포스팅 목차
[데이터 관리] 7. 변수 Keeping과 Dropping
1. Proc SQL
- 변수 Keeping과 Droping을 위한 PROC SQL 프로그램.
| SAS Programming |
* Select 문에서 변수 선택;
proc sql;
create table withmooc as
select id,
workshop,
gender,
q1,
q2
from BACK.mydata a;
select * from withmooc;
quit;
* 입력데이터의 변수 선택;
proc sql;
create table withmooc as
select a.*
from BACK.mydata(KEEP =id workshop gender q1 q2) a;
select * from withmooc;
quit;
* 출력 데이터의 변수 선택;
proc sql;
create table withmooc(KEEP =id workshop gender q1 q2) as
select a.*
from BACK.mydata a;
select * from withmooc;
quit;
* 입력데이터의 변수 삭제;
proc sql;
create table withmooc as
select a.*
from BACK.mydata a(DROP=q3 q4);
select * from withmooc;
quit;
| Results |
id workshop gender q1 q2
------------------------------------------
1 1 f 1 1
2 2 f 2 1
3 1 f 2 2
4 2 f 3 1
5 1 m 4 5
6 2 m 5 4
7 1 m 5 3
8 2 m 4 5
2. SAS Programming
keep 함수와 drop 함수
변수 Keeping과 Droping을 위한 SAS프로그램.
| SAS Programming |
* KEEP 구문을 사용하여 myleft 데이터 세트에 출력하기 위한 변수 선택;
DATA withmooc;
SET mydata;
KEEP id workshop gender q1 q2;
RUN;
DATA withmooc;
SET mydata(KEEP =id workshop gender q1 q2);
RUN;
DATA withmooc(KEEP =id workshop gender q1 q2);
SET mydata;
RUN;
proc print;run;
* DROP 구문을 사용하여 변수 삭제;
DATA withmooc;
SET mydata;
DROP q3 q4;
RUN;
| Results |
OBS id workshop gender q1 q2
1 1 1 f 1 1
2 2 2 f 2 1
3 3 1 f 2 2
4 4 2 f 3 1
5 5 1 m 4 5
6 6 2 m 5 4
7 7 1 m 5 3
8 8 2 m 4 5
3. SPSS
delete 함수
변수 Keeping과 Droping을 위한 SPSS 프로그램.;
| SPSS Programming |
GET FILE='C:\mydata.sav'.
DELETE VARIABLES q3 to q4.
SAVE OUTFILE='C:\myleft.sav'.
EXECUTE.
4. R Programming (R-PROJECT)
| R Programming |
from rpy2.robjects import r
%load_ext rpy2.ipython
| Results |
The rpy2.ipython extension is already loaded. To reload it, use:
%reload_ext rpy2.ipython
| R Programming |
%%R
library(tidyverse)
load(file="C:/work/data/mydata.Rdata")
withmooc = mydata
attach(withmooc) # mydata를 기본 데이터 세트로 지정.
withmooc
| Results |
R[write to console]: The following objects are masked from withmooc (pos = 3):
gender, q1, q2, q3, q4, workshop
workshop gender q1 q2 q3 q4
1 1 f 1 1 5 1
2 2 f 2 1 4 1
3 1 f 2 2 4 3
4 2 f 3 1 NA 3
5 1 m 4 5 2 4
6 2 m 5 4 5 5
7 1 m 5 3 4 4
8 2 m 4 5 5 5
- 변수 Keeping 과 Droping을 위한 R-Project 프로그램.;
| R Programming |
%%R
# 원본 데이터 보호를 위해서 데이터 복사.
mysubset<-withmooc
# q3 과 q4 변수 삭제.
mysubset$q3 <- mysubset$q4 <- NULL
mysubset
| Results |
workshop gender q1 q2
1 1 f 1 1
2 2 f 2 1
3 1 f 2 2
4 2 f 3 1
5 1 m 4 5
6 2 m 5 4
7 1 m 5 3
8 2 m 4 5
5. R - Tidyverse
| R Programming |
from rpy2.robjects import r
%load_ext rpy2.ipython
| Results |
The rpy2.ipython extension is already loaded. To reload it, use:
%reload_ext rpy2.ipython
| R Programming |
%%R
library(tidyverse)
load(file="C:/work/data/mydata.Rdata")
withmooc = mydata
attach(withmooc) # mydata를 기본 데이터 세트로 지정.
