R'ın Temelleri 1 : Veri Girişi

Bu çeviri serisinde R konusunda bilgi sahibi olmak isteyen giriş düzeyindeki
kullanıcıları hedef alıyorum. Yapılan çevirinin http://www.ats.ucla.edu/stat/r/notes/
adresinden ingilizcesine de ulaşabilirsiniz.

Öncelikle bilgisayarımızda istediğimiz bir yerde mydata adında bir dizin yaratalım.
Ve yarattığımız dizinin not alalım. Bu bir Windows'ta "C:/mydata" Mac veya Unix'te
"~/mydata" şeklinde bir dizin olabilir.
Ardından mydata dizinine hs0.csv, hs0_1.csv, schdat_fix.txt, hsb2.dta
ve hsb2.sav dosyalarını kaydedelim.

Artık başlamaya hazırız.

1.0 Bu bölümde kullanılan R Fonksiyonları

read.table	text dosyalarını okur
read.fwf	sabit formatlı (fixed format) text dosyalarını okur
read.dta	Stata (.dta) veri dosyalarını okur
read.spss	SPSS (.sav) veri dosyalarını okur
save	verileri R veri dosyası olarak kaydeder
load	R veri dosyasından veri okur
names	Veri tablosundaki değişken isimlerini listeler yada değiştirir.

setwd() fonksiyonu windows'taki cd komutuna benzer şekilde çalışma dizinini belirler.
getwd() fonksiyonu ise mevcut çalışma dizinin gösterir.
C:/mydata Dizinine geçmek için aşağıdaki komutları kullanmanız gerekir.

setwd("C:/mydata") # çalışma dizininizi mydata dizini olarak değiştirir
getwd() # bu komutla çalışma dizininizi kontrol edebilirsiniz
"C:/mydata"

En yaygın kullanılan ASCII veri formatlarından biri de virgülle ayrılmış değer
(comma-separated-values -csv) dosyalarıdır. Bu tip dosyalar Openoffice Excel gibi
çeşitli veritabanı programları ile oluşturulabilirler. Şimdi read.table fonksiyonunu
kullanarak mydata dizinimizdeki hs0.cvs dosyasını yükleyelim. Aşağıda ilk beş
satırı olan hs0.cvs dosyasında dikkat ederseniz ilk satırını değişken isimleri
oluşturmaktadır.

gender,id,race,ses,schtyp,prgtype,read,write,math,science,socst
0,70,4,1,1,general,57,52,41,47,57
1,121,4,2,1,vocati,68,59,53,63,61
0,86,4,3,1,general,44,33,54,58,31
0,141,4,3,1,vocati,63,44,47,53,56

Veriyi çeşitli şekillerde yükleyip görüntüleyebilirsizi.

data1 <- read.table("hs0.csv", header=T, sep=",")
attach(data1)
names(data1)
 [1] "gender" "id" "race" "ses" "schtyp" "prgtype" "read"
 [8] "write" "math" "science" "socst" 

data1[1:5, ]
 gender id race ses schtyp prgtype read write math science socst
1 0 70 4 1 1 general 57 52 41 47 57
2 1 121 4 2 1 vocati 68 59 53 63 61
3 0 86 4 3 1 general 44 33 54 58 31
4 0 141 4 3 1 vocati 63 44 47 53 56
5 0 172 4 2 1 academic 47 52 57 53 61

table(prgtype)
prgtype
academic general vocati
 105 45 50

save() ve load() fonksiyonları R veri dosyalarından veri yükleyip
kaydetmeye yaramaktadır.

save(data1,file="data1.rda")
# komutu data1 tablosunu bir R objesi (R object) olarak kaydeder

detach(data1)
rm(list=ls()) # komutu hafızadaki herşeyi temizler

table(prgtype) # komutuyla veri olup olmadığını kontrol edersek
Error in table(prgtype) : Object "prgtype" not found 
	# hafızayı temizlediğimizden hata mesajı alırız

load("data1.rda") # Şimdi R verisini hafızaya yükleyelim
attach(data1) # data1 adını verdiğimiz dataframe'e bağlayalım
data1[1:5, ]

table(prgtype)
prgtype
academic general vocati
 105 45 50

detach(data1) # işimiz bitince data1'i detach ile ayıralım
rm(list=ls()) # şimdi hafızadaki herşeyi temizleyebiliriz.

İzleyen veri kümesi hs0_1.csv veri dosyasının başlangıç bölümünü oluşturmakatadır.
Bu veri dosyası dikkat ederseniz ilk satırda değişken isimlerini içermemektedir.
Bunun yanı sıra kalın italik ile gösterilen satırda ard arda gelen
iki virgül olduğu görülür. Bu durum o alanda verinin olmadığı anlamına gelir.

