finish 2.

book/2_data_transformation.qmd

@@ -34,7 +34,11 @@ tibble(x = 1:100,
 
 ## Использование конвеера (пайпа)
 
-В нашем коде мы часто будем использовать знаки конвеера (или пайпа): `|>` (также можно встретить популярный ранее `%>%`). Конвеер призван показывать последовательность действий. Сочетание клавиш для написание конвеера: `Ctrl/Cmd + M`.
+В нашем коде мы часто будем использовать знаки конвеера (или пайпа): `|>` (также можно встретить популярный ранее `%>%`). Чтобы вставлять новый конвеер придется сделать изменение в настройках RStudio (Tools > Global Options > вкладвка Code):
+
+![](images/02_rstudio_pipe.png)
+
+Конвеер призван показывать последовательность действий. Сочетание клавиш для написание конвеера: `Ctrl/Cmd + Shift + M` (хотя RStudio позволяет горячие клавиши переназначить).
 
 ```{r}
 mean(sqrt(abs(sin(c(1:100, NA)))), na.rm = TRUE)
@@ -115,35 +119,6 @@ zhadina |>
   slice_sample(prop = 0.3)
 ```
 
-## Функция `select()`
-
-Функция `select()` позволяет выбрать из датасета некоторый набор столбцов.
-
-```{r}
-zhadina |> 
-  select(word_1, type, n)
-```
-
-Внутри функции `select()` можно использовать функции, которые позволяют не только перечислять через запятую необходимые столбцы, но и выделять их по имени:
-
-```{r}
-zhadina |> 
-  select(starts_with("word"))
-
-zhadina |> 
-  select(ends_with("1"))
-
-zhadina |> 
-  select(matches("ord"))
-```
-
-Кроме того, внутри функции `select()` действует оператор двоеточие, который мы видели при создании векторов `5:10`:
-
-```{r}
-zhadina |> 
-  select(word_3:n) # от колонки word_3 до колонки n
-```
-
 ## Функция `filter()`
 
 Функция `filter()` позволяет отфильтровывать строки таблицы по одному или нескольким условиям. 
@@ -237,6 +212,36 @@ zhadina |>
   arrange(word_3)
 ```
 
+## Функция `select()`
+
+Функция `select()` позволяет выбрать из датасета некоторый набор столбцов.
+
+```{r}
+zhadina |> 
+  select(word_1, type, n)
+```
+
+Внутри функции `select()` можно использовать функции, которые позволяют не только перечислять через запятую необходимые столбцы, но и выделять их по имени:
+
+```{r}
+zhadina |> 
+  select(starts_with("word"))
+
+zhadina |> 
+  select(ends_with("1"))
+
+zhadina |> 
+  select(matches("ord"))
+```
+
+Кроме того, внутри функции `select()` действует оператор двоеточие, который мы видели при создании векторов `5:10`:
+
+```{r}
+zhadina |> 
+  select(word_3:n) # от колонки word_3 до колонки n
+```
+
+
 ## Функция `mutate()`
 
 Функция `mutate()` позволяет создавать и изменять уже имеющиеся переменные:
@@ -250,34 +255,90 @@ zhadina |>
   mutate(n = n^3)
 ```
 
+## Функция `relocate()`
+
+Функция `relocate()` позволяет перемещать переменные в таблице (по умолчанию в начало):
+
+```{r}
+zhadina |> 
+  relocate(type)
+```
+
+Если хочется перемещать в какое-то другое место, то можно использовать аргументы `.after` и `.before`:
+
+```{r}
+zhadina |> 
+  relocate(n, .after =  word_3)
+
+zhadina |> 
+  relocate(n, .before =  type)
+```
+
 ## Функция `group_by() |> summarise()` и `group_by() |> mutate()`
 
+Все предыдущие операции работали со строками и столбцами таблицами. В этом разделе мы познакомимся с операцией группировки, которая позволяет разделять таблицу на группы и агрегировать информацию по этим группам. Функция `group_by()` разделяет на группы, но саму структуру и содержание таблицы не меняет, однако при печати выводится сообщение об имени группирующей переменной и сколько всего групп:
 
+```{r}
+zhadina |> 
+  group_by(type)
+```
+
+После того как мы сгруппировали можно использовать функцию `summarise()` (или ее американский вариант `summarize()`), она возвращает по одному значению на каждую группу. Например, посчитаем среднее количество встречаемости для каждого типа:
 
 ```{r}
 zhadina |> 
   group_by(type) |> 
   summarise(mean_by_type = mean(n))
+```
+
+Функций саммаризации может быть несколько:
 
+```{r}
 zhadina |> 
   group_by(type) |> 
   summarise(mean_by_type = mean(n),
             median_by_type = median(n))
+```
 
+Кроме того, важно отметить, что группировка может происходить не по одной переменной, а по нескольким.
+
+```{r}
 zhadina |> 
   group_by(type, word_3) |> 
   summarise(mean_by_type = mean(n),
             median_by_type = median(n))
+```
+
+Важно также отметить, что в функции `summarise()` с недавних пор аргумент `.by`, который является заменой функции `group_by()`:
 
+```{r}
 zhadina |> 
-  group_by(type, word_3) |> 
-  mutate(mean_by_type = mean(n),
-         median_by_type = median(n))
+  summarise(mean_by_type = mean(n),
+            median_by_type = median(n),
+            .by = c(type, word_3))
+```
+
+Кроме того, функцию `group_by()` или аргумент `.by` можно использовать в связке с функцией `mutate()`. В таком случае саммаризирующий результат будет выведен не единожды для каждой группы, а присоединен к исходной таблице в виде новой переменной. 
 
+```{r}
 zhadina |> 
   group_by(type) |> 
   mutate(mean_by_type = mean(n),
          median_by_type = median(n))
+
+zhadina |> 
+  mutate(mean_by_type = mean(n),
+         median_by_type = median(n),
+         .by = type)
+```
+
+Не так часто, но все же бывает, что в большом длинном конвеере, который совмещает в себе много действий, группировка может мешать, так что ее можно снять функцией `ungroup()`:
+
+```{r}
+zhadina |> 
+  group_by(type) |> 
+  mutate(mean_by_type = mean(n)) |> 
+  ungroup()
 ```
 
 ## Функция `across()`
@@ -388,7 +449,9 @@ zhadina |>
 
 Синтаксис функций выглядит так (`A` и `B` --- датафреймы):
 
-```
+```{r}
+#| eval: false
+
 A |> 
   ..._join(B)
 ```

book/3_data_visualization.qmd

@@ -1,6 +1,5 @@
 # Визуализация данных
 
-
 ## Зачем визуализировать данные?
 
 ### Квартет Анскомба