withmooc
| Results |
R[write to console]: The following objects are masked from withmooc (pos = 3):
gender, q1, q2, q3, q4, workshop
R[write to console]: The following objects are masked from withmooc (pos = 4):
gender, q1, q2, q3, q4, workshop
workshop gender q1 q2 q3 q4
1 1 f 1 1 5 1
2 2 f 2 1 4 1
3 1 f 2 2 4 3
4 2 f 3 1 NA 3
5 1 m 4 5 2 4
6 2 m 5 4 5 5
7 1 m 5 3 4 4
8 2 m 4 5 5 5
select() 함수
| R Programming |
%%R
withmooc %>%
dplyr::select(q1,q2,q3,q4)
| Results |
q1 q2 q3 q4
1 1 1 5 1
2 2 1 4 1
3 2 2 4 3
4 3 1 NA 3
5 4 5 2 4
6 5 4 5 5
7 5 3 4 4
8 4 5 5 5
| R Programming |
%%R
withmooc %>%
dplyr::select(-q3,-q4)
| Results |
workshop gender q1 q2
1 1 f 1 1
2 2 f 2 1
3 1 f 2 2
4 2 f 3 1
5 1 m 4 5
6 2 m 5 4
7 1 m 5 3
8 2 m 4 5
| R Programming |
%%R
withmooc = mydata
withmooc %>%
dplyr::select(-(5:6))
| Results |
workshop gender q1 q2
1 1 f 1 1
2 2 f 2 1
3 1 f 2 2
4 2 f 3 1
5 1 m 4 5
6 2 m 5 4
7 1 m 5 3
8 2 m 4 5
6. Python - Pandas
| Python Programming |
import pandas as pd
import numpy as np
import sweetviz as sv
mydata = pd.read_csv("C:/work/data/mydata.csv",sep=",",
dtype={'id':object,'workshop':object,
'q1':int, 'q2':int, 'q3':float, 'q4':int},
na_values=['NaN'],skipinitialspace =True)
withmooc= mydata.copy()
withmooc
| Results |
id workshop gender q1 q2 q3 q4
0 1 1 f 1 1 5.0 1
1 2 2 f 2 1 4.0 1
2 3 1 f 2 2 4.0 3
3 4 2 f 3 1 NaN 3
4 5 1 m 4 5 2.0 4
5 6 2 m 5 4 5.0 5
6 7 1 m 5 3 4.0 4
7 8 2 m 4 5 5.0 5변수 Keeping 과 Droping을 위한 Pandas프로그램
- del 함수
Del함수를 이용하여 q3와 q4변수를 삭제
| hon Programming |
del withmooc['q3']
del withmooc['q4']
withmooc
| Results |
id workshop gender q1 q2
0 1 1 f 1 1
1 2 2 f 2 1
2 3 1 f 2 2
3 4 2 f 3 1
4 5 1 m 4 5
5 6 2 m 5 4
6 7 1 m 5 3
7 8 2 m 4 5
- pop 함수
Pop함수를 이용하여 q3와 q4변수를 삭제.
