<\/p>\n
Seringkali Anda mungkin ingin menggunakan fungsi apply()<\/strong> untuk menerapkan fungsi ke kolom tertentu dalam bingkai data di R.<\/span><\/span><\/p>\n Namun, fungsi apply()<\/strong> terlebih dahulu memaksa semua kolom dalam bingkai data memiliki tipe objek yang sama sebelum menerapkan suatu fungsi, yang terkadang dapat menimbulkan konsekuensi yang tidak diinginkan.<\/span><\/p>\n Pilihan yang lebih baik adalah fungsi lapply()<\/strong> , yang menggunakan sintaks dasar berikut:<\/span><\/p>\n Contoh khusus ini menerapkan fungsi my_function<\/strong> hanya pada col1<\/strong> dan col2<\/strong> dalam bingkai data.<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Misalkan kita memiliki bingkai data berikut di R:<\/span><\/p>\n Sekarang misalkan kita mendefinisikan fungsi berikut yang mengalikan nilainya dengan 2 dan kemudian menambahkan 1:<\/span><\/span><\/p>\n Kita dapat menggunakan fungsi lapply()<\/strong> berikut untuk menerapkan fungsi ini hanya pada kolom titik<\/strong> dan pantulan<\/strong> dalam bingkai data:<\/span><\/p>\n Dari hasilnya terlihat bahwa kita mengalikan setiap nilai pada kolom poin<\/strong> dan rebound<\/strong> dengan 2 lalu ditambah 1.<\/span><\/p>\n Perhatikan juga bahwa kolom tim<\/strong> dan assist<\/strong> tetap tidak berubah.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di R:<\/span><\/p>\n Panduan untuk apply(), lapply(), sapply() dan tapply() di R<\/a> Seringkali Anda mungkin ingin menggunakan fungsi apply() untuk menerapkan fungsi ke kolom tertentu dalam bingkai data di R. Namun, fungsi apply() terlebih dahulu memaksa semua kolom dalam bingkai data memiliki tipe objek yang sama sebelum menerapkan suatu fungsi, yang terkadang dapat menimbulkan konsekuensi yang tidak diinginkan. Pilihan yang lebih baik adalah fungsi lapply() , yang […]<\/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 Contoh: menerapkan fungsi ke kolom tertentu dalam bingkai data<\/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 Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara menggunakan fungsi transformasi di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"