30 # EDA з використанням inspectdf

#install.packages("inspectdf")

31 Встановлення та завантаження пакету inspectdf

Мені подобається цей пакет, тому що він має багато функціональних можливостей і є надзвичайно простим у використанні. Коротко кажучи, він дозволяє зрозуміти та візуалізувати типи стовпців, розміри, значення, дисбаланс значень і розподіли, а також кореляції. Крім того, він дозволяє дуже легко виконувати будь-яку з вищезазначених функцій для окремого датафрейму або порівнювати відмінності між двома датафреймами.

library(inspectdf)
library(tidyverse)

df= read_csv('https://raw.githubusercontent.com/lgellis/STEM/master/DATA-ART-1/Data/FinalData.csv', col_names = TRUE)

Rows: 185 Columns: 17
── Column specification ────────────────────────────────────────────────────────────────────────────────────────────────
Delimiter: ","
chr (11): Gender, Horoscope, Subject, IntExt, OptPest, SpendTime1, SpendTime...
dbl  (6): ID, Grade, ScreenTime, Sleep, PhysActive, HrsHomework

ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

head(df, 10)

A tibble: 10 × 17
ID	Gender	Grade	Horoscope	Subject	IntExt	OptPest	ScreenTime	Sleep	PhysActive	HrsHomework	SpendTime1	SpendTime2	Self1	Self2	Career	Superpower
<dbl>	<chr>	<dbl>	<chr>	<chr>	<chr>	<chr>	<dbl>	<dbl>	<dbl>	<dbl>	<chr>	<chr>	<chr>	<chr>	<chr>	<chr>
1	male	4	Scorpio	Math	Extravert	Optimist	1	7	10	10	baseball	relaxing	active	competitive	professional baseball player	sonic speed
2	female	4	Capricorn	Gym	Extravert	Optimist	1	8	5	0	playing outside	swimming	kind	active	Teacher	power to grant wishes
3	male	4	Taurus	Math	Introvert	Optimist	4	9	22	1	video games	soccer	active	creative	professional soccer player	powerful kick
4	male	4	Aquarius	Math	Don't Know	Don't Know	3	9	9	1	video games	sports	active	responsible	professional hockey player	teleportaion
5	male	4	Scorpio	Gym	Don't Know	Don't Know	1	9	10	1	reading	hanging out	intellegent	strong	engineer	power to answer any question
6	male	4	Pisces	Gym	Extravert	Optimist	2	9	20	2	sports	playing with friends	funny	active	professional hockey player	fly
7	male	3	Scorpio	Art	Introvert	Optimist	1	11	4	14	watching TV	reading	joyful	lazy	artist	telekinesis
8	male	6	Taurus	Math	Extravert	Optimist	4	9	12	21	video games	playing outside	fun	confident	banker	teleportation
9	male	6	Aries	Gym	Introvert	Pessimist	6	8	4	6	video games	biking	sad	calm	computer scientist	materialize anything
10	male	6	Pisces	Math	Introvert	Don't Know	3	9	12	3	video games	dungeons and dragons	smart	tired	Teacher	manipulating physics

dim(df)

32 Створення необхідних датафреймів

Нам потрібні три датафрейми. Нам потрібен один датафрейм з повним набором даних. Ми просто перейменовуємо df на allGrades. Нам також потрібні два піднабори даних, щоб використовувати прості функції порівняння датафреймів пакету. Ми створюємо датафрейми oldGrades (6-8) та youngGrades (3-5).

allGrades <- df

oldGrades <- allGrades %>% 
  filter(Grade > 5)

youngGrades <- allGrades %>% 
  filter(Grade < 6)

ggplot(oldGrades, aes(x=Grade)) + geom_histogram()

`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

ggplot(youngGrades, aes(x=Grade)) + geom_histogram()

`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

33 Виконання функцій пакету inspectdf

Просто передайте датафрейм або два (для порівняння) і встановіть show_plot = TRUE. Вихідні дані включатимуть як tibble з сирими даними, так і візуалізацію.

33.1 1 Оцінка типів стовпців датафрейму за допомогою функції inspect_types()

33.1.1 a) Оцінка повного датафрейму: allGrades

inspect_types(allGrades) %>% show_plot()

33.1.2 b) Порівняння між youngGrades та oldGrades

inspect_types(youngGrades, oldGrades) %>% show_plot()

33.2 2 Оцінка використання пам’яті стовпцями датафрейму за допомогою функції inspect_mem()

33.2.1 a) Оцінка повного датафрейму: allGrades

inspect_mem(allGrades) %>% show_plot()

33.2.2 b) Порівняння між youngGrades та oldGrades

inspect_mem(youngGrades, oldGrades) %>% show_plot()

33.3 3 Оцінка поширеності NA в датафреймі за допомогою функції inspect_na()

33.3.1 a) Оцінка повного датафрейму: allGrades

inspect_na(allGrades) %>% show_plot()

33.3.2 b) Порівняння між youngGrades та oldGrades

inspect_na(youngGrades, oldGrades) %>% show_plot()

33.4 4 Оцінка розподілу числових стовпців за допомогою функції inspect_num()

33.4.1 a) Оцінка повного датафрейму: allGrades

inspect_num(allGrades) %>% show_plot()

33.4.2 b) Порівняння між youngGrades та oldGrades

inspect_num(youngGrades) %>% show_plot()

inspect_num(oldGrades) %>% show_plot()

33.5 5 Оцінка можливого дисбалансу категоріальних стовпців за допомогою функції inspect_imb() для виявлення факторів, які можуть бути надмірно поширеними.

33.5.1 a) Оцінка повного датафрейму: allGrades

inspect_imb(allGrades) %>% show_plot()

33.5.2 b) Порівняння між youngGrades та oldGrades

33.5.3 b) Порівняння між youngGrades та oldGrades

inspect_imb(youngGrades, oldGrades) %>% show_plot()

33.6 6 Оцінка розподілу категоріальних стовпців за допомогою функції inspect_cat()

33.6.1 a) Оцінка повного датафрейму: allGrades

inspect_cat(allGrades) %>% show_plot()

33.6.2 b) Порівняння між youngGrades та oldGrades

inspect_cat(youngGrades, oldGrades) %>% show_plot()

33.7 7 Evaluate the## 7 Оцінка кореляцій між стовпцями за допомогою функції inspect_cor()

33.7.1 a) Оцінка повного датафрейму: allGrade

inspect_cor(allGrades) %>% show_plot()

33.7.2 b) Порівняння між youngGrades та oldGrades

inspect_cor(youngGrades, oldGrades) %>% show_plot()