<\/p>\n
H\u00e4ufig m\u00f6chten Sie m\u00f6glicherweise die Funktion apply()<\/strong> verwenden, um eine Funktion auf bestimmte Spalten in einem Datenrahmen in R anzuwenden.<\/span><\/span><\/p>\n Allerdings erzwingt die Funktion apply()<\/strong> zun\u00e4chst, dass alle Spalten in einem Datenrahmen denselben Objekttyp haben, bevor eine Funktion angewendet wird, was manchmal unbeabsichtigte Folgen haben kann.<\/span><\/p>\n Eine bessere Wahl ist die Funktion lapply()<\/strong> , die die folgende grundlegende Syntax verwendet:<\/span><\/p>\n In diesem speziellen Beispiel wird die Funktion my_function<\/strong> nur auf col1<\/strong> und col2<\/strong> im Datenrahmen angewendet.<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Angenommen, wir haben den folgenden Datenrahmen in R:<\/span><\/p>\n Nehmen wir nun an, wir definieren die folgende Funktion, die die Werte mit 2 multipliziert und dann 1 hinzuf\u00fcgt:<\/span><\/span><\/p>\n Wir k\u00f6nnen die folgende lapply()-<\/strong> Funktion verwenden, um diese Funktion nur auf die Punkte-<\/strong> und Bounce-<\/strong> Spalten im Datenrahmen anzuwenden:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir ersehen, dass wir jeden Wert in den Spalten \u201ePunkte\u201c<\/strong> und \u201eRebounds<\/strong> \u201c mit 2 multiplizieren und dann 1 addieren.<\/span><\/p>\n Beachten Sie auch, dass die Spalten f\u00fcr Teams<\/strong> und Assists<\/strong> unver\u00e4ndert geblieben sind.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in R ausf\u00fchren:<\/span><\/p>\n Eine Anleitung zu apply(), lapply(), sapply() und tapply() in R<\/a> H\u00e4ufig m\u00f6chten Sie m\u00f6glicherweise die Funktion apply() verwenden, um eine Funktion auf bestimmte Spalten in einem Datenrahmen in R anzuwenden. Allerdings erzwingt die Funktion apply() zun\u00e4chst, dass alle Spalten in einem Datenrahmen denselben Objekttyp haben, bevor eine Funktion angewendet wird, was manchmal unbeabsichtigte Folgen haben kann. Eine bessere Wahl ist die Funktion lapply() , die […]<\/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[c(' col1<\/span> ', ' col2<\/span> ')] <- lapply(df[c(' col1<\/span> ', ' col2<\/span> ')], my_function)\n<\/strong><\/pre>\n Beispiel: Wenden Sie eine Funktion auf bestimmte Spalten im Datenrahmen an<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),\n points=c(19, 22, 15, NA, 14, 25, 25, 25),\n rebounds=c(10, 6, 3, 7, 11, 13, 9, 12),\n assists=c(4, 4, 3, 6, 7, 5, 10, 8))\n\n#view data frame\n<\/span>df\n\n team points rebound assists\n1 A 19 10 4\n2 A 22 6 4\n3 to 15 3 3\n4 A NA 7 6\n5 B 14 11 7\n6 B 25 13 5\n7 B 25 9 10\n8 B 25 12 8<\/strong><\/pre>\n #define function\nmy_function <- function<\/span> (x) x*2 + 1<\/span><\/span><\/strong><\/span><\/pre>\n #apply function to specific columns\n<\/span>df[c(' points<\/span> ', ' rebounds<\/span> ')] <- lapply(df[c(' points<\/span> ', ' rebounds<\/span> ')], my_function)\n\n#view updated data frame\n<\/span>df\n\n team points rebound assists\n1 A 39 21 4\n2 A 45 13 4\n3 A 31 7 3\n4 A NA 15 6\n5 B 29 23 7\n6 B 51 27 5\n7 B 51 19 10\n8 B 51 25 8\n<\/strong><\/span><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So verwenden Sie die Transformationsfunktion in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"