<\/p>\n
U kunt de volgende methoden gebruiken om de waarden van meerdere kolommen in een dataframe op te tellen met behulp van dplyr:<\/span><\/p>\n Methode 1: Som over alle kolommen<\/strong><\/span><\/p>\n Methode 2: Som over alle numerieke kolommen<\/strong><\/span><\/p>\n Methode 3: Som over specifieke kolommen<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode kunt gebruiken met het volgende dataframe dat informatie bevat over de punten die door verschillende basketbalspelers in verschillende games zijn gescoord:<\/span><\/p>\n De volgende code laat zien hoe u de som van de waarden van alle kolommen in het dataframe berekent:<\/span><\/p>\n De volgende code laat zien hoe u de som van de waarden van alle numerieke kolommen in het dataframe berekent:<\/span><\/p>\n De volgende code laat zien hoe u alleen de som van de waarden in de kolommen game1<\/strong> en game2<\/strong> berekent:<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken kunt uitvoeren met dplyr:<\/span><\/p>\n Rijen verwijderen met dplyr<\/a> U kunt de volgende methoden gebruiken om de waarden van meerdere kolommen in een dataframe op te tellen met behulp van dplyr: Methode 1: Som over alle kolommen df %>% mutate(sum = rowSums(., na. rm = TRUE )) Methode 2: Som over alle numerieke kolommen df %>% mutate(sum = rowSums(across(where(is. numeric )), na. rm = […]<\/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-3284","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df %>%\n mutate(sum = rowSums(., na. rm<\/span> = TRUE<\/span> ))\n<\/strong><\/pre>\n df %>%\n mutate(sum = rowSums(across(where(is. numeric<\/span> )), na. rm<\/span> = TRUE<\/span> ))\n<\/strong><\/pre>\n df %>%\n mutate(sum = rowSums(across(c(col1, col2))))\n<\/strong><\/pre>\n
#create data frame\n<\/span>df <- data. frame<\/span> (game1=c(22, 25, 29, 13, 22, 30),\n game2=c(12, 10, 6, 6, 8, 11),\n game3=c(NA, 15, 15, 18, 22, 13))\n\n#view data frame\n<\/span>df\n\n game1 game2 game3\n1 22 12 NA\n2 25 10 15\n3 29 6 15\n4 13 6 18\n5 22 8 22\n6 30 11 13\n<\/strong><\/pre>\n Voorbeeld 1: som over alle kolommen<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#sum values across all columns\ndf %>%\n mutate(total_points = rowSums(., na. rm<\/span> = TRUE<\/span> ))<\/span>\n\n<\/span>game1 game2 game3 total_points\n1 22 12 NA 34\n2 25 10 15 50\n3 29 6 15 50\n4 13 6 18 37\n5 22 8 22 52\n6 30 11 13 54\n<\/strong><\/span><\/pre>\n Voorbeeld 2: Som over alle numerieke kolommen<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)<\/span>\n\n#sum values across all numeric columns\n<\/span>df %>%\n mutate(total_points = rowSums(across(where(is. numeric<\/span> )), na. rm<\/span> = TRUE<\/span> ))\n<\/span>\n<\/span>game1 game2 game3 total_points\n1 22 12 NA 34\n2 25 10 15 50\n3 29 6 15 50\n4 13 6 18 37\n5 22 8 22 52\n6 30 11 13 54<\/strong><\/pre>\n Voorbeeld 3: Som over specifieke kolommen<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)<\/span>\n\n#sum values across game1 and game2 only\n<\/span>df %>%\n mutate(first2_sum = rowSums(across(c(game1, game2))))\n\n game1 game2 game3 first2_sum\n1 22 12 NA 34\n2 25 10 15 35\n3 29 6 15 35\n4 13 6 18 19\n5 22 8 22 30\n6 30 11 13 41\n<\/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":"