| Python Programming |
withmooc= mydata.copy()
withmooc
mydata_q3 = withmooc.pop('q3') # 삭제된 데이터를 별도로 반환하여 저장 가능
# mydata1.pop('guys')
print(mydata_q3)
mydata_q4 = withmooc.pop('q4') # 삭제된 데이터를 별도로 반환하여 저장 가능
# mydata1.pop('gals')
print(mydata_q4)
withmooc
| Results |
0 5.0
1 4.0
2 4.0
3 NaN
4 2.0
5 5.0
6 4.0
7 5.0
Name: q3, dtype: float64
0 1
1 1
2 3
3 3
4 4
5 5
6 4
7 5
Name: q4, dtype: int32
| Results |
id workshop gender q1 q2
0 1 1 f 1 1
1 2 2 f 2 1
2 3 1 f 2 2
3 4 2 f 3 1
4 5 1 m 4 5
5 6 2 m 5 4
6 7 1 m 5 3
7 8 2 m 4 5
- Drop 구문
| Python Programming |
withmooc= mydata.copy()
withmooc
withmooc.drop(['q3','q4'], axis='columns', inplace=True)
withmooc
| Results |
id workshop gender q1 q2
0 1 1 f 1 1
1 2 2 f 2 1
2 3 1 f 2 2
3 4 2 f 3 1
4 5 1 m 4 5
5 6 2 m 5 4
6 7 1 m 5 3
7 8 2 m 4 5
| Python Programming |
withmooc= mydata.copy()
withmooc
withmooc = withmooc.drop(['q3','q4'], axis=1)
withmooc
| Results |
id workshop gender q1 q2
0 1 1 f 1 1
1 2 2 f 2 1
2 3 1 f 2 2
3 4 2 f 3 1
4 5 1 m 4 5
5 6 2 m 5 4
6 7 1 m 5 3
7 8 2 m 4 5- 열 번호 지정하여 drop 사용하기
| Python Programming |
withmooc= mydata.copy()
withmooc
withmooc.drop(withmooc.columns[[5, 6]], axis='columns', inplace=True)
withmooc
| Results |
id workshop gender q1 q2
0 1 1 f 1 1
1 2 2 f 2 1
2 3 1 f 2 2
3 4 2 f 3 1
4 5 1 m 4 5
5 6 2 m 5 4
6 7 1 m 5 3
7 8 2 m 4 5
7. Python - dfply
| Python Programming |
import pandas as pd
from dfply import *
mydata = pd.read_csv("c:/work/data/mydata.csv",sep=",",
dtype={'id':object,'workshop':object,
'q1':int, 'q2':int, 'q3':float, 'q4':int},
na_values=['NaN'],skipinitialspace =True)
withmooc= mydata.copy()
# 모든 변수 선택하기.
withmooc
| Results |
id workshop gender q1 q2 q3 q4
0 1 1 f 1 1 5.0 1
1 2 2 f 2 1 4.0 1
2 3 1 f 2 2 4.0 3
3 4 2 f 3 1 NaN 3
4 5 1 m 4 5 2.0 4
5 6 2 m 5 4 5.0 5
6 7 1 m 5 3 4.0 4
7 8 2 m 4 5 5.0 5
| Python Programming |
withmooc >> select(~X.q3,~X.q4)
| Results |
id workshop gender q1 q2
0 1 1 f 1 1
1 2 2 f 2 1
2 3 1 f 2 2
3 4 2 f 3 1
4 5 1 m 4 5
5 6 2 m 5 4
6 7 1 m 5 3
7 8 2 m 4 5
- drop() 함수
| Python Programming |
withmooc= mydata.copy()
# 모든 변수 선택하기.
withmooc
withmooc >> drop(X.q3,X.q4)
| Results |
id workshop gender q1 q2
0 1 1 f 1 1
1 2 2 f 2 1
2 3 1 f 2 2
3 4 2 f 3 1
4 5 1 m 4 5
5 6 2 m 5 4
6 7 1 m 5 3
7 8 2 m 4 5
| 통계프로그램 비교 목록(Proc sql, SAS, SPSS, R 프로그래밍, R Tidyverse, Python Pandas, Python Dfply) |
| [Oracle, Pandas, R Prog, Dplyr, Sqldf, Pandasql, Data.Table] 오라클 함수와 R & Python 비교 사전 목록 링크 |
| [SQL, Pandas, R Prog, Dplyr, SQLDF, PANDASQL, DATA.TABLE] SQL EMP 예제로 만나는 테이블 데이터 처리 방법 리스트 링크 |
반응형
'통계프로그램 비교 시리즈 > 데이터 전처리 비교' 카테고리의 다른 글
| [데이터 관리] 9. Stacking & Concatenating & Adding Data Sets (0) | 2022.01.14 |
|---|---|
| [데이터 관리] 8. By 또는 Split 파일 프로세싱 (0) | 2022.01.11 |
| [데이터 관리] 6. 관측값 포맷팅 & 관측값 일괄 변경하기 (0) | 2022.01.10 |
| 통계프로그램 비교 시리즈 – [데이터 관리] 5. 변수명 변경(Rename) (0) | 2022.01.10 |
| 통계프로그램 비교 시리즈 – [데이터 관리] 4. 다중 조건에 의한 변환 (0) | 2022.01.10 |
댓글