Hoe de cross()-functie in dplyr te gebruiken (3 voorbeelden)

U kunt de functie across() uit het dplyr- pakket in R gebruiken om een transformatie op meerdere kolommen toe te passen.

Er zijn talloze manieren om deze functie te gebruiken, maar de volgende methoden illustreren enkele veelvoorkomende toepassingen:

Methode 1: Pas een functie toe op meerdere kolommen

 #multiply values in col1 and col2 by 2
df %>% 
  mutate(across(c(col1, col2), function (x) x*2))

Methode 2: Bereken een samenvattende statistiek voor meerdere kolommen

 #calculate mean of col1 and col2
df %>%
  summarise(across(c(col1, col2), mean, na. rm = TRUE ))

Methode 3: Bereken meerdere samenvattende statistieken voor meerdere kolommen

 #calculate mean and standard deviation for col1 and col2
df %>%
  summarise(across(c(col1, col2), list(mean=mean, sd=sd), na. rm = TRUE ))

De volgende voorbeelden laten zien hoe u elke methode kunt gebruiken met het volgende dataframe:

 #create data frame
df <- data. frame (conf=c('East', 'East', 'East', 'West', 'West', 'West'),
                 points=c(22, 25, 29, 13, 22, 30),
                 rebounds=c(12, 10, 6, 6, 8, 11))

#view data frame
df

  conf points rebounds
1 East 22 12
2 East 25 10
3 East 29 6
4 West 13 6
5 West 22 8
6 West 30 11

Voorbeeld 1: Pas een functie toe op meerdere kolommen

De volgende code laat zien hoe u de functie across() gebruikt om de waarden in de kolommen punten en rebounds met 2 te vermenigvuldigen:

 library (dplyr)

#multiply values in points and rebounds columns by 2
df %>% 
  mutate(across(c(points, rebounds), function (x) x*2))

  conf points rebounds
1 East 44 24
2 East 50 20
3 East 58 12
4 West 26 12
5 West 44 16
6 West 60 22

Voorbeeld 2: Bereken een samenvattende statistiek voor meerdere kolommen

De volgende code laat zien hoe u de functie across() gebruikt om de gemiddelde waarde van de kolommen punten en rebounds te berekenen:

 library (dplyr)

#calculate mean value of points an rebounds columns
df %>%
  summarise(across(c(points, rebounds), mean, na. rm = TRUE ))

  rebound points
1 23.5 8.833333

Merk op dat we ook de functie is.numeric kunnen gebruiken om automatisch een samenvattende statistiek te berekenen voor alle numerieke kolommen in het gegevensframe:

 library (dplyr)

#calculate mean value for every numeric column in data frame
df %>%
  summarise(across(where(is. numeric ), mean, na. rm = TRUE ))

  rebound points
1 23.5 8.833333

Voorbeeld 3: Bereken meerdere samenvattende statistieken voor meerdere kolommen

De volgende code laat zien hoe u de functie across() gebruikt om de gemiddelde en standaardafwijking van de kolommen punten en rebounds te berekenen:

 library (dplyr)

#calculate mean and standard deviation for points and rebounds columns
df %>%
  summarise(across(c(points, rebounds), list(mean=mean, sd=sd), na. rm = TRUE ))

  points_mean points_sd rebounds_mean rebounds_sd
1 23.5 6.156298 8.833333 2.562551

Opmerking : u kunt de volledige documentatie voor de across()- functie hier vinden.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende functies kunt uitvoeren met dplyr:

Rijen verwijderen met dplyr
Rijen rangschikken met dplyr
Hoe u op meerdere voorwaarden kunt filteren met behulp van dplyr