Pipe In R: Tilslutningsfunktioner med Dplyr

I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af røroperatøren i programmeringssproget R.

Dette er nogle af de grundlæggende funktioner i R:

Pipe In R: Tilslutningsfunktioner med Dplyr

Dplyr i R kan ses som en grammatik for datamanipulation. Læg mærke til, hvordan hver funktion er et verbum, og når de placeres sammen, udgør de en form for kommando. Alle disse funktioner er beregnet til at arbejde sammen.

Som vist i den sidste række i tabellen er røroperatøren i R repræsenteret med %>% , hvilket giver dig mulighed for at forbinde funktioner sammen.

I denne øvelse lærer du, hvordan du kører almindelige dplyr-funktioner og derefter bruger røroperatoren til at kæde dem sammen.

Indholdsfortegnelse

Brug af røroperatøren i R til at forenkle kode

Åbn R-programmet. I det tomme script skal du ringe til et bibliotek ved hjælp af tidyverse- og Lahman -bibliotekerne.

For dette eksempel, lad os finde sejrene for hvert hold siden år 2000.

Pipe In R: Tilslutningsfunktioner med Dplyr

Du kan skrive koden på flere måder.

Den første er løbende at omplacere teams. Du skal filtrere hold efter år-ID og derefter gruppere dem efter hold-id. For at få middelværdi, min og max skal du brugefungere.

Når du kører R-koden, får du en tabel, der viser teamID, middelværdi, min og maks.

Pipe In R: Tilslutningsfunktioner med Dplyr

Denne kode indeholder dog for mange tastetryk.

Så lad os prøve den anden vej for at få resultaterne på én gang, og det er ved at bruge røroperatøren.

Tastaturgenvejen for røroperatøren er CTRL+SHIFT+M . Dette giver dig mulighed for at videregive dit teams dataramme til de næste trin.

Pipe In R: Tilslutningsfunktioner med Dplyr

For koden behøver du ikke at omtildele teams til hver funktion. Du behøver kun at bruge røroperatoren mellem hver funktion for at overføre datarammen til hele koden.

Når du kører det, får du de samme resultater som den forrige metode.

Pipe In R: Tilslutningsfunktioner med Dplyr

Røroperatøren giver dig mulighed for at strømline og forenkle din kode. Det tager dog lidt tid at vænne sig til at bruge denne operatør. Men når du først har forstået, hvordan det virker, bliver det en lettere opgave at oprette et R-script.

Ændringer i koden

Brug af en røroperatør gør det også nemmere at foretage ændringer i din R-kode.

For eksempel, hvis du vil tilføje flere kommandoer, behøver du kun at inkorporere en anden kodelinje og kæde den til den eksisterende kode ved hjælp af røroperatoren.

Pipe In R: Tilslutningsfunktioner med Dplyr

Husk, at dette ikke er at tildele resultaterne til et objekt. Det tager kun teamets dataramme og kører den gennem disse funktioner for at generere et output.

For at tildele resultaterne til et objekt, skal du bruge pileoperatoren ( <> ).

Pipe In R: Tilslutningsfunktioner med Dplyr

Konklusion

Pipeoperatoren giver dig mulighed for at strømline din kode i R. Det hjælper med at eliminere processen med løbende at skulle omtildele variabler og data gennem dit R-script. Sammen med kolonnen og i tidyverse-biblioteket gør det brugere i stand til nemt at manipulere data i R.

Dette er en af ​​fordelene ved at bruge tidyverse-biblioteket. Det er et fantastisk værktøj for brugere, der beskæftiger sig med statistik og datavidenskab.

Alt det bedste,


Pipe In R: Tilslutningsfunktioner med Dplyr

Pipe In R: Tilslutningsfunktioner med Dplyr

I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.

RANKX Deep Dive: A Lucky Templates DAX-funktion

RANKX Deep Dive: A Lucky Templates DAX-funktion

RANKX fra LuckyTemplates giver dig mulighed for at returnere rangeringen af ​​et specifikt tal i hver tabelrække, der udgør en del af en liste over tal.

Udpakning af LuckyTemplates-temaer og -billeder fra PBIX

Udpakning af LuckyTemplates-temaer og -billeder fra PBIX

Lær, hvordan du adskiller en PBIX-fil for at udtrække LuckyTemplates-temaer og -billeder fra baggrunden og bruge den til at oprette din rapport!

Excel Formler Snydeark: Mellemvejledning

Excel Formler Snydeark: Mellemvejledning

Excel Formler Snydeark: Mellemvejledning

LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det

LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det

LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det

Python i LuckyTemplates: Sådan installeres og konfigureres

Python i LuckyTemplates: Sådan installeres og konfigureres

Lær, hvordan du installerer programmeringssproget Python i LuckyTemplates, og hvordan du bruger dets værktøjer til at skrive koder og vise billeder.

Beregning af dynamiske fortjenestemargener – nem analyse af LuckyTemplates med DAX

Beregning af dynamiske fortjenestemargener – nem analyse af LuckyTemplates med DAX

Lær, hvordan du beregner dynamiske fortjenstmargener ved siden af ​​LuckyTemplates, og hvordan du kan få mere indsigt ved at grave dybere ned i resultaterne.

Sortering af datotabelkolonner i LuckyTemplates

Sortering af datotabelkolonner i LuckyTemplates

Lær, hvordan du sorterer felterne fra kolonner med udvidet datotabel korrekt. Dette er en god strategi at gøre for vanskelige felter.

Find dine topprodukter for hver region i LuckyTemplates ved hjælp af DAX

Find dine topprodukter for hver region i LuckyTemplates ved hjælp af DAX

I denne artikel gennemgår jeg, hvordan du kan finde dine topprodukter pr. region ved hjælp af DAX-beregninger i LuckyTemplates, herunder funktionerne TOPN og CALCUATE.

Junk Dimension: Hvad er det, og hvorfor det er alt andet end junk

Junk Dimension: Hvad er det, og hvorfor det er alt andet end junk

Lær, hvordan du bruger en uønsket dimension til flag med lav kardinalitet, som du ønsker at inkorporere i din datamodel på en effektiv måde.