<\/p>\n
Anda dapat menggunakan sintaks berikut untuk mengelompokkan data berdasarkan waktu dan melakukan agregasi di R:<\/span><\/p>\n Contoh khusus ini mengelompokkan nilai berdasarkan jam ke dalam kolom yang disebut Jam<\/strong> dan kemudian menghitung jumlah nilai di kolom Penjualan<\/strong> untuk setiap jam.<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Katakanlah kita memiliki kerangka data berikut yang menunjukkan jumlah penjualan yang dilakukan pada waktu berbeda dalam sehari untuk sebuah toko:<\/span><\/p>\n Kita dapat menggunakan sintaks berikut untuk mengelompokkan kolom waktu<\/strong> berdasarkan jam dan menghitung jumlah penjualan<\/strong> setiap jam:<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Perhatikan bahwa kita juga dapat melakukan agregasi lain.<\/span><\/p>\n Misalnya, kita dapat menghitung jumlah rata-rata<\/strong> penjualan per jam:<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Jangan ragu untuk mengelompokkan kerangka data Anda berdasarkan waktu dan menghitung metrik tertentu yang Anda inginkan dengan memodifikasi metrik di fungsi ringkasan()<\/strong> .<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan operasi umum lainnya di R:<\/span><\/p>\n Cara mengelompokkan data berdasarkan bulan di R<\/a> Anda dapat menggunakan sintaks berikut untuk mengelompokkan data berdasarkan waktu dan melakukan agregasi di R: library (dplyr) library (lubridate) #group by hours in time column and calculate sum of sales df %>% group_by(time=floor_date(time, ‘ 1 hour ‘)) %>% summarize(sum_sales=sum(sales)) Contoh khusus ini mengelompokkan nilai berdasarkan jam ke dalam kolom yang disebut Jam dan kemudian menghitung […]<\/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 library<\/span> (dplyr)\nlibrary<\/span> (lubridate)\n\n#group by hours in time column and calculate sum of sales\n<\/span>df %>%\n group_by(time=floor_date(time, ' 1 hour<\/span> ')) %>%\n summarize(sum_sales=sum(sales))\n<\/strong><\/pre>\n Contoh: mengelompokkan data berdasarkan waktu di R<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (time=as. POSIXct<\/span> (c('2022-01-01 01:14:00', '2022-01-01 01:24:15',\n '2022-01-01 02:52:19', '2022-01-01 02:54:00',\n '2022-01-01 04:05:10', '2022-01-01 05:35:09')),\n sales=c(18, 20, 15, 14, 10, 9))\n\n#view data frame\n<\/span>df\n\n time sales\n1 2022-01-01 01:14:00 18\n2 2022-01-01 01:24:15 20\n3 2022-01-01 02:52:19 15\n4 2022-01-01 02:54:00 14\n5 2022-01-01 04:05:10 10\n6 2022-01-01 05:35:09 9\n<\/span><\/span><\/strong><\/pre>\n library<\/span> (dplyr)\nlibrary<\/span> (lubridate)\n\n#group by hours in time column and calculate sum of sales\n<\/span>df %>%\n group_by(time=floor_date(time, ' 1 hour<\/span> ')) %>%\n summarize(sum_sales=sum(sales))\n\n`summarise()` ungrouping output (override with `.groups` argument)\n# A tibble: 4 x 2\n time sum_sales\n \n1 2022-01-01 01:00:00 38\n2 2022-01-01 02:00:00 29\n3 2022-01-01 04:00:00 10\n4 2022-01-01 05:00:00 9\n<\/strong><\/pre>\n\n
library<\/span> (dplyr)\nlibrary<\/span> (lubridate)\n\n#group by hours in time column and calculate mean of sales\n<\/span>df %>%\n group_by(time=floor_date(time, ' 1 hour<\/span> ')) %>%\n summarize(mean_sales=mean(sales))\n\n`summarise()` ungrouping output (override with `.groups` argument)\n# A tibble: 4 x 2\n time mean_sales\n \n1 2022-01-01 01:00:00 19 \n2 2022-01-01 02:00:00 14.5\n3 2022-01-01 04:00:00 10 \n4 2022-01-01 05:00:00 9<\/strong><\/pre>\n\n
Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara mengelompokkan data berdasarkan minggu di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"