So verwenden sie die across()-funktion in dplyr (3 beispiele)
Sie können die Funktion across() aus dem dplyr- Paket in R verwenden, um eine Transformation auf mehrere Spalten anzuwenden.
Es gibt unzählige Möglichkeiten, diese Funktion zu nutzen, aber die folgenden Methoden veranschaulichen einige häufige Verwendungsmöglichkeiten:
Methode 1: Wenden Sie eine Funktion auf mehrere Spalten an
#multiply values in col1 and col2 by 2 df %>% mutate(across(c(col1, col2), function (x) x*2))
Methode 2: Berechnen Sie eine zusammenfassende Statistik für mehrere Spalten
#calculate mean of col1 and col2 df %>% summarise(across(c(col1, col2), mean, na. rm = TRUE ))
Methode 3: Berechnen Sie mehrere Zusammenfassungsstatistiken für mehrere Spalten
#calculate mean and standard deviation for col1 and col2 df %>% summarise(across(c(col1, col2), list(mean=mean, sd=sd), na. rm = TRUE ))
Die folgenden Beispiele zeigen, wie jede Methode mit dem folgenden Datenrahmen verwendet wird:
#create data frame df <- data. frame (conf=c('East', 'East', 'East', 'West', 'West', 'West'), points=c(22, 25, 29, 13, 22, 30), rebounds=c(12, 10, 6, 6, 8, 11)) #view data frame df conf points rebounds 1 East 22 12 2 East 25 10 3 East 29 6 4 West 13 6 5 West 22 8 6 West 30 11
Beispiel 1: Anwenden einer Funktion auf mehrere Spalten
Der folgende Code zeigt, wie Sie die Funktion across() verwenden, um die Werte in den Spalten „ Points “ und „ Rebounds “ mit 2 zu multiplizieren:
library (dplyr)
#multiply values in points and rebounds columns by 2
df %>%
mutate(across(c(points, rebounds), function (x) x*2))
conf points rebounds
1 East 44 24
2 East 50 20
3 East 58 12
4 West 26 12
5 West 44 16
6 West 60 22
Beispiel 2: Berechnen Sie eine zusammenfassende Statistik für mehrere Spalten
Der folgende Code zeigt, wie Sie mit der across() -Funktion den Durchschnittswert der Punkte- und Rebounds -Spalten berechnen:
library (dplyr) #calculate mean value of points an rebounds columns df %>% summarise(across(c(points, rebounds), mean, na. rm = TRUE )) rebound points 1 23.5 8.833333
Beachten Sie, dass wir die Funktion is.numeric auch verwenden können, um automatisch eine zusammenfassende Statistik für alle numerischen Spalten im Datenrahmen zu berechnen:
library (dplyr) #calculate mean value for every numeric column in data frame df %>% summarise(across(where(is. numeric ), mean, na. rm = TRUE )) rebound points 1 23.5 8.833333
Beispiel 3: Berechnen Sie mehrere zusammenfassende Statistiken für mehrere Spalten
Der folgende Code zeigt, wie Sie mit der across() -Funktion den Durchschnitt und die Standardabweichung der Punkte- und Rebounds -Spalten berechnen:
library (dplyr) #calculate mean and standard deviation for points and rebounds columns df %>% summarise(across(c(points, rebounds), list(mean=mean, sd=sd), na. rm = TRUE )) points_mean points_sd rebounds_mean rebounds_sd 1 23.5 6.156298 8.833333 2.562551
Hinweis : Die vollständige Dokumentation für die across()- Funktion finden Sie hier .
Zusätzliche Ressourcen
In den folgenden Tutorials wird erläutert, wie Sie mit dplyr weitere gängige Funktionen ausführen:
So löschen Sie Zeilen mit dplyr
So ordnen Sie Zeilen mit dplyr an
So filtern Sie mit dplyr nach mehreren Bedingungen