<\/p>\n
U kunt de functie ungroup()<\/strong> in dplyr gebruiken om rijen te degroeperen nadat u de functie group_by()<\/strong> hebt gebruikt om \u00e9\u00e9n variabele per groep samen te vatten.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we het volgende dataframe in R hebben:<\/span><\/p>\n Stel nu dat we de volgende code gebruiken om de gemiddelde puntwaarde<\/strong> te berekenen, gegroepeerd per team<\/strong> :<\/span><\/p>\n Met behulp van deze syntaxis kunnen we de gemiddelde waarde van de punten<\/strong> berekenen, gegroepeerd per team<\/strong> , maar we zijn de assists-<\/strong> kolom kwijtgeraakt.<\/span><\/p>\n Om de helperskolom<\/strong> te behouden, kunnen we mutete()<\/strong> gebruiken in plaats van summary()<\/strong> en aan het einde nog steeds ungroup()<\/strong> gebruiken:<\/span><\/p>\n Deze keer kunnen we de assists-<\/strong> kolom behouden en met behulp van de functie mute()<\/strong> hebben we eenvoudigweg een nieuwe kolom toegevoegd met de naam Mean_points<\/strong> , die de gemiddelde puntenwaarde voor elk team weergeeft.<\/span><\/span><\/p>\n Omdat we ook de functie ungroup()<\/strong> hebben gebruikt, kunnen we berekeningen uitvoeren op dit nieuwe dataframe zonder ons zorgen te hoeven maken over berekeningen die worden be\u00efnvloed door gegroepeerde variabelen.<\/span><\/p>\n Als we de functie ungroup()<\/strong> niet zouden gebruiken, zouden de rijen in het dataframe nog steeds gegroepeerd zijn, wat onbedoelde gevolgen zou kunnen hebben als we later andere berekeningen uitvoeren.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Hoe unieke waarden te filteren met dplyr<\/a> U kunt de functie ungroup() in dplyr gebruiken om rijen te degroeperen nadat u de functie group_by() hebt gebruikt om \u00e9\u00e9n variabele per groep samen te vatten. Het volgende voorbeeld laat zien hoe u deze functie in de praktijk kunt gebruiken. Voorbeeld: hoe u ungroup() gebruikt in dplyr Stel dat we het volgende dataframe in […]<\/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-3555","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Voorbeeld: hoe u ungroup() gebruikt in dplyr<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'B', 'B', 'B'),\n dots=c(14, 18, 22, 26, 36, 34),\n assists=c(5, 4, 4, 8, 7, 3))\n\n#view data frame\n<\/span>df\n\n team points assists\n1 to 14 5\n2 to 18 4\n3 to 22 4\n4 B 26 8\n5 B 36 7\n6 B 34 3<\/strong><\/span><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#calculate mean of points, grouped by team\ndf_new <- df %>%\n group_by(team) %>%\n summarize(mean_points = mean(points)) %>%\n A group()\n\n#view results<\/span>\ndf_new\n\n# A tibble: 2 x 2\n team mean_points\n \n1 to 18\n2 B 32\n<\/span><\/span><\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#calculate mean of points, grouped by team\ndf_new <- df %>%\n group_by(team) %>%\n mutate(mean_points = mean(points)) %>%\n A group()\n\n#view results\n<\/span>df_new\n\n# A tibble: 6 x 4\n team points assists mean_points\n \n1 A 14 5 18\n2 A 18 4 18\n3 A 22 4 18\n4 B 26 8 32\n5 B 36 7 32\n6 B 34 3 32\n<\/span><\/span><\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe u op meerdere voorwaarden kunt filteren met behulp van dplyr
Hoe het aantal exemplaren in kolommen in R te tellen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"