<\/p>\n
Sie k\u00f6nnen die Funktion across()<\/a> aus dem dplyr-<\/a> Paket in R verwenden, um eine Transformation auf mehrere Spalten anzuwenden.<\/span><\/p>\n Es gibt unz\u00e4hlige<\/span> M\u00f6glichkeiten, diese Funktion zu nutzen, aber die folgenden Methoden veranschaulichen einige h\u00e4ufige Verwendungsm\u00f6glichkeiten:<\/span><\/p>\n Methode 1: Wenden Sie eine Funktion auf mehrere Spalten an<\/strong><\/span><\/p>\n Methode 2: Berechnen Sie eine zusammenfassende Statistik f\u00fcr mehrere Spalten<\/strong><\/span><\/p>\n Methode 3: Berechnen Sie mehrere Zusammenfassungsstatistiken f\u00fcr mehrere Spalten<\/strong><\/span><\/p>\n Die folgenden Beispiele zeigen, wie jede Methode mit dem folgenden Datenrahmen verwendet wird:<\/span><\/p>\n Der folgende Code zeigt, wie Sie die Funktion across()<\/strong> verwenden, um die Werte in den Spalten \u201e Points<\/strong> \u201c und \u201e Rebounds<\/strong> \u201c mit 2 zu multiplizieren:<\/span><\/p>\n Der folgende Code zeigt, wie Sie mit der across()<\/strong> -Funktion den Durchschnittswert der Punkte-<\/strong> und Rebounds<\/strong> -Spalten berechnen:<\/span><\/p>\n Beachten Sie, dass wir die Funktion is.numeric<\/strong> auch verwenden k\u00f6nnen, um automatisch eine zusammenfassende Statistik f\u00fcr alle numerischen Spalten im Datenrahmen zu berechnen:<\/span><\/p>\n Der folgende Code zeigt, wie Sie mit der across()<\/strong> -Funktion den Durchschnitt und die Standardabweichung der Punkte-<\/strong> und Rebounds<\/strong> -Spalten berechnen:<\/span><\/p>\n Hinweis<\/strong> : Die vollst\u00e4ndige Dokumentation f\u00fcr die across()-<\/strong> Funktion finden Sie hier<\/a> .<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie mit dplyr weitere g\u00e4ngige Funktionen ausf\u00fchren:<\/span><\/p>\n So l\u00f6schen Sie Zeilen mit dplyr<\/a> Sie k\u00f6nnen die Funktion across() aus dem dplyr- Paket in R verwenden, um eine Transformation auf mehrere Spalten anzuwenden. Es gibt unz\u00e4hlige M\u00f6glichkeiten, diese Funktion zu nutzen, aber die folgenden Methoden veranschaulichen einige h\u00e4ufige Verwendungsm\u00f6glichkeiten: Methode 1: Wenden Sie eine Funktion auf mehrere Spalten an #multiply values in col1 and col2 by 2 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 #multiply values in col1 and col2 by 2<\/span>\ndf %>% \n mutate(across(c(col1, col2), function<\/span> (x) x*2))\n<\/strong><\/pre>\n #calculate mean of col1 and col2<\/span>\ndf %>%\n summarise(across(c(col1, col2), mean, na. rm<\/span> = TRUE<\/span> ))\n<\/strong><\/pre>\n #calculate mean and standard deviation for col1 and col2\n<\/span>df %>%\n summarise(across(c(col1, col2), list(mean=mean, sd=sd), na. rm<\/span> = TRUE<\/span> ))\n<\/strong><\/pre>\n #create data frame\n<\/span>df <- data. frame<\/span> (conf=c('East', 'East', 'East', 'West', 'West', 'West'),\n points=c(22, 25, 29, 13, 22, 30),\n rebounds=c(12, 10, 6, 6, 8, 11))\n\n#view data frame\n<\/span>df\n\n conf points rebounds\n1 East 22 12\n2 East 25 10\n3 East 29 6\n4 West 13 6\n5 West 22 8\n6 West 30 11<\/strong><\/pre>\n Beispiel 1: Anwenden einer Funktion auf mehrere Spalten<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#multiply values in points and rebounds columns by 2\n<\/span>df %>% \n mutate(across(c(points, rebounds), function<\/span> (x) x*2))\n\n conf points rebounds\n1 East 44 24\n2 East 50 20\n3 East 58 12\n4 West 26 12\n5 West 44 16\n6 West 60 22\n<\/strong><\/span><\/pre>\n Beispiel 2: Berechnen Sie eine zusammenfassende Statistik f\u00fcr mehrere Spalten<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)<\/span>\n\n#calculate mean value of points an rebounds columns\n<\/span>df %>%\n summarise(across(c(points, rebounds), mean, na. rm<\/span> = TRUE<\/span> ))\n\n rebound points\n1 23.5 8.833333<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#calculate mean value for every numeric column in data frame\n<\/span>df %>%\n summarise(across(where(is. numeric<\/span> ), mean, na. rm<\/span> = TRUE<\/span> ))\n\n rebound points\n1 23.5 8.833333\n<\/strong><\/pre>\n Beispiel 3: Berechnen Sie mehrere zusammenfassende Statistiken f\u00fcr mehrere Spalten<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)<\/span>\n\n#calculate mean and standard deviation for points and rebounds columns\n<\/span>df %>%\n summarise(across(c(points, rebounds), list(mean=mean, sd=sd), na. rm<\/span> = TRUE<\/span> ))\n\n points_mean points_sd rebounds_mean rebounds_sd\n1 23.5 6.156298 8.833333 2.562551<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So ordnen Sie Zeilen mit dplyr an<\/a>
So filtern Sie mit dplyr nach mehreren Bedingungen<\/p>\n","protected":false},"excerpt":{"rendered":"