<\/p>\n
Anda dapat menggunakan fungsi n()<\/strong> dari paket dplyr<\/a> di R untuk menghitung jumlah observasi dalam suatu grup.<\/span><\/p>\n Berikut tiga cara umum untuk menggunakan fitur ini dalam praktiknya:<\/span><\/p>\n Metode 1: Gunakan n() untuk menghitung observasi berdasarkan kelompok<\/strong><\/span><\/p>\n Metode 2: Gunakan n() untuk menambahkan kolom yang menampilkan observasi berdasarkan kelompok<\/strong><\/span><\/p>\n Metode 3: Gunakan n() untuk memfilter berdasarkan observasi berdasarkan kelompok<\/strong><\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan masing-masing metode dalam praktik dengan kerangka data berikut di R yang berisi informasi tentang berbagai pemain bola basket:<\/span><\/p>\n Kode berikut menunjukkan cara menggunakan fungsi n()<\/strong> dengan fungsi summarise()<\/strong> untuk menghitung jumlah observasi per tim<\/strong> :<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Kode berikut menunjukkan cara menggunakan fungsi n()<\/strong> dengan fungsi mutate()<\/strong> untuk menambahkan kolom ke bingkai tanggal yang berisi jumlah pengamatan per tim<\/strong> :<\/span><\/p>\n Kolom baru yang disebut count<\/strong> berisi jumlah tim untuk setiap baris dalam bingkai data.<\/span><\/span><\/p>\n Kode berikut menunjukkan cara menggunakan fungsi n()<\/strong> dengan fungsi filter()<\/strong> untuk memfilter bingkai data agar hanya menampilkan baris di mana tim muncul lebih dari sekali:<\/span><\/p>\n Perhatikan bahwa bingkai data yang dihasilkan hanya berisi baris dengan tim “A” atau “B”, karena ini adalah satu-satunya tim yang jumlahnya lebih besar dari satu.<\/span><\/span><\/p>\n Tutorial berikut menjelaskan cara menggunakan fungsi umum lainnya di R:<\/span><\/p>\n Cara menggunakan fungsicross() di dplyr<\/a> Anda dapat menggunakan fungsi n() dari paket dplyr di R untuk menghitung jumlah observasi dalam suatu grup. Berikut tiga cara umum untuk menggunakan fitur ini dalam praktiknya: Metode 1: Gunakan n() untuk menghitung observasi berdasarkan kelompok df %>% group_by(group_variable) %>% summarize(count = n()) Metode 2: Gunakan n() untuk menambahkan kolom yang menampilkan observasi berdasarkan kelompok […]<\/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 group_by(group_variable) %>%\n summarize(count = n())\n<\/strong><\/span><\/pre>\n df %>%\n group_by(group_variable) %>%\n mutate(count = n())<\/strong><\/span><\/pre>\n df %>%\n group_by(group_variable) %>%\n filter(n() > 15<\/span> )<\/strong><\/span><\/pre>\n #create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'B', 'B', 'C'),\n points=c(22, 25, 25, 20, 29, 13),\n assists=c(10, 12, 9, 4, 11, 10),\n rebounds=c(9, 8, 5, 10, 14, 12))\n\n#view data frame\n<\/span>df\n\n team points assists rebounds\n1 A 22 10 9\n2 A 25 12 8\n3 to 25 9 5\n4 B 20 4 10\n5 B 29 11 14\n6 C 13 10 12\n<\/strong><\/pre>\n Contoh 1: Gunakan n() untuk menghitung observasi berdasarkan kelompok<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#count number of observations by team<\/span>\ndf %>%\n group_by(team) %>%\n summarize(count = n())\n\n# A tibble: 3 x 2\n team count\n \n1 to 3\n2 B 2\n3 C 1<\/strong><\/pre>\n\n
Contoh 2: Gunakan n() untuk menambahkan kolom yang menampilkan observasi berdasarkan kelompok<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#add new column that shows number of observations by team<\/span>\ndf %>%\n group_by(team) %>%\n mutate(count = n())\n\n# A tibble: 6 x 5\n# Groups: team [3]\n team points assists rebounds count\n \n1 to 22 10 9 3\n2 to 25 12 8 3\n3 to 25 9 5 3\n4 B 20 4 10 2\n5 B 29 11 14 2\n6 C 13 10 12 1<\/strong><\/pre>\n Contoh 3: Gunakan n() untuk memfilter berdasarkan observasi berdasarkan kelompok<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#filter rows where team count is greater than 1<\/span>\ndf %>%\n group_by(team) %>%\n filter(n() > 1<\/span> )\n\n# A tibble: 5 x 4\n# Groups: team [2]\n team points assists rebounds\n \n1 A 22 10 9\n2 A 25 12 8\n3 to 25 9 5\n4 B 20 4 10\n5 B 29 11 14<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara menggunakan fungsi relokasi() di dplyr<\/a>
Cara menggunakan fungsi irisan() di dplyr<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"