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.
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:
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.
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.
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.
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.
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.
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 ( <> ) .
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,
I den här handledningen kommer du att lära dig hur du kopplar ihop funktioner med hjälp av dplyr-röroperatorn i programmeringsspråket R.
RANKX från LuckyTemplates låter dig returnera rankningen av ett specifikt nummer i varje tabellrad som utgör en del av en lista med nummer.
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
LuckyTemplates Kalendertabell: Vad är det och hur man använder det
Lär dig hur du installerar programmeringsspråket Python i LuckyTemplates och hur du använder dess verktyg för att skriva koder och visa bilder.
Lär dig hur du beräknar dynamiska vinstmarginaler vid sidan av LuckyTemplates och hur du kan få fler insikter genom att gräva djupare i resultaten.
Lär dig hur du sorterar fälten från en utökad datumtabells kolumner korrekt. Detta är en bra strategi att göra för svåra fält.
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.
Lär dig hur du använder en skräpdimension för flaggor med låg kardinalitet som du vill infoga i din datamodell på ett effektivt sätt.