Type & Class of R Objects

ข้อมูลที่เราได้จาก database หรือการเก็บมาเองจะมีลำดับของมาตรส่วน หรือที่เรียกว่า Level of Measurements

ใน R เราจะรู้จัก level เหล่านี้ได้ในอีกรูปแบบต่างออกไปคือ Qualitative = Factor ซึ่งส่วนใหญ่นักวิจัยหรือนักวิเคราะห์จะ key (ใส่ข้อมูลในโปรแกรม) ข้อมูลเหล่านี้เป็นตัวอักษร หรือ charactor และ Quantitative = Numeric ซึ่งเป็นเป็นตัวเลขที่มีทศนิยมหรือไม่มีก็ได้

หากย้อนกลับไปตอนเราสร้าง vector

vector1 <- c(1, 2, 3, 4, 5, 6)

vector2 <- c(0, 1, 2, 3, 4, 5)

vector3 <- c("a", "b", "c", "d", "e")

vector4 <- c(1.3, 1.2, 1.4, 1.5, 1.1)

แล้วเราเรียกชนิดและ class ของ vector นั้นๆ ขึ้นมา จะพบผลดังนี้

typeof(vector1)

## [1] "double"

typeof(vector3)

## [1] "character"

typeof(vector4)

## [1] "double"

class(vector1)

## [1] "numeric"

class(vector3)

## [1] "character"

class(vector4)

## [1] "numeric"

จะเห็นได้ว่า เมื่อใช้คำสั่ง typeof() และ class()ข้อมูลที่เป็นตัวเลขจะแสดงผลเป็น double (เลขที่ไม่มีจุดทศนิยม) และ numeric ในขณะที่ ข้อมูลที่เป็นตัวอักษรจะแสดงผลออกมาเป็น character

เพราะฉะนั้น การคีย์ข้อมูลใน R จะมี 2 ลักษณะคือเมื่อไหร่ก็ตามที่เราคีย์เป็นตัวเลข R จะจัดให้เป็น numeric และถ้าเราคีย์เป็นตัวอักษร R โดยการใส่เครื่องหมายคำพูด (quotation) "____" จะจัดให้เป็น character หากต้องการเปลี่ยนลักษณะของข้อมูลจะสามารถทำได้หลาย (มากๆ) วิธีด้วยกัน เราชอบใช้ as.________ ที่สุด (ง่ายดี)

การเปลี่ยนชนิดข้อมูลใน R

Demo นี้เราจะใช้ dataset ชื่อว่า coronavirus ที่มาจาก Package ชื่อว่า coronavirus

เนื่องจากว่า R มีนักพัฒนาใจดีทั่วโลกร่วมกันเขียน package ออกมาหลากหลาย การเรียก package ออกมาเราจะต้องทำการติดตั้ง package นั้นเสียก่อน โดยใช้ คำสั่ง install.packages("_____") ต้องมีเครื่องหมาย Quatation ด้วยนะ และเรียก package นั้นออกมาด้วยคำสั่ง library()

เนื่องจากว่า เรามีตัวแปรที่เป็นกลุ่ม (เช่น เพศ ลำดับในองค์กร พื้นที่) และข้อมูลต่อเนื่อง (เช่น มาตรวัด น้ำหนัก อายุ ส่วนสูง) เราจึงต้องจัดชนิดของข้อมูลใน R ให้เหมาะสมด้วยการเขียนคำสั่ง เช่น

#install.packages("coronavirus")
library(coronavirus)
head(coronavirus)

##         date province country     lat      long      type cases   uid iso2 iso3
## 1 2020-01-22  Alberta  Canada 53.9333 -116.5765 confirmed     0 12401   CA  CAN
## 2 2020-01-23  Alberta  Canada 53.9333 -116.5765 confirmed     0 12401   CA  CAN
## 3 2020-01-24  Alberta  Canada 53.9333 -116.5765 confirmed     0 12401   CA  CAN
## 4 2020-01-25  Alberta  Canada 53.9333 -116.5765 confirmed     0 12401   CA  CAN
## 5 2020-01-26  Alberta  Canada 53.9333 -116.5765 confirmed     0 12401   CA  CAN
## 6 2020-01-27  Alberta  Canada 53.9333 -116.5765 confirmed     0 12401   CA  CAN
##   code3    combined_key population continent_name continent_code
## 1   124 Alberta, Canada    4413146  North America             NA
## 2   124 Alberta, Canada    4413146  North America             NA
## 3   124 Alberta, Canada    4413146  North America             NA
## 4   124 Alberta, Canada    4413146  North America             NA
## 5   124 Alberta, Canada    4413146  North America             NA
## 6   124 Alberta, Canada    4413146  North America             NA

typeof(coronavirus)

## [1] "list"

class(coronavirus)

## [1] "data.frame"

dataset นี้มีลักษณะเป็น list ซ้อนกันอยู่ โดยมีข้อมูลเป็น data.frame ใน dataset นี้ มีตัวแปรแบบกลุ่มที่เห็นได้ชัดคือ country และ province ในขณะที่ตัวแปรแบบต่อเนื่องคือ จำนวน case population (ที่เหลือเดี๋ยวสนุกแล้วกลับมาเล่นได้นะ) เราจะเรียกใช้เพียง country, province, case, population เท่านั้น วิธีการด้านล่างจะเรียกว่าวิธีการ subset ซึ่งจะมีการพูดถึงในส่วนถัดไป

subset ให้เหลือแค่ country, province, case, population

Data <- coronavirus[c("date", "province", "country", "cases", "population")]
head(Data, 3)

##         date province country cases population
## 1 2020-01-22  Alberta  Canada     0    4413146
## 2 2020-01-23  Alberta  Canada     0    4413146
## 3 2020-01-24  Alberta  Canada     0    4413146

การที่เราจะดูลักษณะ (structure) ของข้อมูลในแต่ละ column เราสามารถเรียกคำสั่ง str() ออกมาให้เราดูโดยรวมได้

str(Data)

## 'data.frame':    518682 obs. of  5 variables:
##  $ date      : Date, format: "2020-01-22" "2020-01-23" ...
##  $ province  : chr  "Alberta" "Alberta" "Alberta" "Alberta" ...
##  $ country   : chr  "Canada" "Canada" "Canada" "Canada" ...
##  $ cases     : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ population: num  4413146 4413146 4413146 4413146 4413146 ...

จะเห็นได้ว่า ข้อมูลที่เรา subset มาแล้วมีจำนวน observation = 518682 และมีตัวแปร 5 ตัว คือ date (Date), province (chr), country (chr), cases (int), population (num)

ถ้าเราอยากเปลี่ยนชนิดของตัวแปร เช่น เปลี่ยน province ให้เป็น factor เราสามารถทำได้โดยการ เรียกชื่อ file และ ใช้ $ (เรียกว่า dolla sign) และชื่อ column ที่มีตัวแปรนั้นอยู่ เช่น as.factor(data$columnx)เมื่อแปลงเป็น factor เรียบร้อยแล้ว เราสามารถเรียกดูชนิดได้โดยใช้คำสั่ง is.factor()

ลองเปลี่ยนคอลลัมภ์ province ให้เป็น factor

Data$province <- as.factor(Data$province)
is.factor(Data$province)

## [1] TRUE

ถ้าเราต้องการเปลี่ยนเป็นชนิดอื่น ๆ ก็ใช้คำสั่ง as.____() R จะมี dropdown ลงมาให้ว่ามีตัวเลือกอะไรให้บ้าง เช่น as.numeric()

Happy Coding ka datastist.com