Arány- és gyakorisági táblázatok Excelben
Az Excel gyakorisági táblázataiban, valamint az aránytáblázatokban készültek. Nos, nézze meg, mik ezek, és mikor kell használni őket.
Az R egy népszerű programozási nyelv az adatelemzéshez, és gyakran használják adatobjektumok létrehozására és kezelésére. Az RDS (R Data Serialization) fájlok az RStudioban való mentés általános formátuma, és lehetővé teszik az objektumok állapotának megőrzését az R munkamenetek között. Az R objektum RDS-fájlként való mentése hasznos lehet munkájának másokkal való megosztásához, az elemzés replikálásához vagy egyszerűen a munkájának későbbi felhasználásra történő tárolásához.
Ebből az oktatóanyagból megtudhatja, hogyan menthet és tölthet be objektumokat RDS-fájlból R-ben. Ez a blog az objektumok importálásáról is szól.
Leírjuk az RDS-fájlok mentésének és betöltésének alapjait az R-ben. Elmagyarázzuk, hogy mik azok az RDS-fájlok és hogyan működnek, valamint végigvezetjük az R-objektum RDS-fájlként való mentésén, majd a fájl visszatöltésén. Néhány tippet és trükköt is adunk az RDS fájlokkal való hatékonyabb munkavégzéshez.
Tartalomjegyzék
A fájl előkészítése
Ehhez a bemutatóhoz a baseball-adatokat tartalmazó elemet fogjuk használni. Az alapelemzésekhez a tidyverse csomagot is használjuk .
A Lahman csomag tartalmazza a Fizetések nevű adatkészletet. A cél egy táblázat létrehozása, amely tartalmazza az évszámot, a játékos nevét, valamint az egyéni és halmozott fizetésüket.
Először rendelje hozzá a Fizetések adatkészletet a bevételekhez. Ezután szűrje ki a szükségtelen információkat az adatkészletből a select ( ) funkció segítségével. Ezután rendezze az adatokat játékosazonosító és évazonosító szerint. Az adatok további csoportosításra kerülnek a játékosazonosító szerint.
A %>% -kal jelölve egy művelet eredményeit az alatta lévő következő műveletbe lehet betáplálni.
A játékosok összesített fizetését tartalmazó új oszlop létrehozásához a mute ( ) függvényt kell használnunk a cumsum ( ) függvény mellett . A kód futtatásakor megjelenik egy táblázat az évről, a játékosról, a fizetésről és az összesített fizetésről.
Azonban nehéz azonosítani a játékosokat pusztán az azonosítószám alapján. Hozzá kell adnunk olyan oszlopokat, amelyek a játékos nevét mutatják. Ehhez használja a Select ( ) funkciót. Az alábbi kódban a left_join ( ) függvény a két tábla összekapcsolására szolgál.
Az új tábla megtekintéséhez futtassa az objektumot. A fej ( ) függvény a táblázat első sorait adja vissza.
Ha ellenőrizni szeretné az eredmény pontosságát, használhatja az egyenlőség operátort , amelyet két egyenlőségjel ( == ) jelöl .
RDS-fájl mentése R-ben
Egy objektum RDS-fájlként való mentése lehetővé teszi, hogy később dolgozzon rajta, ellentétben a CSV kiterjesztésű fájlokkal.
RDS kiterjesztésű fájl mentéséhez használja a write_rds ( ) függvényt. Láthatja, hogy a Lahmanon belüli olvasócsomaghoz tartozik.
Az argumentumban írja be az R objektum nevét és azt a helyet, ahová a fájlt menteni szeretné.
Ha új RStudio munkamenetet nyit meg, az objektumot újra megtekintheti a read_rds ( ) függvény segítségével.
Nyisson meg egy objektumot a LuckyTemplates alkalmazásban RDS-fájl használatával
Ha RDS-kiterjesztéssel rendelkező objektumot szeretne megnyitni a LuckyTemplates alkalmazásban, kattintson az Adatok lekérése lehetőségre a Kezdőlap lapon, és válassza a Továbbiak lehetőséget .
