Upptäck unika insikter med LuckyTemplates TOPN-funktion
Den här bloggen innehåller LuckyTemplates TOPN DAX-funktion, som gör att du kan få unika insikter från dina data, vilket hjälper dig att fatta bättre marknadsföringsbeslut.
Hur man sparar och laddar en RDS-fil i R
R är ett populärt programmeringsspråk för dataanalys, och det används ofta för att skapa och manipulera dataobjekt. RDS-filer (R Data Serialization) är ett vanligt format för att spara i RStudio, och de låter dig bevara tillståndet för ett objekt mellan R-sessioner. Att spara ditt R-objekt som en RDS-fil i R kan vara användbart för att dela ditt arbete med andra, replikera din analys eller helt enkelt lagra ditt arbete för senare användning.
I den här handledningen kommer du att lära dig hur du sparar och laddar objekt från en RDS-fil i R. Den här bloggen kommer också att ta upp hur du importerar objekt från .
Vi kommer att täcka grunderna för att spara och ladda RDS-filer i R. Vi kommer att förklara vad RDS-filer är och hur de fungerar, och vi kommer att leda dig genom processen att spara ett R-objekt som en RDS-fil och sedan ladda den filen tillbaka till R. Vi kommer också att ge några tips och tricks för att hjälpa dig att arbeta med RDS-filer mer effektivt.
Innehållsförteckning
Förbereder filen
För den här demonstrationen kommer vi att använda den som innehåller basebolldata. Vi kommer också att använda tidyverse -paketet för grundläggande analys.
Lahman-paketet innehåller en datauppsättning som heter Löner. Målet är att skapa en tabell som innehåller information om år, spelarnamn och deras individuella och ackumulerade löner.
Låt oss först tilldela lönedatauppsättningen till intäkter. Filtrera sedan bort onödig information från datamängden med hjälp av funktionen välj ( ) . Ordna sedan data genom att ordna den enligt spelar-ID och år-ID. Uppgifterna grupperas vidare enligt spelar-ID.
Den , betecknad med %>% , används för att mata in resultatet av en operation till nästa operation under den.
För att skapa en ny kolumn som innehåller spelarnas kumulativa löner måste vi använda funktionen mutera ( ) tillsammans med funktionen cumsum ( ) . När du kör koden får du en tabell med information om år, spelare, lön och ackumulerad lön.
Det är dock svårt att identifiera spelare enbart baserat på ID-nummer. Vi måste lägga till kolumner som visar spelarens namn. Gör detta genom att använda funktionen välj ( ) . I koden nedan används funktionen left_join ( ) för att sammanfoga de två tabellerna.
Kör objektet för att visa den nya tabellen. Head ( ) -funktionen används för att returnera de första raderna i en tabell.
Om du vill kontrollera resultatets riktighet kan du använda likhetsoperatorn som betecknas med två likhetstecken ( == ).
Spara en RDS-fil i R
Genom att spara ett objekt som en RDS-fil i R kan du arbeta med det senare, till skillnad från en fil med CSV-tillägg.
För att spara en fil med RDS-tillägget, använd funktionen write_rds ( ) . Du kan se att det tillhör readr-paketet inom Lahman.
I argumentet skriver du R-objektets namn och platsen där du vill spara filen.
Om du öppnar en ny RStudio-session kan du se objektet igen med funktionen read_rds ( ) .
Öppna ett objekt i LuckyTemplates med en RDS-fil i R
För att öppna ett objekt med RDS-tillägg i LuckyTemplates, klicka på alternativet Hämta data under fliken Hem och välj Mer .
I guiden Hämta data väljer du R-skript och klickar sedan på Anslut .
I textrutan skriver du bibliotekspaketet tillsammans med samma kodrad som användes för att öppna RDS-filen i RStudio. Klicka sedan på OK .
När filen har laddats kan du öppna den och göra ytterligare ändringar. Men det rekommenderas att rengöra och polera data och tabell i RStudio innan du importerar filen till LuckyTemplates.
Slutsats
En RDS-fil är ett bekvämt och effektivt sätt att spara och dela R-objekt som dataramar, modeller och listor. De kan lätt läsas och skrivas, och de är ett bra alternativ till andra filformat som CSV eller Excel.
Dessutom bibehåller RDS-filer integriteten och strukturen hos R-objekt, vilket gör dem idealiska för dataanalys och modelleringsprojekt. De är ett viktigt verktyg för alla R-användare och kan avsevärt förenkla processen att arbeta med data i R.
Med vänliga hälsningar,
George Mount
Bonus: Spara hela din arbetsyta
Det är en bra idé att spara din arbetsyta bild när dina arbetspass är långa.
Detta kan göras när som helst med funktionen save.image()
spara bild()
Som lagrar din arbetsyta till en fil med namnet .RData som standard. Detta säkerställer att du inte förlorar allt ditt arbete i händelse av omstart av systemet, till exempel.
När du stänger R/RStudio frågar den om du vill spara din arbetsyta. Om du säger ja, nästa gång du startar R kommer den arbetsytan att laddas. Den sparade filen kommer också att heta .RData.
Det är också möjligt att ange filnamnet för att spara ditt arbetsutrymme:
save.image(fil = "my_work_space.RData")
För att återställa din arbetsyta, skriv detta:
load("my_work_space.RData")
Datamodellering i LuckyTemplates med hjälp av stödtabeller
Lär dig några fantastiska analytiska tekniker som vi kan göra för datamodellering i LuckyTemplates med hjälp av DAX-stödtabeller.
Avancerad DAX för LuckyTemplates: Implementering av rankningslogik över unika insikter
Här dyker vi in i LuckyTemplates Advanced DAX och implementerar rankningslogik för att få en mycket unik insikt. Jag visar också upp måttförgrening i det här exemplet.
LuckyTemplates What-If-parameterfunktion
Den här bloggen introducerar den nya funktionen i LuckyTemplates, analysparametern What-If. Du kommer att se hur det gör allt snabbt och enkelt för din scenarioanalys.
Använd LuckyTemplates Mät förgreningar för att kontrollera om dina marginaler ökar när intäkterna växer
Lär dig hur du avgör om din intäktstillväxt är bra genom att kontrollera om dina marginaler ökade med hjälp av LuckyTemplates mäter förgrening.
LuckyTemplates parametrar via frågeredigerare
Lär dig och förstå hur du kan skapa och använda LuckyTemplates-parametrar som är en kraftfull funktion i frågeredigeraren.
Runda stapeldiagram – En visualisering för din instrumentpanel
Denna handledning kommer att diskutera hur man skapar ett runt stapeldiagram med Charticulator. Du kommer att lära dig hur du designar dem för din LuckyTemplates-rapport.
PowerApps funktioner och formler | En introduktion
Lär dig hur du använder PowerApps funktioner och formler för att förbättra funktionaliteten och ändra ett beteende i vår Power Apps canvas-app.
Pipe In R: Anslutningsfunktioner med Dplyr
I den här handledningen kommer du att lära dig hur du kopplar ihop funktioner med hjälp av dplyr-röroperatorn i programmeringsspråket R.
RANKX Deep Dive: A Lucky Templates DAX-funktion
RANKX från LuckyTemplates låter dig returnera rankningen av ett specifikt nummer i varje tabellrad som utgör en del av en lista med nummer.