Pipe In R: Funkciók csatlakoztatása a Dplyr segítségével

Ebből az oktatóanyagból megtudhatja, hogyan láncolhat össze függvényeket a pipe operátor használatával az R programozási nyelven.

Íme néhány az R alapvető funkciói közül:

Pipe In R: Funkciók csatlakoztatása a Dplyr segítségével

Az R-ben lévő dplyr az adatkezelés nyelvtanának tekinthető. Figyeljük meg, hogy az egyes funkciók igék, és ha együtt helyezzük el, akkor a parancs egy formáját alkotják. Mindezek a funkciók együtt működnek.

Ahogy a táblázat utolsó sorában látható, az R-ben szereplő csőkezelőt %>% jelenti , ami lehetővé teszi a funkciók összekapcsolását.

Ebből az oktatóanyagból megtudhatja, hogyan futtathat általános dplyr függvényeket, majd a pipe operátorral kapcsolhatja össze őket.

Tartalomjegyzék

A Pipe Operator használata az R-ben a kód egyszerűsítéséhez

Nyissa meg az R programot. Az üres szkriptben meg kell hívnia egy könyvtárat a tidyverse és a Lahman könyvtárak használatával.

Ebben a példában nézzük meg az egyes csapatok győzelmeit 2000 óta.

Pipe In R: Funkciók csatlakoztatása a Dplyr segítségével

A kódot többféleképpen is megírhatja.

Az első a csapatok folyamatos átcsoportosítása. Szűrnie kell a csapatokat évazonosító szerint, majd csoportazonosító szerint csoportosítania kell őket. Az átlag, min és max érték meghatározásához afunkció.

Amikor futtatja az R kódot, egy táblázatot kap, amely mutatja a csapatazonosítót, az átlagot, a min és a max.

Pipe In R: Funkciók csatlakoztatása a Dplyr segítségével

Ez a kód azonban túl sok billentyűleütést tartalmaz.

Tehát próbáljuk meg a másik módszert, hogy egy lépésben megkapjuk az eredményeket, mégpedig a csőkezelő használatával.

A cső operátor billentyűparancsa a CTRL+SHIFT+M . Ez lehetővé teszi a csapatok adatkeretének átadását a következő lépésekben.

Pipe In R: Funkciók csatlakoztatása a Dplyr segítségével

A kódhoz nem kell új csapatokat hozzárendelnie az egyes funkciókhoz. Csak a pipe operátort kell használnia az egyes funkciók között, hogy az adatkeretet a teljes kódra átvigye.

Amikor futtatja, ugyanazt az eredményt kapja, mint az előző módszernél.

Pipe In R: Funkciók csatlakoztatása a Dplyr segítségével

A csőkezelő lehetővé teszi a kód ésszerűsítését és egyszerűsítését. Ennek az operátornak a használatához azonban időbe telik, amíg megszokja. De miután megértette, hogyan működik, az R-szkript létrehozása könnyebb feladattá válik.

A kód módosítása

A csőkezelő használata megkönnyíti az R-kód módosítását is.

Például, ha további parancsokat szeretne hozzáadni, csak egy másik kódsort kell beépítenie, és a pipe operátor segítségével a meglévő kódhoz kell láncolnia.

Pipe In R: Funkciók csatlakoztatása a Dplyr segítségével

Ne feledje, hogy ez nem az eredmények objektumhoz rendelését jelenti. Csak a csapatok adatkeretét kell figyelembe venni , és ezeken a függvényeken keresztül futtatni a kimenet létrehozásához.

Az eredmények objektumhoz rendeléséhez a nyíl operátort ( <> ) kell használni.

Pipe In R: Funkciók csatlakoztatása a Dplyr segítségével

Következtetés

A pipe operátor lehetővé teszi a kód egyszerűsítését R-ben. Segít kiküszöbölni azt a folyamatot, amely miatt folyamatosan újra kell rendelni a változókat és az adatokat az R-szkriptben. Az oszloppal és a tidyverse könyvtárral együtt lehetővé teszi a felhasználók számára, hogy könnyen kezeljék az R-ben lévő adatokat.

Ez a tidyverse könyvtár használatának egyik előnye. Ez egy nagyszerű eszköz a statisztikákkal és adattudományokkal foglalkozó felhasználók számára.

Minden jót,


E-mail melléklet mentése SharePointba a Power Automate segítségével

E-mail melléklet mentése SharePointba a Power Automate segítségével

Ebből a blogból megtudhatja, hogyan mentheti automatikusan az e-mail mellékleteket a SharePointba, majd törölheti az e-maileket a Power Automate segítségével.

A Microsoft LuckyTemplates irányítópult 18 legjobb példája 2023

A Microsoft LuckyTemplates irányítópult 18 legjobb példája 2023

A Microsoft LuckyTemplates irányítópult 18 legjobb példája 2023

A Power Automate folyamatok létrehozása a semmiből

A Power Automate folyamatok létrehozása a semmiből

Ismerje meg, hogyan hozhat létre <strong>Power Automate</strong> folyamatokat a semmiből. Sablon használata helyett mi magunk hozzuk létre a kiváltó okokat és a műveleteket.

4 módszer a Pi használatára a Pythonban példákkal

4 módszer a Pi használatára a Pythonban példákkal

4 módszer a Pi használatára a Pythonban példákkal

Profit and Loss (P&L) kimutatások létrehozása a LuckyTemplates alkalmazásban

Profit and Loss (P&L) kimutatások létrehozása a LuckyTemplates alkalmazásban

Ebben az útmutatóban bemutatom, hogyan lehet Pénzügyi információk mátrixát létrehozni a Profit és veszteség (P&L) kimutatással a LuckyTemplates alkalmazásban.

Hogyan lehet dinamikusan egyesíteni az oszlopokat egy Power Query-táblázatban

Hogyan lehet dinamikusan egyesíteni az oszlopokat egy Power Query-táblázatban

Fedezze fel, hogyan lehet dinamikusan egyesíteni oszlopokat a Power Query Table.CombineColumns függvény segítségével.

SharePoint-fájlok hozzáadása a számítógéphez

SharePoint-fájlok hozzáadása a számítógéphez

Ismerje meg, hogyan adhatjuk hozzá és szinkronizálhatjuk SharePoint-fájljainkat az asztalon és a OneDrive-on.

Dátumtáblázat létrehozása a LuckyTemplates alkalmazásban

Dátumtáblázat létrehozása a LuckyTemplates alkalmazásban

Tudja meg, miért fontos egy dedikált dátumtáblázat a LuckyTemplatesben, és ismerje meg ennek leggyorsabb és leghatékonyabb módját.

LuckyTemplates mobil jelentéskészítési tippek és technikák

LuckyTemplates mobil jelentéskészítési tippek és technikák

Ez a rövid oktatóanyag kiemeli a LuckyTemplates mobil jelentési funkcióját. Megmutatom, hogyan készíthet hatékony jelentéseket mobileszközökön.

Professzionális szolgáltatáselemzési jelentések LuckyTemplatesben

Professzionális szolgáltatáselemzési jelentések LuckyTemplatesben

Ebben a LuckyTemplates bemutatóban olyan jelentéseket tekintünk át, amelyek professzionális szolgáltatáselemzést mutatnak be egy olyan cégtől, amely több szerződéssel és ügyfél-elkötelezettséggel rendelkezik.