<\/p>\n
U kunt de lag()-<\/strong> functie uit het dplyr-<\/a> pakket in R gebruiken om lag-waarden te berekenen.<\/span><\/p>\n Deze functie gebruikt de volgende basissyntaxis:<\/span><\/p>\n verschuiving(x, n=1, \u2026)<\/span><\/strong><\/p>\n Goud:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze functie kunt gebruiken om verschoven waarden in de praktijk te berekenen.<\/span><\/p>\n Stel dat we het volgende gegevensframe in R hebben dat het aantal verkopen weergeeft dat een winkel gedurende 10 opeenvolgende dagen heeft behaald:<\/span><\/p>\n We kunnen de lag()<\/strong> -functie uit het dplyr-pakket gebruiken om een lag-kolom te maken die de verkopen van de vorige dag voor elke rij weergeeft:<\/span><\/p>\n Zo interpreteert u het resultaat:<\/span><\/p>\n Enzovoort.<\/span><\/p>\n We kunnen ook de waarde van het argument n<\/strong> in de lag()<\/strong> -functie wijzigen om een lag-waarde te berekenen voor een ander aantal eerdere posities:<\/span><\/p>\n Opmerking<\/strong> : om een leadkolom te maken, gebruikt u de lead()-<\/strong> functie uit het dplyr-pakket in plaats van de lag()-<\/strong> functie.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende functies in R kunt gebruiken:<\/span><\/p>\n Hoe de n()-functie in dplyr te gebruiken<\/a> U kunt de lag()- functie uit het dplyr- pakket in R gebruiken om lag-waarden te berekenen. Deze functie gebruikt de volgende basissyntaxis: verschuiving(x, n=1, \u2026) Goud: x : vector van waarden n : aantal te vertragen posities Het volgende voorbeeld laat zien hoe u deze functie kunt gebruiken om verschoven waarden in de praktijk te […]<\/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-3997","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
Voorbeeld: Verschoven waarden in R berekenen<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (day=1:10,\n sales=c(18, 10, 14, 13, 19, 24, 25, 29, 15, 18))\n\n#view data frame\n<\/span>df\n\n day sales\n1 1 18\n2 2 10\n3 3 14\n4 4 13\n5 5 19\n6 6 24\n7 7 25\n8 8 29\n9 9 15\n10 10 18<\/strong><\/span><\/pre>\n library<\/span> (dplyr)\n\n#add new column that shows sales for previous day\n<\/span>df$previous_day_sales <- dplyr::lag(df$sales, n= 1<\/span> )\n\n#view updated data frame\n<\/span>df\n\n day sales previous_day_sales\n1 1 18 NA\n2 2 10 18\n3 3 14 10\n4 4 13 14\n5 5 19 13\n6 6 24 19\n7 7 25 24\n8 8 29 25\n9 9 15 29\n10 10 18 15<\/strong><\/span><\/pre>\n\n
library<\/span> (dplyr)\n\n#add new column that shows sales for two days prior\n<\/span>df$previous_day_sales <- dplyr::lag(df$sales, n= 2<\/span> )\n\n#view updated data frame\n<\/span>df\n\n day sales previous_day_sales\n1 1 18 NA\n2 2 10 NA\n3 3 14 18\n4 4 13 10\n5 5 19 14\n6 6 24 13\n7 7 25 19\n8 8 29 24\n9 9 15 25\n10 10 18 29\n<\/strong><\/span><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe de cross()-functie in dplyr te gebruiken<\/a>
Hoe de functie move() in dplyr te gebruiken<\/a>
Hoe de slice()-functie in dplyr te gebruiken<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"