<\/p>\n
Anda dapat menggunakan operator pipa ( %>%<\/strong> ) di R untuk “menyalurkan” serangkaian operasi secara bersamaan.<\/span><\/p>\n Operator ini paling sering digunakan dengan paket dplyr<\/a> di R untuk melakukan urutan operasi pada bingkai data.<\/span><\/p>\n Sintaks dasar operator pipa adalah:<\/span><\/p>\n Operator pipa cukup meneruskan hasil operasi yang satu ke operasi berikutnya di bawahnya.<\/span><\/p>\n Keuntungan menggunakan operator pipa adalah membuat kode menjadi sangat mudah dibaca.<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan operator pipa dalam skenario berbeda dengan himpunan data mtcars<\/a> yang dibangun di R.<\/span><\/p>\n Kode berikut menunjukkan cara menggunakan operator pipa ( %>%<\/strong> ) untuk mengelompokkan berdasarkan variabel cyl<\/strong> dan kemudian merangkum nilai rata-rata variabel mpg<\/strong> :<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Perhatikan bagaimana operator pipa juga mempermudah penafsiran kode.<\/span><\/p>\n Pada dasarnya, dia berkata:<\/span><\/p>\n Kode berikut menunjukkan cara menggunakan operator pipa ( %>%<\/strong> ) untuk mengelompokkan berdasarkan variabel cyl<\/strong> dan am<\/strong> , lalu merangkum rata-rata variabel mpg<\/strong> dan simpangan baku variabel hp<\/strong> :<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Dan seterusnya.<\/span><\/p>\n Sekali lagi, perhatikan bagaimana operator pipa juga membuat interpretasi kode menjadi lebih mudah.<\/span><\/p>\n Pada dasarnya, dia berkata:<\/span><\/p>\n Kode berikut menunjukkan cara menggunakan operator pipa ( %>%<\/strong> ) dengan fungsi mutate<\/a> dalam paket dplyr<\/strong> untuk membuat dua variabel baru dalam bingkai data mtcars:<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Sekali lagi, perhatikan bagaimana operator pipa juga membuat interpretasi kode menjadi lebih mudah.<\/span><\/p>\n Pada dasarnya, dia berkata:<\/span><\/p>\n Terkait:<\/strong> Cara menggunakan fungsi transmute() di dplyr<\/a><\/span><\/p>\n Tutorial berikut menjelaskan cara menggunakan fungsi umum lainnya di R:<\/span><\/p>\n Cara menggunakan operator Tilde (~) di R<\/a> Anda dapat menggunakan operator pipa ( %>% ) di R untuk “menyalurkan” serangkaian operasi secara bersamaan. Operator ini paling sering digunakan dengan paket dplyr di R untuk melakukan urutan operasi pada bingkai data. Sintaks dasar operator pipa adalah: df %>% do_this_operation %>% then_do_this_operation %>% then_do_this_operation … Operator pipa cukup meneruskan hasil operasi yang satu ke […]<\/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 %>% \n do_this_operation %>% \n then_do_this_operation %>%\n then_do_this_operation ...<\/strong><\/span><\/pre>\n #view first six rows of mtcars dataset<\/span>\nhead(mtcars)\n\n mpg cyl disp hp drat wt qsec vs am gear carb\nMazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4\nMazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4\nDatsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1\nHornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1\nHornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2\nValiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1\n<\/strong><\/span><\/pre>\n Contoh 1: Gunakan Operator Pipa untuk Meringkas Variabel<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#summarize mean mpg grouped by cyl<\/span>\nmtcars %>% \n group_by(cyl) %>% \n summarize(mean_mpg = mean(mpg))\n\n# A tibble: 3 x 2\n cyl mean_mpg\n \n1 4 26.7\n2 6 19.7\n3 8 15.1\n<\/strong><\/span><\/pre>\n\n
\n
Contoh 2: Gunakan Operator Pipa untuk Mengelompokkan dan Meringkas Beberapa Variabel<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#summarize mean mpg and standard dev of hp grouped by cyl and am<\/span>\nmtcars %>% \n group_by(cyl, am) %>% \n summarize(mean_mpg = mean(mpg),\n sd_hp = sd(hp))\n\n# A tibble: 6 x 4\n# Groups: cyl[3]\n cyl am mean_mpg sd_hp\n \n1 4 0 22.9 19.7 \n2 4 1 28.1 22.7 \n3 6 0 19.1 9.18\n4 6 1 20.6 37.5 \n5 8 0 15.0 33.4 \n6 8 1 15.4 50.2 \n<\/strong><\/span><\/pre>\n\n
\n
Contoh 3: Gunakan Operator Pipa untuk Membuat Variabel Baru<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#add two new variables in mtcars\nnew_mtcars <- mtcars %>%\n mutate(mpg2 = mpg*2,\n mpg_root = sqrt(mpg))<\/span>\n\n#view first six rows of new data frame\nhead(new_mtcars)\n\n mpg cyl disp hp drat wt qsec vs am gear carb mpg2 mpg_root\n1 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 42.0 4.582576\n2 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 42.0 4.582576\n3 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 45.6 4.774935\n4 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 42.8 4.626013\n5 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 37.4 4.324350\n6 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 36.2 4.254409<\/span><\/span><\/strong><\/span><\/pre>\n\n
\n
Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara menggunakan operator tanda dolar ($) di R<\/a>
Cara menggunakan operator \u201cNOT IN\u201d di R
Cara menggunakan operator %in% di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"