0,70,4,1,1,"general",57,52,41,47,57
1,121,4,2,1,"vocati",68,59,53,63,61
0,86,4,3,1,"general",44,33,54,58,31
0,141,4,3,1,"vocati",63,44,47,53,56
0,172,4,2,1,"academic",47,52,57,53,61
0,113,4,2,1,"academic",44,52,51,63,61
0,50,3,2,1,"general",50,59,42,53,61
0,11,1,2,1,"academic",34,46,45,39,36
0,84,4,2,1,"general",63,57,54,,51
0,48,3,2,1,"academic",57,55,52,50,51
0,75,4,2,1,"vocati",60,46,51,53,61
0,60,5,2,1,"academic",57,65,51,63,61
0,95,4,3,1,"academic",73,60,71,61,71

read.table()fonksiyonu hs0_1.csv dosyasındaki verileri temp adı verilen
geçici bir data frame'e yükleyecektir. Bundan sonra örneğin istediğimiz
5 gözlemi görüntüleyerek veri girdilerinin doğru olup olmadığını kontrol edebiliriz.

temp <- read.table('hs0_1.csv', sep=",")
		# hs0_1.csv okunuyor (sütun adları yok)
names(temp) <- c("gender","id","race","ses","schtyp","prgtype",
		"read","write","math","science","socst")
		# Sütun adlarını ekleyelim 

temp[5:10, ] # şimdi 5'ten 10'a kadar gözlemleri
		listeleyerek verileri kontrol edelim
 gender id race ses schtyp prgtype read write math science socst
5 0 172 4 2 1 academic 47 52 57 53 61
6 0 113 4 2 1 academic 44 52 51 63 61
7 0 50 3 2 1 general 50 59 42 53 61
8 0 11 1 2 1 academic 34 46 45 39 36
9 0 84 4 2 1 general 63 57 54 NA 51
10 0 48 3 2 1 academic 57 55 52 50 51

read.table() fonksiyonu aynı zamanda internet üzerinden veri okumak
için de kullanılabilir.

hsb2<-read.table("http://www.ekonomist.gen.tr/belgeler/File/R/hsb2.csv",
sep=',', header=T)

hsb2[1:5,]
 id female race ses schtyp prog read write math science socst
1 70 male white low public general 57 52 41 47 57
2 121 female white middle public vocation 68 59 53 63 61
3 86 male white high public general 44 33 54 58 31
4 141 male white high public vocation 63 44 47 53 56
5 172 male white middle public academic 47 52 57 53 61

Bir diğer yaygın kullanılan ASCII data formatı fixed format'tır. Bu formatta veri
her gözlem için sabitlenmiş bir sütunda yer alır. Böyle bir veri kullanımında hangi
sütunun hangi değişkene karşılık geldiğini gösteren bir codebook kullanımı
gerektirir. Aşağıda schdat_fix.txt dosyasından bir codebook kullanılarak getirilen
veri getirilmektedir. Codebook'taki sütunlar hakkındaki bilgiler ayrı bir (sep)
argümanla kullanılır.

schdat_fix.txt veri dosyasının içeriği.

 195 094951
 26386161941
 38780081841
 479700 870
 56878163690
 66487182960
 786 069 0
 88194193921
 98979090781
 107868180801

Codebook

variable name değişken adı	column number sütun numarası
id	1-2
a1	3-4
t1	5-6
gender	7
a2	8-9
t2	10-11
tgender	12

Bu tablo (codebook) sayesinde yukarıdaki schdat_fix.txt dosyasındaki
verilerin ne anlama geldiğini görebiliriz.

Fixed format data'ları okumak için read.table() fonksiyonun yerine
read.fwf() fonksiyonunu kullanırız. İki fonksiyon arasındaki farklılıklardan
birisi de her bir verinin başladığı yeri belirten sep argümanı yerine
her bir verinin genişliğini belirten width argümanının kullanılmasıdır.
Yani uzun lafın kısası read.table() ile okursak her bir sütunun başlangıç
satırını sep argümanı ile belirtiyoruz. Yok read.fwf() fonksiyonu
kullanacaksak width argümanı ile her verinin kaç haneden oluştuğunu
belirtmemiz gerekiyor. Böylece ilk değişken olan id 2 haneli ise width
argümanının ilk değeri 2 olacaktır. width = c(2, ... ) gibi.

fixed <- read.fwf("schdat_fix.txt", width = c(2, 2, 2, 1, 2, 2, 1))
# verileri yükleyip her değişkenin genişliğini tanımlayalım
names(fixed) <- c("id", "a1", "t1", "gender", "a2", "t2", "tgender")
# değişkenleri adlandıralım

fixed # şimdi verileri kontrol edelim

 id a1 t1 gender a2 t2 tgender
1 1 95 NA 0 94 95 1
2 2 63 86 1 61 94 1
3 3 87 80 0 81 84 1
4 4 79 70 0 NA 87 0
5 5 68 78 1 63 69 0
6 6 64 87 1 82 96 0
7 7 86 NA 0 69 NA 0
8 8 81 94 1 93 92 1
9 9 89 79 0 90 78 1
10 10 78 68 1 80 80 1

Bütün bunlardan sonra bazen farklı istatistik paket programları için
(STATA, SPSS gibi) hazırlanmış verileri kullanmak da isteyebiliriz.
Bunun için.

detach()
rm(list=ls()) # hafızadaki herşeyi temizleyelim

library(foreign) # farklı datasetlerden veri okumak
		 #için gerekli "foreign" kütüphanesini yükleyelim

hstata <- read.dta(file="hsb2.dta") # stata data dosyasından
				    # okuma yapalım
attach(hstata)
table(female)
female
 male female
 91 109 

detach()
rm(list=ls()) # tekrar hafızayı temizleyelim

hspss <- read.spss(file="hsb2.sav")
		# spss data dosyasından okuma yapalım
attach(hspss)

table(PROG)
PROG
vocation academic general
 50 105 45

Tekrar Görüşmek Üzere.