<\/p>\n
Fungsi dplyr<\/a> if_else()<\/strong> memiliki tiga keunggulan dibandingkan fungsi dasar R ifelse()<\/strong> :<\/span><\/span><\/p>\n 1.<\/strong> Fungsi if_else()<\/strong> memeriksa apakah dua alternatif dalam pernyataan if else memiliki tipe data yang sama.<\/span><\/p>\n 2.<\/strong> Fungsi if_else()<\/strong> tidak mengubah objek Tanggal menjadi numerik.<\/span><\/p>\n 3.<\/strong> Fungsi if_else()<\/strong> menawarkan argumen “hilang” untuk menentukan cara menangani nilai NA.<\/span><\/p>\n Contoh-contoh berikut menggambarkan perbedaan-perbedaan dalam praktiknya.<\/span><\/p>\n Misalkan kita memiliki kerangka data berikut di R yang berisi informasi tentang berbagai pemain bola basket:<\/span><\/p>\n Jika kita menggunakan fungsi ifelse()<\/strong> basis R untuk membuat kolom baru yang memberikan nilai “Atlanta” ke baris dengan nilai tim “A” dan 0 ke baris dengan nilai berbeda, kita tidak akan menerima kesalahan apa pun. meskipun \u201cAtlanta\u201d adalah karakter dan 0 adalah angka:<\/span><\/span><\/p>\n Namun, jika kita menggunakan fungsi if_else()<\/strong> dplyr untuk melakukan tugas yang sama, kita akan menerima kesalahan yang memberitahukan bahwa kita menggunakan dua tipe data berbeda dalam pernyataan if else:<\/span><\/p>\n Misalkan kita memiliki bingkai data berikut di R yang menunjukkan penjualan yang dilakukan pada tanggal berbeda di sebuah toko:<\/span><\/p>\n Jika kita menggunakan fungsi basis R ifelse()<\/strong> untuk mengubah nilai kolom tanggal, nilainya akan otomatis dikonversi ke numerik:<\/span><\/p>\n Namun, jika kita menggunakan fungsi if_else()<\/strong> dplyr, objek tanggal akan tetap berupa tanggal:<\/span><\/span><\/p>\n Misalkan kita memiliki bingkai data berikut di R:<\/span><\/p>\n Jika kita menggunakan fungsi ifelse()<\/strong> basis R untuk membuat kolom baru, tidak ada opsi default untuk menentukan cara menangani nilai NA:<\/span><\/p>\n Namun, jika kita menggunakan fungsi if_else()<\/strong> dplyr maka kita dapat menggunakan argumen yang hilang<\/strong> untuk menentukan cara menangani nilai NA:<\/span><\/p>\n Perhatikan bahwa baris dengan nilai NA di kolom tim<\/strong> menerima nilai “lainnya” di kolom<\/strong> kota baru .<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di R:<\/span><\/p>\n Cara menggunakan pernyataan If dengan beberapa kondisi di R<\/a> Fungsi dplyr if_else() memiliki tiga keunggulan dibandingkan fungsi dasar R ifelse() : 1. Fungsi if_else() memeriksa apakah dua alternatif dalam pernyataan if else memiliki tipe data yang sama. 2. Fungsi if_else() tidak mengubah objek Tanggal menjadi numerik. 3. Fungsi if_else() menawarkan argumen “hilang” untuk menentukan cara menangani nilai NA. Contoh-contoh berikut menggambarkan perbedaan-perbedaan dalam praktiknya. […]<\/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 Contoh 1: if_else() memeriksa apakah kedua alternatif memiliki tipe yang sama<\/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(22, 20, 28, 14, 13, 18, 27, 33))\n\n#view data frame\n<\/span>df\n\n team points\n1 to 22\n2 to 20\n3 to 28\n4 to 14\n5 B 13\n6 B 18\n7 B 27\n8 B 33<\/strong><\/pre>\n #create new column based on values in team column\n<\/span>df$city <- ifelse(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', 0)\n\n#view updated data frame\n<\/span>df\n\n team points city\n1 to 22 Atlanta\n2 to 20 Atlanta\n3 to 28 Atlanta\n4 A 14 Atlanta\n5 B 13 0\n6 B 18 0\n7 B 27 0\n8 B 33 0\n<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#attempt to create new column based on values in team column\n<\/span>df$city <- if_else(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', 0)\n\nError: `false` must be a character vector, not a double vector.\n<\/strong><\/pre>\n Contoh 2: if_else() tidak mengonversi objek tanggal menjadi nilai numerik<\/span><\/strong><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (date=as. Date<\/span> (c('2022-01-05', '2022-01-17', '2022-01-22',\n '2022-01-23', '2022-01-29', '2022-02-13')),\n sales=c(22, 35, 24, 20, 16, 19))\n\n#view data frame\n<\/span>df\n\n dirty date\n1 2022-01-05 22\n2 2022-01-17 35\n3 2022-01-22 24\n4 2022-01-23 20\n5 2022-01-29 16\n6 2022-02-13 19\n<\/strong><\/pre>\n #if date is before 2022-01-20 then add 5 days\n<\/span>df$date <- ifelse(df$date < ' 2022-01-20<\/span> ', df$date+ 5<\/span> , df$date)\n\n dirty date\n1 19002 22\n2 19014 35\n3 19014 24\n4 19015 20\n5 19021 16\n6 19036 19\n<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#if date is before 2022-01-20 then add 5 days\n<\/span>df$date <- ifelse(df$date < ' 2022-01-20<\/span> ', df$date+ 5<\/span> , df$date)\n\n#view updated data frame<\/span>\ndf\n\n dirty date\n1 2022-01-10 22\n2 2022-01-22 35\n3 2022-01-22 24\n4 2022-01-23 20\n5 2022-01-29 16\n6 2022-02-13 19\n<\/strong><\/pre>\n Contoh 3: if_else() menawarkan argumen “hilang” untuk menentukan cara menangani nilai NA<\/span><\/strong><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', NA, 'B'),\n points=c(22, 20, 28, 14, 13, 18, 27, 33))\n\n#view data frame\n<\/span>df\n\n team points\n1 to 22\n2 to 20\n3 to 28\n4 to 14\n5 B 13\n6 B 18\n7 <NA> 27\n8 B 33<\/strong><\/pre>\n #create new column based on values in team column\ndf$city <- ifelse(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', ' Boston<\/span> ')\n\n#view updated data frame<\/span>\ndf\n\n team points city\n1 to 22 Atlanta\n2 to 20 Atlanta\n3 to 28 Atlanta\n4 A 14 Atlanta\n5 B 13 Boston\n6 B 18 Boston\n7 <NA> 27 <NA>\n8 B 33 Boston\n<\/span><\/span><\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#create new column based on values in team column\ndf$city <- ifelse(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', ' Boston<\/span> ', missing=' other<\/span> ')\n\n#view updated data frame\n<\/span>df\n\n team points city\n1 to 22 Atlanta\n2 to 20 Atlanta\n3 to 28 Atlanta\n4 A 14 Atlanta\n5 B 13 Boston\n6 B 18 Boston\n7 <NA> 27 other\n8 B 33 Boston\n<\/span><\/span><\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara menulis pernyataan If Else bersarang di R<\/a>
Cara menulis fungsi tryCatch() pertama Anda di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"