<\/p>\n
Sie k\u00f6nnen eine der folgenden Methoden verwenden, um die Anzahl unterschiedlicher Werte in einem R-Datenrahmen mit der Funktion n_distinct()<\/strong> von dplyr<\/a> zu z\u00e4hlen:<\/span><\/p>\n Methode 1: Z\u00e4hlen Sie unterschiedliche Werte in einer Spalte<\/strong><\/span><\/p>\n Methode 2: Z\u00e4hlen Sie unterschiedliche Werte in allen Spalten<\/strong><\/span><\/p>\n Methode 3: Z\u00e4hlen Sie unterschiedliche Werte nach Gruppe<\/strong><\/span><\/p>\n Die folgenden Beispiele zeigen, wie jede dieser Methoden in der Praxis mit dem folgenden Datenrahmen verwendet wird:<\/span><\/p>\n Der folgende Code zeigt, wie man mit n_distinct()<\/strong> die Anzahl der unterschiedlichen Werte in der Spalte \u201eTeam\u201c z\u00e4hlt:<\/span><\/p>\n In der Spalte \u201eTeam\u201c gibt es zwei<\/strong> unterschiedliche Werte.<\/span><\/p>\n Der folgende Code zeigt, wie die Funktionen sapply()<\/strong> und n_distinct()<\/strong> verwendet werden, um die Anzahl der unterschiedlichen Werte in jeder Spalte des Datenrahmens zu z\u00e4hlen:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Der folgende Code zeigt, wie die Funktion n_distinct()<\/strong> verwendet wird, um die Anzahl der unterschiedlichen Werte pro Gruppe zu z\u00e4hlen:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n In den folgenden Tutorials wird erkl\u00e4rt, wie Sie andere h\u00e4ufige Vorg\u00e4nge mit dplyr ausf\u00fchren:<\/span><\/p>\n So kodieren Sie Werte mit dplyr neu<\/a> Sie k\u00f6nnen eine der folgenden Methoden verwenden, um die Anzahl unterschiedlicher Werte in einem R-Datenrahmen mit der Funktion n_distinct() von dplyr zu z\u00e4hlen: Methode 1: Z\u00e4hlen Sie unterschiedliche Werte in einer Spalte n_distinct(df$column_name) Methode 2: Z\u00e4hlen Sie unterschiedliche Werte in allen Spalten sapply(df, function (x) n_distinct(x)) Methode 3: Z\u00e4hlen Sie unterschiedliche Werte nach Gruppe df […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n n_distinct(df$column_name)\n<\/strong><\/pre>\n
sapply(df, function<\/span> (x) n_distinct(x))<\/strong><\/pre>\n df %>%<\/span><\/strong>\ngroup_by<\/span> (grouping_column) %>%<\/span><\/strong>\nsummarize<\/span> (count_distinct = n_distinct(values_column))<\/span><\/strong><\/pre>\n library<\/span> (dplyr)\n\n#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),\n points=c(6, 6, 8, 10, 9, 9, 12, 12),\n assists=c(3, 6, 4, 2, 4, 5, 5, 9))\n\n#view data frame<\/span>\ndf\n\n team points assists\n1 to 6 3\n2 to 6 6\n3 to 8 4\n4 to 10 2\n5 B 9 4\n6 B 9 5\n7 B 12 5\n8 B 12 9\n<\/span><\/strong><\/pre>\n Methode 1: Z\u00e4hlen Sie unterschiedliche Werte in einer Spalte<\/strong><\/span><\/h3>\n
#count distinct values in 'team' column\nn_distinct(df$team)\n\n[1] 2\n<\/span><\/span><\/strong><\/pre>\n Methode 2: Z\u00e4hlen Sie unterschiedliche Werte in allen Spalten<\/strong><\/span><\/h3>\n
#count distinct values in every column<\/span>\nsapply(df, function<\/span> (x) n_distinct(x))<\/span>\n\n team points assists \n 2 5 6<\/span><\/span><\/strong><\/pre>\n\n
Methode 3: Z\u00e4hlen Sie unterschiedliche Werte nach Gruppe<\/strong><\/span><\/h3>\n
#count distinct 'points' values by 'team'\n<\/span>df %>%\n group_by<\/span> (team) %>%\n summarize<\/span> (distinct_points = n_distinct(points))\n\n# A tibble: 2 x 2\n team distinct_points \n1 to 3\n2 B 2\n<\/span><\/span><\/strong><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So ersetzen Sie NA durch Zero in dplyr<\/a>
So sortieren Sie Variablen mit dplyr nach Gruppen<\/a>
So w\u00e4hlen Sie mit dplyr die erste Zeile nach Gruppe aus<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"