<\/p>\n
Sie k\u00f6nnen die Funktion transmute()<\/b> in R verwenden, um einem Datenrahmen neue berechnete Variablen hinzuzuf\u00fcgen und alle vorhandenen Variablen zu entfernen.<\/span><\/p>\n Diese Funktion verwendet die folgende grundlegende Syntax:<\/span><\/p>\n In diesem Beispiel wird eine neue Variable namens var_new<\/strong> erstellt, indem eine vorhandene Variable namens var1<\/strong> mit 2 multipliziert wird.<\/span><\/p>\n Die folgenden Beispiele zeigen, wie die Funktion transmute()<\/strong> mit dem folgenden Datenrahmen in R verwendet wird:<\/span><\/p>\n Der folgende Code zeigt, wie man mit transmute()<\/strong> eine neue Variable erstellt:<\/span><\/p>\n Point2-<\/strong> Werte entsprechen den urspr\u00fcnglichen Werten der Punktspalte multipliziert mit zwei.<\/span><\/span><\/p>\n Beachten Sie, dass die Funktion transmute()<\/strong> den urspr\u00fcnglichen Datenrahmen nicht wirklich \u00e4ndert.<\/span><\/p>\n Um die Ergebnisse der Funktion transmute()<\/strong> in einem neuen Datenrahmen zu speichern, m\u00fcssen Sie sie in einer Variablen speichern:<\/span><\/p>\n Die Ergebnisse von transmute()<\/strong> werden nun in einem neuen Datenrahmen gespeichert.<\/span><\/span><\/p>\n Der folgende Code zeigt, wie Sie mit transmute()<\/strong> mehrere neue Variablen aus vorhandenen Variablen erstellen:<\/span><\/p>\n Beachten Sie, dass vier neue Variablen erstellt wurden.<\/span><\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere g\u00e4ngige Vorg\u00e4nge in R ausgef\u00fchrt werden:<\/span><\/p>\n So verwenden Sie die Funktion relocate() in dplyr<\/a> Sie k\u00f6nnen die Funktion transmute() in R verwenden, um einem Datenrahmen neue berechnete Variablen hinzuzuf\u00fcgen und alle vorhandenen Variablen zu entfernen. Diese Funktion verwendet die folgende grundlegende Syntax: df %>% transmute(var_new = var1 * 2) In diesem Beispiel wird eine neue Variable namens var_new erstellt, indem eine vorhandene Variable namens var1 mit 2 multipliziert wird. […]<\/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 df %>% transmute(var_new = var1 * 2)\n<\/strong><\/pre>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'B', 'C', 'D', 'E'),\n points=c(99, 90, 86, 88, 95),\n assists=c(33, 28, 31, 39, 34),\n rebounds=c(30, 28, 24, 24, 28))\n\n#view data frame\n<\/span>df\n\n team points assists rebounds\n1 A 99 33 30\n2 B 90 28 28\n3 C 86 31 24\n4 D 88 39 24\n5 E 95 34 28\n<\/span><\/span><\/strong><\/pre>\n Beispiel 1: Verwenden Sie transmute(), um eine neue Variable zu erstellen<\/strong><\/span><\/h3>\n
library<\/span> (dplyr)\n\n#create new variable called points2<\/span>\ndf %>% transmute(points2 = points * 2)\n\n points2\n1,198\n2,180\n3,172\n4,176\n5,190<\/span><\/span><\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#store results of transmute in variable\ndf_points2 <- df %>% transmute(points2 = points * 2)\n<\/span>\n#view results\ndf_points2\n\n points2\n1,198\n2,180\n3,172\n4,176\n5,190<\/span><\/span><\/strong><\/pre>\n Beispiel 2: Verwenden Sie transmute(), um mehrere neue Variablen zu erstellen<\/strong><\/span><\/h3>\n
library<\/span> (dplyr)\n\n#create multiple new variables\n<\/span>df %>%\n transmute(\n points2 = points * 2,\n rebounds_squared = rebounds^2,\n assists_half = assists\/2,\n team_name= paste0(' team_<\/span> ', team)\n)\n\n points2 rebounds_squared assists_half team_name\n1,198,900 16.5 team_A\n2 180 784 14.0 team_B\n3 172 576 15.5 team_C\n4 176 576 19.5 team_D\n5 190 784 17.0 team_E\n<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So verwenden Sie die Funktion \u201eslice()\u201c in dplyr<\/a>
So filtern Sie nach Zeilennummer in dplyr<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"