ชนิดของข้อมูลที่เราคีย์ใน R

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()

---