Veri İçe Aktarma (readr ve readxl)

MBG4181 Biyolojik Veri Analizi ve Görüntüleme - Ders4

Alper Yılmaz

2025-03-21

Veri İçe Aktarma

Bu derste

  • readr paketi
    • read_csv()
    • read_tsv()
    • read_delim()
  • readxl paketi
    • read_excel()
    • read_xlsx()
  • Veri okumanın incelikleri
    • Sütun tipleri
    • NA değerleri
    • Tarih formatları
  • URL’den veri okuma
  • Okuma + işleme örnekleri
    • Pipe | kullanımı
    • Filtreleme
    • Dönüştürme
    • Gruplama

Neden readr?

readr paketi, base R’daki read.csv() fonksiyonuna göre birçok avantaj sunar:

  1. Daha hızlı - Büyük dosyalarda fark belirgindir
  2. Daha tutarlı - Sütun tiplerini otomatik tanır
  3. Daha esnek - NA değerleri, sütun isimleri, vb özelleştirilebilir
  4. Tidyverse ile uyumlu - Pipe | ile akıcı kod yazımı

readr Paketi Temel Fonksiyonları

Fonksiyon Açıklama
read_csv() Virgülle ayrılmış değerleri (CSV) okur
read_csv2() Noktalı virgülle ayrılmış değerleri okur (Avrupa formatı)
read_tsv() Tab ile ayrılmış değerleri okur
read_delim() Belirtilen ayırıcı ile ayrılmış dosyaları okur
read_fwf() Sabit genişlikli dosyaları okur
read_table() Beyaz boşlukla ayrılmış tabloları okur
read_log() Log dosyalarını okur

Temel CSV Okuma

CSV Okuma Seçenekleri

Sütun Tipleri

readr otomatik olarak sütun tiplerini tahmin eder, ancak manuel olarak da belirtilebilir:

Fonksiyon Tip
col_logical() TRUE/FALSE
col_integer() Tam sayı
col_double() Ondalıklı sayı
col_character() Metin
col_factor() Kategorik değişken
col_date() Tarih
col_datetime() Tarih ve saat
col_time() Saat
col_skip() Sütunu atla
col_guess() Otomatik tahmin

Sütun tipleri - kısa

  • d : col_double() (for mpg, disp, drat, wt, qsec)
  • i : col_integer() (for cyl, hp, vs, am, gear, carb)

Diğer kısaltmalar:

  • c (col_character())
  • l (col_logical())
  • f (col_factor())
  • D (col_date())
  • T (col_datetime())
  • t (col_time())
  • n (integer or double, col_number())
  • _ veya - sütun atlamak için kullanılır (col_skip())

TSV Dosyası Okuma

TSV (Tab-Separated Values) dosyaları, CSV’ye benzer ancak ayırıcı olarak tab karakteri kullanır.

Özel Ayırıcı ile Dosya Okuma

Herhangi bir özel ayırıcı ile dosya okumak için read_delim() kullanabilirsiniz:

Excel Dosyaları Okuma - readxl

readxl paketi, Excel (.xls ve .xlsx) dosyalarını okumak için kullanılır.

readxl Özellikleri

readxl ile Excel dosyalarını okurken kullanabileceğiniz özellikler:

Parametre Açıklama
sheet Sayfa adı veya numarası
range Okunacak hücre aralığı (örn. “A1:C10”)
col_names Sütun isimleri var mı?
col_types Sütun tiplerini manuel belirleme
na NA olarak kabul edilecek değerler
skip Atlanacak satır sayısı
n_max Okunacak maksimum satır sayısı

Hatalı Veri İle Başa Çıkma

Gerçek dünya verileri genellikle hatalı veya eksiktir. readr bu durumlar için çözümler sunar:

Sütun Tiplerini Belirterek Çözüm

Gerçek Dünya Örneği: Genetik Veri

Genom verilerini okuyup analiz edelim:

Genom Verisi Analizi

Dosyaları Yazma

readr aynı zamanda veri setlerini dosyalara yazmak için de fonksiyonlar sunar:

Fonksiyon Açıklama
write_csv() CSV formatında yazar
write_tsv() TSV formatında yazar
write_delim() Özel ayırıcı ile yazar
write_excel_csv() Excel-uyumlu CSV yazar

Tarih ve Saat Verileri

readr, tarih ve saat verilerini otomatik olarak algılar ve dönüştürür:

Birden Fazla Dosya Okuma ve Birleştirme

bind_rows komutu ile iki farklı data frame birleştirilebilir (aynı sütunlara sahip olmaları gerekir)

Birden Fazla Dosya Okuma ve Birleştirme - purrr

purrr paketi ile tüm dosyaları okuyup birleştirelim

Not: Dosyalar başarılı şekilde okundu mu?

Alıştırma

Bu linki: https://raw.githubusercontent.com/alperyilmaz/data/refs/heads/main/hg19genes.csv kullanarak, aşağıdaki soruları cevaplayınız:

  1. en uzun gen hangisidir?
  2. her bir kromozomda kaç gen vardır?

Alıştırma 2

İnternette csv ve tsv dosyası bulunuz ve o dosyayı başarılı şekilde okuyunuz.

Özet

Öğrendiğimiz Veri Okuma Fonksiyonları

  • read_csv(), read_tsv() (readr)
  • read_excel() (readxl)
  • URL’den veri okuma
  • Sütun tiplerini belirtme
  • NA değerlerini tanımlama

Öğrendiğimiz Veri İşleme Teknikleri

  • Pipe |> ile veri işleme akışı
  • Okuma + filtreleme
  • Okuma + mutate
  • Okuma + group_by + summarize
  • Veri yazma fonksiyonları

Bir Sonraki Derste

Bir sonraki derste Tidyr paketini inceleyeceğiz:

  • Veri şekillendirme (pivot_longer, pivot_wider)
  • Veri birleştirme (joins)

İlgili derslere hazırlık için tidyr ve dplyr belgelerini inceleyiniz.