<\/p>\n
Anda dapat menggunakan salah satu metode berikut untuk menghitung jumlah nilai berbeda dalam bingkai data R menggunakan fungsi n_distinct()<\/strong> dplyr<\/a> :<\/span><\/p>\n Metode 1: Hitung nilai yang berbeda dalam sebuah kolom<\/strong><\/span><\/p>\n Metode 2: Hitung nilai berbeda di semua kolom<\/strong><\/span><\/p>\n Metode 3: Hitung nilai yang berbeda berdasarkan kelompok<\/strong><\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan masing-masing metode ini dalam praktik dengan kerangka data berikut:<\/span><\/p>\n Kode berikut menunjukkan cara menggunakan n_distinct()<\/strong> untuk menghitung jumlah nilai berbeda di kolom ‘tim’:<\/span><\/p>\n Ada 2<\/strong> nilai berbeda pada kolom ‘tim’.<\/span><\/p>\n Kode berikut menunjukkan cara menggunakan fungsi sapply()<\/strong> dan n_distinct()<\/strong> untuk menghitung jumlah nilai berbeda di setiap kolom bingkai data:<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Kode berikut menunjukkan cara menggunakan fungsi n_distinct()<\/strong> untuk menghitung jumlah nilai berbeda per grup:<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan operasi umum lainnya menggunakan dplyr:<\/span><\/p>\n Cara mengkode ulang nilai menggunakan dplyr<\/a> Anda dapat menggunakan salah satu metode berikut untuk menghitung jumlah nilai berbeda dalam bingkai data R menggunakan fungsi n_distinct() dplyr : Metode 1: Hitung nilai yang berbeda dalam sebuah kolom n_distinct(df$column_name) Metode 2: Hitung nilai berbeda di semua kolom sapply(df, function (x) n_distinct(x)) Metode 3: Hitung nilai yang berbeda berdasarkan kelompok df %>% group_by (grouping_column) […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n n_distinct(df$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 Metode 1: Hitung nilai yang berbeda dalam sebuah kolom<\/strong><\/span><\/h3>\n
#count distinct values in 'team' column\nn_distinct(df$team)\n\n[1] 2\n<\/span><\/span><\/strong><\/pre>\n Metode 2: Hitung nilai berbeda di semua kolom<\/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
Metode 3: Hitung nilai yang berbeda berdasarkan kelompok<\/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
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Bagaimana cara mengganti NA dengan Zero di dplyr<\/a>
Cara mengurutkan variabel berdasarkan kelompok menggunakan dplyr<\/a>
Cara memilih baris pertama berdasarkan grup menggunakan dplyr<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"