<\/p>\n
Anda dapat menggunakan sintaks dasar berikut di dplyr<\/a> untuk menggunakan fungsi mutate()<\/strong> untuk membuat kolom baru berdasarkan beberapa kondisi: Sintaks khusus ini membuat kolom baru bernama class<\/strong> yang mengambil nilai berikut:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Terkait:<\/strong> Cara menggunakan case_when() di dplyr<\/a><\/span><\/p>\n Misalkan kita memiliki kerangka data berikut di R yang berisi informasi tentang berbagai pemain bola basket:<\/span><\/p>\n Kita dapat menggunakan sintaks berikut dengan fungsi mutate()<\/strong> untuk membuat kolom baru bernama kelas<\/strong> yang nilainya didasarkan pada nilai di kolom tim<\/strong> dan poin<\/strong> :<\/span><\/p>\n <\/strong> Kolom kelas<\/strong> baru mengambil nilai berdasarkan nilai pada kolom tim<\/strong> dan poin<\/strong> .<\/span><\/p>\n Misalnya baris pertama mempunyai nilai A pada kolom tim<\/strong> dan nilai poin<\/strong> lebih besar atau sama dengan 20, sehingga mendapat nilai A_Bagus<\/strong> pada kolom kelas<\/strong> baru.<\/span><\/p>\n Perhatikan bahwa dalam contoh ini, kami menggunakan simbol &<\/strong> sebagai operator “DAN” untuk memeriksa apakah dua kondisi benar sebelum memberikan nilai di kolom kelas<\/strong> .<\/span><\/p>\n Namun, kita bisa menggunakan |<\/strong> simbol sebagai operator “ATAU” untuk memeriksa apakah salah satu dari dua kondisi terpenuhi sebelum memberikan nilai di kolom kelas<\/strong> .<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di dplyr:<\/span><\/p>\n dplyr: Cara memutasi variabel jika kolom berisi string<\/a> Anda dapat menggunakan sintaks dasar berikut di dplyr untuk menggunakan fungsi mutate() untuk membuat kolom baru berdasarkan beberapa kondisi: library (dplyr) df <- df%>% mutate(class = case_when((team == ‘ A ‘ & points >= 20) ~ ‘ A_Good ‘, (team == ‘ A ‘ & points < 20) ~ ‘ A_Bad ‘, (team == ‘ […]<\/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
<\/span><\/p>\n library<\/span> (dplyr)\n\ndf <- df%>% mutate(class = case_when((team == ' A<\/span> ' &<\/span> points >= 20) ~ ' A_Good<\/span> ',\n (team == ' A<\/span> ' &<\/span> points < 20) ~ ' A_Bad<\/span> ',\n (team == ' B<\/span> ' &<\/span> points >= 20) ~ ' B_Good<\/span> ',\n TRUE<\/span> ~ ' B_Bad<\/span> '))\n<\/strong><\/pre>\n\n
Contoh: Gunakan mutate() di dplyr dengan beberapa kondisi<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'),\n points=c(22, 30, 34, 19, 14, 12, 39, 15, 22, 25))\n\n#view data frame\n<\/span>df\n\n team points\n1 to 22\n2 to 30\n3 to 34\n4 to 19\n5 to 14\n6 B 12\n7 B 39\n8 B 15\n9 B 22\n10 B 25<\/strong><\/pre>\n library<\/span> (dplyr)\n#add new column based on values in team and points columns\n<\/span>df <- df%>% mutate(class = case_when((team == ' A<\/span> ' &<\/span> points >= 20) ~ ' A_Good<\/span> ',\n (team == ' A<\/span> ' &<\/span> points < 20) ~ ' A_Bad<\/span> ',\n (team == ' B<\/span> ' &<\/span> points >= 20) ~ ' B_Good<\/span> ',\n TRUE<\/span> ~ ' B_Bad<\/span> '))\n\n#view updated data frame<\/span>\ndf\n\n team points class\n1 A 22 A_Good\n2 A 30 A_Good\n3 A 34 A_Good\n4 A 19 A_Bad\n5 A 14 A_Bad\n6 B 12 B_Bad\n7 B 39 B_Good\n8 B 15 B_Bad\n9 B 22 B_Good\n10 B 25 B_Good\n<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
dplyr: Cara mengubah level faktor menggunakan mutate()<\/a>
dplyr: Cara menggunakan fungsi cross()<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"