定する必要性がある。
mpg

Wrangling (How： before output、Output前のデータ構造)

Wrangler

視える化に合わせて編集

特になし。

メモ

行 (row) ：レコード、Observation
列 (column)：特徴量、変数、次元数、次元の削減（Dimensionality Reduction）: 高次元データを少ない次元に圧縮し、モデルの効率を上げるための手法。
値：data point、Feature
Wide format：クロス集計表（横持ちデータ）、Long format：縦持ちデータ
情報ソースがWEBサイト（HTMLやCSS）の場合にはどこから抽出するか、が問われるので、HTMLやCSSの知識が必要（スクレイピングを実施するにせよ）。
レンダリング（rendering）とはコンピュータがデータを処理して画像や映像、テキストなどを表示させる技術。