<\/p>\n
Puoi utilizzare la seguente sintassi di base in dplyr<\/a> per utilizzare la funzione mutate()<\/strong> per creare una nuova colonna basata su pi\u00f9 condizioni: Questa particolare sintassi crea una nuova colonna chiamata class<\/strong> che assume i seguenti valori:<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n Correlato:<\/strong> Come utilizzare case_when() in dplyr<\/a><\/span><\/p>\n Supponiamo di avere il seguente frame di dati in R che contiene informazioni su vari giocatori di basket:<\/span><\/p>\n Possiamo usare la seguente sintassi con la funzione mutate()<\/strong> per creare una nuova colonna chiamata class<\/strong> i cui valori sono basati sui valori nelle colonne squadra<\/strong> e punti<\/strong> :<\/span><\/p>\n <\/strong> La nuova colonna classe<\/strong> assume valori in base ai valori nelle colonne squadra<\/strong> e punti<\/strong> .<\/span><\/p>\n Ad esempio, la prima riga aveva un valore A nella colonna della squadra<\/strong> e un valore in punti<\/strong> maggiore o uguale a 20, quindi ha ricevuto un valore A_Buono<\/strong> nella colonna della nuova classe<\/strong> .<\/span><\/p>\n Tieni presente che in questo esempio abbiamo utilizzato il simbolo &<\/strong> come operatore “AND” per verificare se due condizioni erano entrambe vere prima di assegnare un valore nella colonna della classe<\/strong> .<\/span><\/p>\n Tuttavia, avremmo potuto usare |<\/strong> simbolo come operatore “OR” per verificare invece se una delle due condizioni \u00e8 stata soddisfatta prima di assegnare un valore nella colonna della classe<\/strong> .<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in dplyr:<\/span><\/p>\n dplyr: come mutare una variabile se la colonna contiene una stringa<\/a> Puoi utilizzare la seguente sintassi di base in dplyr per utilizzare la funzione mutate() per creare una nuova colonna basata su pi\u00f9 condizioni: library (dplyr) df <- df%>% mutate(class = case_when((team == ‘ A ‘ & points >= 20) ~ ‘ A_Good ‘, (team == ‘ A ‘ & points < 20) ~ ‘ A_Bad […]<\/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
Esempio: utilizzare mutate() in dplyr con pi\u00f9 condizioni<\/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 Risorse addizionali<\/strong><\/span><\/h2>\n
dplyr: come modificare i livelli dei fattori utilizzando mutate()<\/a>
dplyr: come utilizzare la funzione across()<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"