Az Adatgyűjtés varázslóban válassza az R Script lehetőséget , majd kattintson a Csatlakozás gombra .
A szövegmezőbe írja be a könyvtárcsomagot ugyanazzal a kódsorral együtt, amelyet az RDS-fájl RStudio programban való megnyitásához használt. Ezután kattintson az OK gombra .
A fájl betöltése után megnyithatja, és további módosításokat hajthat végre. Javasoljuk azonban, hogy az RStudio alkalmazásban tisztítsa meg és csiszolja át az adatokat és a táblázatot, mielőtt importálná a fájlt a LuckyTemplatesbe.
Következtetés
Az RDS-fájl kényelmes és hatékony módja az R objektumok, például adatkeretek, modellek és listák mentésének és megosztásának. Könnyen olvashatóak és írhatók, és nagyszerű alternatívát jelentenek más fájlformátumokhoz, például a CSV-hez vagy az Excelhez.
Ezenkívül az RDS fájlok megőrzik az R objektumok integritását és szerkezetét, így ideálisak adatelemzési és modellezési projektekhez. Alapvető eszközt jelentenek minden R felhasználó számára, és nagymértékben leegyszerűsíthetik az R-ben lévő adatokkal való munka folyamatát.
Minden jót,
George Mount
Jó ötlet elmenteni munkaterület képét, ha a munkamenetek hosszúak.
Ezt bármikor megteheti a save.image() funkcióval
Kép mentése()
Alapértelmezés szerint a munkaterületet egy .RData nevű fájlban tárolja. Ez biztosítja, hogy ne veszítse el az összes munkáját például a rendszer újraindítása esetén.
Az R/RStudio bezárásakor megkérdezi, hogy szeretné-e menteni a munkaterületet. Ha igent mond, az R következő indításakor ez a munkaterület betöltődik. A mentett fájl neve is .RData lesz.
Lehetőség van a munkaterület mentéséhez szükséges fájlnév megadására is:
save.image(file = "my_workspace.RData")
A munkaterület visszaállításához írja be a következőt:
load("my_work_space.RData")
Az Excel gyakorisági táblázataiban, valamint az aránytáblázatokban készültek. Nos, nézze meg, mik ezek, és mikor kell használni őket.
Ismerje meg, hogyan töltheti le és telepítheti a DAX Studio és a Tabular Editor 3 alkalmazást, és hogyan konfigurálhatja őket a LuckyTemplates és az Excel programban való használatra.
Ez a blog tartalmazza a Shape Map vizualizációt a LuckyTemplates térbeli elemzéséhez. Megmutatom, hogyan használhatja hatékonyan ezt a vizualizációt annak funkcióival és elemeivel.
Ebben az oktatóanyagban egy egyedülálló ötletet mutatok be a pénzügyi jelentésekkel kapcsolatban, amely az eredmények hozzárendelését jelenti a LuckyTemplates-en belüli táblázatsablonok előre meghatározásához.
Hozzon létre DAX-mértékeket a LuckyTemplates alkalmazásban meglévő mértékek vagy képletek használatával. Ezt nevezem mértékelágazási technikának.
Ebben a blogban fedezze fel a LuckyTemplates adatkészletet, a leghatékonyabb függvényhívást, amely M- és DAX-függvények ezreit juttatja a keze ügyébe.
A mai oktatóanyagban megosztok néhány adatmodellezési technikát a DAX-mérések jobb rendszerezéséhez a hatékonyabb munkafolyamat érdekében.
A LuckyTemplates egy nagyszerű eszköz a pénzügyi jelentésekhez. Itt található egy oktatóanyag, amely bemutatja, hogyan hozhat létre személyre szabott táblázatokat a LuckyTemplates pénzügyi irányítópultjához.
Ez az oktatóanyag megvitatja a Power Query nyelvi folyamatot, és azt, hogyan segíthet zökkenőmentes és hatékony adatjelentések létrehozásában.
Az egyik kedvenc technikámról fogok beszélni a LuckyTemplates egyéni ikonok körül, amely dinamikusan használja az egyéni ikonokat a LuckyTemplates vizualizációkban.