Pipe In R: Anslutningsfunktioner med Dplyr

I den här handledningen får du lära dig hur du kopplar ihop funktioner med hjälp av röroperatören i programmeringsspråket R.

Det här är några av de grundläggande funktionerna i R:

Pipe In R: Anslutningsfunktioner med Dplyr

Dplyr i R kan ses som en grammatik för datamanipulation. Lägg märke till hur varje funktion är ett verb, och när de placeras tillsammans utgör de en form av kommando. Alla dessa funktioner är tänkta att fungera tillsammans.

Som visas i den sista raden i tabellen representeras röroperatören i R av %>% vilket gör att du kan koppla ihop funktioner.

I den här handledningen lär du dig hur du kör vanliga dplyr-funktioner och sedan använder pipe-operatorn för att koppla ihop dem.

Innehållsförteckning

Använda Pipe Operator In R för att förenkla koden

Öppna R-programmet. I det tomma skriptet måste du ringa in ett bibliotek med hjälp av tidyverse- och Lahman -biblioteken.

För det här exemplet, låt oss hitta vinsterna för varje lag sedan år 2000.

Pipe In R: Anslutningsfunktioner med Dplyr

Du kan skriva koden på flera sätt.

Det första är att kontinuerligt omplacera team. Du måste filtrera team efter års-ID och sedan gruppera dem efter team-ID. För att få medelvärden, min och max måste du användafungera.

När du kör R-koden får du en tabell som visar teamID, medelvärde, min och max.

Pipe In R: Anslutningsfunktioner med Dplyr

Den här koden innehåller dock för många tangenttryckningar.

Så låt oss försöka på ett annat sätt för att få resultaten på en gång, och det är genom att använda röroperatören.

Tangentbordsgenvägen för röroperatören är CTRL+SHIFT+M . Detta låter dig skicka ditt teams dataram till nästa steg.

Pipe In R: Anslutningsfunktioner med Dplyr

För koden behöver du inte omtilldela team till varje funktion. Du behöver bara använda röroperatorn mellan varje funktion för att överföra dataramen till hela koden.

När du kör den får du samma resultat som den tidigare metoden.

Pipe In R: Anslutningsfunktioner med Dplyr

Röroperatören låter dig effektivisera och förenkla din kod. Det tar dock lite tid att vänja sig vid att använda den här operatören. Men när du väl har förstått hur det fungerar blir det en lättare uppgift att skapa ett R-skript.

Göra ändringar i koden

Att använda en röroperatör gör det också lättare att göra ändringar i din R-kod.

Om du till exempel vill lägga till fler kommandon behöver du bara infoga en annan kodrad och kedja den till den befintliga koden med hjälp av röroperatorn.

Pipe In R: Anslutningsfunktioner med Dplyr

Tänk på att detta inte är att tilldela resultaten till ett objekt. Det är bara att ta teamets dataram och köra den genom dessa funktioner för att generera en utdata.

För att tilldela resultaten till ett objekt måste du använda piloperatorn ( <> ) .

Pipe In R: Anslutningsfunktioner med Dplyr

Slutsats

Pipeoperatorn låter dig effektivisera din kod i R. Det hjälper till att eliminera processen med att kontinuerligt behöva tilldela variabler och data genom hela ditt R-skript. Tillsammans med kolumnen och i tidyverse-biblioteket gör det det möjligt för användare att enkelt manipulera data i R.

Detta är en av fördelarna med att använda tidyverse-biblioteket. Det är ett utmärkt verktyg för användare som sysslar med statistik och datavetenskap.

Med vänliga hälsningar,


Pipe In R: Anslutningsfunktioner med Dplyr

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 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.

Extrahera LuckyTemplates-teman och bilder från PBIX

Extrahera LuckyTemplates-teman och bilder från PBIX

Lär dig hur du tar isär en PBIX-fil för att extrahera LuckyTemplates-teman och bilder från bakgrunden och använda den för att skapa din rapport!

Excel Formler Fuskblad: Mellanvägledning

Excel Formler Fuskblad: Mellanvägledning

Excel Formler Fuskblad: Mellanvägledning

LuckyTemplates Kalendertabell: Vad är det och hur man använder det

LuckyTemplates Kalendertabell: Vad är det och hur man använder det

LuckyTemplates Kalendertabell: Vad är det och hur man använder det

Python i LuckyTemplates: Hur man installerar och ställer in

Python i LuckyTemplates: Hur man installerar och ställer in

Lär dig hur du installerar programmeringsspråket Python i LuckyTemplates och hur du använder dess verktyg för att skriva koder och visa bilder.

Beräkna dynamiska vinstmarginaler – enkel analys av LuckyTemplates med DAX

Beräkna dynamiska vinstmarginaler – enkel analys av LuckyTemplates med DAX

Lär dig hur du beräknar dynamiska vinstmarginaler vid sidan av LuckyTemplates och hur du kan få fler insikter genom att gräva djupare i resultaten.

Sortering av datumtabellkolumner i LuckyTemplates

Sortering av datumtabellkolumner i LuckyTemplates

Lär dig hur du sorterar fälten från en utökad datumtabells kolumner korrekt. Detta är en bra strategi att göra för svåra fält.

Hitta dina bästa produkter för varje region i LuckyTemplates med DAX

Hitta dina bästa produkter för varje region i LuckyTemplates med DAX

I den här artikeln går jag igenom hur du kan hitta dina toppprodukter per region med hjälp av DAX-beräkningar i LuckyTemplates, inklusive TOPN- och CALCULATE-funktionerna.

Skräpdimension: Vad är det och varför det är allt annat än skräp

Skräpdimension: Vad är det och varför det är allt annat än skräp

Lär dig hur du använder en skräpdimension för flaggor med låg kardinalitet som du vill infoga i din datamodell på ett effektivt sätt.