<\/p>\n
Anda dapat menggunakan sintaks dasar berikut untuk mengelompokkan variabel di dplyr:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya dengan bingkai data berikut:<\/span><\/p>\n Kode berikut menunjukkan cara mengurutkan poin yang dicetak oleh pemain dalam urutan menaik, dikelompokkan berdasarkan tim:<\/span><\/p>\n Kita juga dapat mengklasifikasikan poin yang dicetak dalam urutan menurun berdasarkan kelompok, menggunakan tanda negatif dalam fungsi Rank()<\/strong> :<\/span><\/p>\n Kita bisa menggunakan argumen tie.method<\/strong> untuk menentukan bagaimana kita harus menangani ikatan saat mengurutkan nilai numerik.<\/span><\/p>\n Anda dapat menggunakan salah satu opsi berikut untuk menentukan cara menangani tautan:<\/span><\/p>\n Tutorial berikut menjelaskan cara menjalankan fungsi umum lainnya di dplyr:<\/span><\/p>\n Cara memilih baris pertama berdasarkan grup menggunakan dplyr<\/a> Anda dapat menggunakan sintaks dasar berikut untuk mengelompokkan variabel di dplyr: df %>% arrange (group_var, numeric_var) %>% group_by (group_var) %>% mutate (rank = rank(numeric_var)) Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya dengan bingkai data berikut: #create data frame df <- data. frame (team = c(‘A’, ‘A’, ‘A’, ‘A’, ‘B’, ‘B’, ‘B’, ‘C’, ‘C’, […]<\/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 %>% arrange<\/span> (group_var, numeric_var) %>%\n group_by<\/span> (group_var) %>% \n mutate<\/span> (rank = rank(numeric_var))\n<\/strong><\/pre>\n #create data frame\n<\/span>df <- data. frame<\/span> (team = c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'),\n points = c(12, 28, 19, 22, 32, 45, 22, 28, 13, 19),\n rebounds = c(5, 7, 7, 12, 11, 4, 10, 7, 8, 8))\n\n#view data frame<\/span>\ndf\n\n team points rebounds\n1 to 12 5\n2 to 28 7\n3 to 19 7\n4 A 22 12\n5 B 32 11\n6 B 45 4\n7 B 22 10\n8 C 28 7\n9 C 13 8\n10 C 19 8\n<\/strong><\/pre>\n Contoh 1: Pemeringkatan dalam urutan menaik<\/strong><\/span><\/h3>\n
library<\/span> (dplyr)<\/span>\n\n#rank points scored, grouped by team<\/span>\ndf %>% arrange<\/span> (team, points) %>%\n group_by<\/span> (team) %>% \n mutate<\/span> (rank = rank(points))\n\n# A tibble: 10 x 4\n# Groups: team [3]\n team points rebounds rank\n \n 1 A 12 5 1\n 2 A 19 7 2\n 3 A 22 12 3\n 4 A 28 7 4\n 5 B 22 10 1\n 6 B 32 11 2\n 7 B 45 4 3\n 8 C 13 8 1\n 9 C 19 8 2\n10 C 28 7 3<\/strong><\/pre>\n Contoh 2: Pemeringkatan dalam urutan menurun<\/strong><\/span><\/h3>\n
library<\/span> (dplyr)<\/span>\n\n#rank points scored in reverse, grouped by team<\/span>\ndf %>% arrange<\/span> (team, points) %>%\n group_by<\/span> (team) %>% \n mutate<\/span> (rank = rank(-points))\n\n# A tibble: 10 x 4\n# Groups: team [3]\n team points rebounds rank\n \n 1 to 12 5 4\n 2 A 19 7 3\n 3 A 22 12 2\n 4 A 28 7 1\n 5 B 22 10 3\n 6 B 32 11 2\n 7 B 45 4 1\n 8 C 13 8 3\n 9 C 19 8 2\n10 C 28 7 1\n<\/strong><\/pre>\n Bagaimana menangani ikatan dalam peringkat<\/strong><\/span><\/h3>\n
rank(points, ties. method<\/span> = ' average<\/span> ')\n<\/strong><\/pre>\n\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara menghitung frekuensi relatif menggunakan dplyr<\/a>
Cara mengkode ulang nilai menggunakan dplyr<\/a>
Bagaimana cara mengganti NA dengan Zero di dplyr<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"