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,

Leave a Comment

Oplev unik indsigt ved hjælp af LuckyTemplates TOPN-funktion

Oplev unik indsigt ved hjælp af LuckyTemplates TOPN-funktion

Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.

Oprettelse af en datotabel i LuckyTemplates

Oprettelse af en datotabel i LuckyTemplates

Find ud af, hvorfor det er vigtigt at have en dedikeret datotabel i LuckyTemplates, og lær den hurtigste og mest effektive måde at gøre det på.

LuckyTemplates Mobile Reporting Tips og teknikker

LuckyTemplates Mobile Reporting Tips og teknikker

Denne korte vejledning fremhæver LuckyTemplates mobilrapporteringsfunktion. Jeg vil vise dig, hvordan du kan udvikle rapporter effektivt til mobilenheder.

Professionelle serviceanalyserapporter i LuckyTemplates

Professionelle serviceanalyserapporter i LuckyTemplates

I denne LuckyTemplates Showcase gennemgår vi rapporter, der viser professionel serviceanalyse fra et firma, der har flere kontrakter og kundeengagementer.

Microsoft Power Platform-opdateringer | Microsoft Ignite 2021

Microsoft Power Platform-opdateringer | Microsoft Ignite 2021

Gå gennem de vigtigste opdateringer til Power Apps og Power Automate og deres fordele og implikationer for Microsoft Power Platform.

Almindelige SQL-funktioner: En oversigt

Almindelige SQL-funktioner: En oversigt

Opdag nogle almindelige SQL-funktioner, som vi kan bruge, såsom streng, dato og nogle avancerede funktioner til at behandle eller manipulere data.

LuckyTemplates skabelonoprettelse: Guide og tips

LuckyTemplates skabelonoprettelse: Guide og tips

I denne tutorial lærer du, hvordan du opretter din perfekte LuckyTemplates-skabelon, der er konfigureret til dine behov og præferencer.

Feltparametre og små multipler i LuckyTemplates

Feltparametre og små multipler i LuckyTemplates

I denne blog vil vi demonstrere, hvordan man lagdelte feltparametre med små multipler for at skabe utrolig nyttig indsigt og visuals.

LuckyTemplates-rangering og brugerdefineret gruppering

LuckyTemplates-rangering og brugerdefineret gruppering

I denne blog vil du lære, hvordan du bruger LuckyTemplates rangerings- og brugerdefinerede grupperingsfunktioner til at segmentere et eksempeldata og rangordne det efter kriterier.

Viser kun kumulativ total op til en bestemt dato i LuckyTemplates

Viser kun kumulativ total op til en bestemt dato i LuckyTemplates

I denne tutorial vil jeg dække en specifik teknik omkring, hvordan du kun viser Kumulativ Total op til en bestemt dato i dine visuals i LuckyTemplates.