<\/p>\n
Mit der Funktion case_when()<\/strong> aus dem dplyr-<\/a> Paket in R k\u00f6nnen neue Variablen aus vorhandenen Variablen erstellt werden.<\/span><\/p>\n Diese Funktion verwendet die folgende grundlegende Syntax:<\/span><\/p>\n Beachten Sie, dass TRUE<\/strong> einer \u201eelse\u201c-Anweisung entspricht.<\/span><\/p>\n Die folgenden Beispiele zeigen, wie Sie diese Funktion in der Praxis mit dem folgenden Datenrahmen verwenden:<\/span><\/p>\n Der folgende Code zeigt, wie eine neue Variable namens \u201eQualit\u00e4t\u201c<\/strong> erstellt wird, deren Werte aus der Punktespalte<\/strong> abgeleitet werden:<\/span><\/p>\n So hat die Funktion case_when()<\/strong> genau die Werte f\u00fcr die neue Spalte erstellt:<\/span><\/p>\n Der folgende Code zeigt, wie eine neue Variable namens \u201eQuality\u201c<\/strong> erstellt wird, deren Werte aus den Punkten<\/strong> und den Hilfsspalten<\/strong> abgeleitet werden:<\/span><\/p>\n Beachten Sie, dass wir die Funktion is.na()<\/strong> auch verwenden k\u00f6nnen, um NA-Werten explizit Zeichenfolgen zuzuweisen:<\/span><\/span><\/p>\n So ordnen Sie Zeilen in R an<\/a> Mit der Funktion case_when() aus dem dplyr- Paket in R k\u00f6nnen neue Variablen aus vorhandenen Variablen erstellt werden. Diese Funktion verwendet die folgende grundlegende Syntax: library (dplyr) df %>% mutate (new_var = case_when (var1 < 15 ~ ‚ low ‚, var2 < 25 ~ ‚ med ‚, TRUE ~ ‚ high ‚)) Beachten Sie, dass […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n library<\/span> (dplyr)\n<\/span>\ndf %>%\n mutate<\/span> (new_var = case_when<\/span> (var1 < 15 ~ ' low<\/span> ',\n var2 < 25 ~ ' med<\/span> ',\n TRUE ~ ' high<\/span> '))\n<\/strong><\/pre>\n #create data frame\n<\/span>df <- data. frame<\/span> (player = c('AJ', 'Bob', 'Chad', 'Dan', 'Eric', 'Frank'),\n position = c('G', 'F', 'F', 'G', 'C', NA),\n points = c(12, 15, 19, 22, 32, NA),\n assists = c(5, 7, 7, 12, 11, NA))\n\n#view data frame\n<\/span>df\n\n player position points assists\n1 AJ G 12 5\n2 Bob F 15 7\n3 Chad F 19 7\n4 Dan G 22 12\n5 Eric C 32 11\n6 Frank NA NA NA<\/strong><\/pre>\n Beispiel 1: Erstellen Sie eine neue Variable aus einer vorhandenen Variablen<\/strong><\/span><\/h3>\n
df %>%\nmutate<\/span> (quality = case_when<\/span> (points > 20 ~ ' high<\/span> ',\n points > 15 ~ ' med<\/span> ',\n TRUE ~ ' low<\/span> ' ))\n\n player position points assists quality\n1 AJ G 12 5 low\n2 Bob F 15 7 low\n3 Chad F 19 7 med\n4 Dan G 22 12 high\n5 Eric C 32 11 high\n6 Frank NA NA NA low\n<\/strong><\/pre>\n\n
Beispiel 2: Erstellen Sie eine neue Variable aus mehreren Variablen<\/strong><\/span><\/h3>\n
df %>%\nmutate<\/span> (quality = case_when<\/span> (points > 15 & assists > 10 ~ ' great<\/span> ',\n points > 15 & assists > 5 ~ ' good<\/span> ',\n TRUE ~ ' average<\/span> ' ))\n\n player position points assists quality\n1 AJ G 12 5 average\n2 Bob F 15 7 average\n3 Chad F 19 7 good\n4 Dan G 22 12 great\n5 Eric C 32 11 great\n6 Frank NA NA NA average\n<\/strong><\/pre>\n df %>%\nmutate<\/span> (quality = case_when<\/span> (is. na<\/span> (points) ~ ' missing<\/span> ',\n points > 15 & assists > 10 ~ ' great<\/span> ',\n points > 15 & assists > 5 ~ ' good<\/span> ',\n TRUE ~ ' average<\/span> ' ))\n\n player position points assists quality\n1 AJ G 12 5 average\n2 Bob F 15 7 average\n3 Chad F 19 7 good\n4 Dan G 22 12 great\n5 Eric C 32 11 great\n6 Frank NA NA NA missing<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So z\u00e4hlen Sie Beobachtungen pro Gruppe in R<\/a>
So filtern Sie Zeilen, die eine bestimmte Zeichenfolge in R enthalten<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"