<\/p>\n
La funzione case_when()<\/strong> del pacchetto dplyr<\/a> in R pu\u00f2 essere utilizzata per creare nuove variabili da variabili esistenti.<\/span><\/p>\n Questa funzione utilizza la seguente sintassi di base:<\/span><\/p>\n Tieni presente che TRUE<\/strong> equivale a un’istruzione “else”.<\/span><\/p>\n I seguenti esempi mostrano come utilizzare in pratica questa funzione con il seguente frame di dati:<\/span><\/p>\n Il codice seguente mostra come creare una nuova variabile chiamata qualit\u00e0<\/strong> i cui valori derivano dalla colonna punti<\/strong> :<\/span><\/p>\n Ecco esattamente come la funzione case_when()<\/strong> ha creato i valori per la nuova colonna:<\/span><\/p>\n Il codice seguente mostra come creare una nuova variabile chiamata qualit\u00e0<\/strong> i cui valori derivano dalle colonne points<\/strong> e assist<\/strong> :<\/span><\/p>\n Nota che possiamo anche usare la funzione is.na()<\/strong> per assegnare esplicitamente stringhe a valori NA:<\/span><\/span><\/p>\n Come disporre le righe in R<\/a> La funzione case_when() del pacchetto dplyr in R pu\u00f2 essere utilizzata per creare nuove variabili da variabili esistenti. Questa funzione utilizza la seguente sintassi di base: library (dplyr) df %>% mutate (new_var = case_when (var1 < 15 ~ ‘ low ‘, var2 < 25 ~ ‘ med ‘, TRUE ~ ‘ high ‘)) Tieni presente […]<\/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)\n<\/span>\ndf %>%\n mutate<\/span> (new_var = case_when<\/span> (var1 < 15 ~ ' low<\/span> ',\n var2 < 25 ~ ' med<\/span> ',\n TRUE ~ ' high<\/span> '))\n<\/strong><\/pre>\n #create data frame\n<\/span>df <- data. frame<\/span> (player = c('AJ', 'Bob', 'Chad', 'Dan', 'Eric', 'Frank'),\n position = c('G', 'F', 'F', 'G', 'C', NA),\n points = c(12, 15, 19, 22, 32, NA),\n assists = c(5, 7, 7, 12, 11, NA))\n\n#view data frame\n<\/span>df\n\n player position points assists\n1 AJ G 12 5\n2 Bob F 15 7\n3 Chad F 19 7\n4 Dan G 22 12\n5 Eric C 32 11\n6 Frank NA NA NA<\/strong><\/pre>\n Esempio 1: creare una nuova variabile da una variabile esistente<\/strong><\/span><\/h3>\n
df %>%\nmutate<\/span> (quality = case_when<\/span> (points > 20 ~ ' high<\/span> ',\n points > 15 ~ ' med<\/span> ',\n TRUE ~ ' low<\/span> ' ))\n\n player position points assists quality\n1 AJ G 12 5 low\n2 Bob F 15 7 low\n3 Chad F 19 7 med\n4 Dan G 22 12 high\n5 Eric C 32 11 high\n6 Frank NA NA NA low\n<\/strong><\/pre>\n\n
Esempio 2: creare una nuova variabile da pi\u00f9 variabili<\/strong><\/span><\/h3>\n
df %>%\nmutate<\/span> (quality = case_when<\/span> (points > 15 & assists > 10 ~ ' great<\/span> ',\n points > 15 & assists > 5 ~ ' good<\/span> ',\n TRUE ~ ' average<\/span> ' ))\n\n player position points assists quality\n1 AJ G 12 5 average\n2 Bob F 15 7 average\n3 Chad F 19 7 good\n4 Dan G 22 12 great\n5 Eric C 32 11 great\n6 Frank NA NA NA average\n<\/strong><\/pre>\n df %>%\nmutate<\/span> (quality = case_when<\/span> (is. na<\/span> (points) ~ ' missing<\/span> ',\n points > 15 & assists > 10 ~ ' great<\/span> ',\n points > 15 & assists > 5 ~ ' good<\/span> ',\n TRUE ~ ' average<\/span> ' ))\n\n player position points assists quality\n1 AJ G 12 5 average\n2 Bob F 15 7 average\n3 Chad F 19 7 good\n4 Dan G 22 12 great\n5 Eric C 32 11 great\n6 Frank NA NA NA missing<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come contare le osservazioni per gruppo in R<\/a>
Come filtrare le righe contenenti una determinata stringa in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"