<\/p>\n
U kunt de functie across()<\/a> uit het dplyr-<\/a> pakket in R gebruiken om een transformatie op meerdere kolommen toe te passen.<\/span><\/p>\n Er zijn talloze<\/span> manieren om deze functie te gebruiken, maar de volgende methoden illustreren enkele veelvoorkomende toepassingen:<\/span><\/p>\n Methode 1: Pas een functie toe op meerdere kolommen<\/strong><\/span><\/p>\n Methode 2: Bereken een samenvattende statistiek voor meerdere kolommen<\/strong><\/span><\/p>\n Methode 3: Bereken meerdere samenvattende statistieken voor meerdere kolommen<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode kunt gebruiken met het volgende dataframe:<\/span><\/p>\n De volgende code laat zien hoe u de functie across()<\/strong> gebruikt om de waarden in de kolommen punten<\/strong> en rebounds<\/strong> met 2 te vermenigvuldigen:<\/span><\/p>\n De volgende code laat zien hoe u de functie across()<\/strong> gebruikt om de gemiddelde waarde van de kolommen punten<\/strong> en rebounds<\/strong> te berekenen:<\/span><\/p>\n Merk op dat we ook de functie is.numeric<\/strong> kunnen gebruiken om automatisch een samenvattende statistiek te berekenen voor alle numerieke kolommen in het gegevensframe:<\/span><\/p>\n De volgende code laat zien hoe u de functie across()<\/strong> gebruikt om de gemiddelde en standaardafwijking van de kolommen punten<\/strong> en rebounds<\/strong> te berekenen:<\/span><\/p>\n Opmerking<\/strong> : u kunt de volledige documentatie voor de across()-<\/strong> functie hier<\/a> vinden.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende functies kunt uitvoeren met dplyr:<\/span><\/p>\n Rijen verwijderen met dplyr<\/a> 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 […]<\/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":[],"class_list":["post-3283","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n #multiply values in col1 and col2 by 2<\/span>\ndf %>% \n mutate(across(c(col1, col2), function<\/span> (x) x*2))\n<\/strong><\/pre>\n #calculate mean of col1 and col2<\/span>\ndf %>%\n summarise(across(c(col1, col2), mean, na. rm<\/span> = TRUE<\/span> ))\n<\/strong><\/pre>\n #calculate mean and standard deviation for col1 and col2\n<\/span>df %>%\n summarise(across(c(col1, col2), list(mean=mean, sd=sd), na. rm<\/span> = TRUE<\/span> ))\n<\/strong><\/pre>\n #create data frame\n<\/span>df <- data. frame<\/span> (conf=c('East', 'East', 'East', 'West', 'West', 'West'),\n points=c(22, 25, 29, 13, 22, 30),\n rebounds=c(12, 10, 6, 6, 8, 11))\n\n#view data frame\n<\/span>df\n\n conf points rebounds\n1 East 22 12\n2 East 25 10\n3 East 29 6\n4 West 13 6\n5 West 22 8\n6 West 30 11<\/strong><\/pre>\n Voorbeeld 1: Pas een functie toe op meerdere kolommen<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#multiply values in points and rebounds columns by 2\n<\/span>df %>% \n mutate(across(c(points, rebounds), function<\/span> (x) x*2))\n\n conf points rebounds\n1 East 44 24\n2 East 50 20\n3 East 58 12\n4 West 26 12\n5 West 44 16\n6 West 60 22\n<\/strong><\/span><\/pre>\n Voorbeeld 2: Bereken een samenvattende statistiek voor meerdere kolommen<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)<\/span>\n\n#calculate mean value of points an rebounds columns\n<\/span>df %>%\n summarise(across(c(points, rebounds), mean, na. rm<\/span> = TRUE<\/span> ))\n\n rebound points\n1 23.5 8.833333<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#calculate mean value for every numeric column in data frame\n<\/span>df %>%\n summarise(across(where(is. numeric<\/span> ), mean, na. rm<\/span> = TRUE<\/span> ))\n\n rebound points\n1 23.5 8.833333\n<\/strong><\/pre>\n Voorbeeld 3: Bereken meerdere samenvattende statistieken voor meerdere kolommen<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)<\/span>\n\n#calculate mean and standard deviation for points and rebounds columns\n<\/span>df %>%\n summarise(across(c(points, rebounds), list(mean=mean, sd=sd), na. rm<\/span> = TRUE<\/span> ))\n\n points_mean points_sd rebounds_mean rebounds_sd\n1 23.5 6.156298 8.833333 2.562551<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Rijen rangschikken met dplyr<\/a>
Hoe u op meerdere voorwaarden kunt filteren met behulp van dplyr<\/p>\n","protected":false},"excerpt":{"rendered":"