共用方式為

使用 Tidyverse

  • 發行項

Tidyverse 是資料科學家在日常資料分析中常用的 R 套件集合。 其包含資料匯入的套件 (readr)、資料視覺效果 (ggplot2)、資料操作 (dplyr、tidyr)、功能性程式設計 (purrr) 和模型建置 (tidymodels) 等。tidyverse 中的套件旨在無縫地協同運作，並遵循一組一致的設計準則。

Microsoft Fabric 會以每個執行階段版本，來散發最新的 tidyverse 穩定版本。 匯入並開始使用您熟悉的 R 套件。

必要條件

  • 開啟或建立筆記本。 若要了解操作說明，請參閱如何使用 Microsoft Fabric 筆記本。

  • 將語言選項設定為 SparkR (R)，以變更主要語言。

  • 將筆記本連結至 Lakehouse。 在左側選取 [新增] 以新增現有的 Lakehouse 或建立 Lakehouse。

載入 tidyverse

# load tidyverse
library(tidyverse)

資料匯入

readr 是一個可提供讀取矩形資料檔案工具的 R 套件，例如 CSV、TSV 和固定寬度檔案。 readr 提供快速且易記的方式來讀取矩形資料檔案，例如提供函數 read_csv() 和 read_tsv()，用於分別讀取 CSV 和 TSV 檔案。

我們先建立 R data.frame，使用 readr::write_csv() 將其寫入 Lakehouse，並使用 readr::read_csv() 讀回。

注意

若要使用 readr 存取 Lakehouse 檔案，您需要使用檔案 API 路徑。 在 Lakehouse 總管中，以滑鼠右鍵按一下您想要存取的檔案或資料夾，並從內容相關的功能表中複製其檔案 API 路徑。

# create an R data frame
set.seed(1)
stocks <- data.frame(
   time = as.Date('2009-01-01') + 0:9,
   X = rnorm(10, 20, 1),
   Y = rnorm(10, 20, 2),
   Z = rnorm(10, 20, 4)
 )
stocks

然後，我們使用檔案 API 路徑，將資料寫入 Lakehouse。

# write data to lakehouse using the File API path
temp_csv_api <- "/lakehouse/default/Files/stocks.csv"
readr::write_csv(stocks,temp_csv_api)

從 Lakehouse 讀取資料。

# read data from lakehouse using the File API path
stocks_readr <- readr::read_csv(temp_csv_api)

# show the content of the R date.frame
head(stocks_readr)

資料整理

tidyr 是一個可提供處理雜亂資料工具的 R 套件。 tidyr 中的主要函數旨在協助您將資料重塑為整潔的格式。 整潔的資料具有特定的結構，其中每個變數都是一個資料欄，而每個觀察都是一個資料列，這可讓您更輕鬆地在 R 和其他工具中使用資料。

例如，gather() 中的 tidyr 函數可用於將寬資料轉換為長資料。 以下列出了範例：

# convert the stock data into longer data
library(tidyr)
stocksL <- gather(data = stocks, key = stock, value = price, X, Y, Z)
stocksL

函數程式設計

purrr 是一個可提供完整且一致工具集來處理函數和向量的 R 套件，藉此增強 R 的功能性程式設計工具組。 開始使用 purrr 的最佳起點是 map() 函數系列，這可讓您以更簡潔且更便於閱讀的程式碼來取代許多迴圈。 以下是使用 map() 將函數套用至清單各元素的範例：

# double the stock values using purrr
library(purrr)
stocks_double = map(stocks %>% select_if(is.numeric), ~.x*2)
stocks_double

資料操作

dplyr 是一個可提供一致動詞集的 R 套件，可協助您解決最常見的資料操作問題，例如根據名稱選取變數、根據值挑選案例、將多個值減少至單一摘要，以及變更資料列的順序等。以下是部分範例：

#  pick variables based on their names using select() 
stocks_value <- stocks %>% select(X:Z)
stocks_value

# pick cases based on their values using filter()
filter(stocks_value, X >20)

# add new variables that are functions of existing variables using mutate()
library(lubridate)

stocks_wday <- stocks %>% 
    select(time:Z) %>%
    mutate(
        weekday = wday(time)
    )

stocks_wday

# change the ordering of the rows using arrange()
arrange(stocks_wday, weekday)


# reduce multiple values down to a single summary using summarise()
stocks_wday %>% 
    group_by(weekday) %>%
    summarize(meanX = mean(X), n= n())

資料視覺效果

ggplot2 是一個根據圖形文法，以宣告方式建立圖形的 R 套件。 您將提供資料，說明 ggplot2 如何將變數對應至美學、要使用哪些圖形基元，並且會處理詳細資料。 以下列出了部分範例：

# draw a chart with points and lines all in one

ggplot(stocksL, aes(x=time, y=price, colour = stock)) + 
  geom_point()+
  geom_line()

繪圖線圖表。 

# draw a boxplot

ggplot(stocksL, aes(x=time, y=price, colour = stock)) + 
  geom_boxplot()

繪圖方塊圖表。

模型建置

此 tidymodels 架構是使用 tidyverse 準則建立模型和機器學習的套件集合。 其涵蓋各種模型建置工作的核心套件清單，例如，rsample 用於訓練/測試資料集範例分割；parsnip 用於模型規格；recipes 用於資料前置處理；workflows 用於模型工作流程；tune 用於超參數微調；yardstick 用於模型評估；broom 用於整理模型輸出；以及 dials 用於管理微調參數。 您可以瀏覽 tidymodels 網站來深入了解套件。 以下是建置線性迴歸模型的範例，可根據汽車重量 (wt) 來預測每加侖英里數 (mpg)：

# look at the relationship between the miles per gallon (mpg) of a car and its weight (wt)
ggplot(mtcars, aes(wt,mpg))+
geom_point()

每加侖英里數 (mpg) 和汽車重量 (wt) 圖表。

在散佈圖中，關聯性看起來似乎是線性的，而變異數看起來則為常數。 我們來嘗試使用線性迴歸建立此模型。

library(tidymodels)

# split test and training dataset
set.seed(123)
split <- initial_split(mtcars, prop = 0.7, strata = "cyl")
train <- training(split)
test <- testing(split)


# config the linear regression model
lm_spec <- linear_reg() %>%
  set_engine("lm") %>%
  set_mode("regression")

# build the model
lm_fit <- lm_spec %>%
  fit(mpg ~ wt, data = train)

tidy(lm_fit)

套用線性迴歸模型來預測測試資料集。

# using the lm model to predict on test dataset
predictions <- predict(lm_fit, test)
predictions

我們來看看模型結果。 我們可以將模型繪製為折線圖，並將測試的有根據事實資料繪製為相同圖表上的點。 模型看起來不錯。

# draw the model as a line chart and the test data groundtruth as points 
lm_aug <- augment(lm_fit, test) 
ggplot(lm_aug, aes(x = wt, y = mpg)) +
  geom_point(size=2,color="grey70") +
  geom_abline(intercept = lm_fit$fit$coefficients[1], slope = lm_fit$fit$coefficients[2], color = "blue")

模型結果圖表。

相關內容