<\/p>\n
U kunt de volgende basissyntaxis in dplyr<\/a> gebruiken om de functie mute()<\/strong> te gebruiken om een nieuwe kolom te maken op basis van meerdere voorwaarden: Deze specifieke syntaxis cre\u00ebert een nieuwe kolom met de naam class<\/strong> , die de volgende waarden aanneemt:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Gerelateerd:<\/strong> Case_when() gebruiken in dplyr<\/a><\/span><\/p>\n Stel dat we het volgende dataframe in R hebben dat informatie bevat over verschillende basketbalspelers:<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken met de functie mute()<\/strong> om een nieuwe kolom te maken met de naam class<\/strong> , waarvan de waarden zijn gebaseerd op de waarden in de team-<\/strong> en puntenkolommen<\/strong> :<\/span><\/p>\n <\/strong> De nieuwe klassekolom<\/strong> neemt waarden aan op basis van de waarden in de team-<\/strong> en puntenkolommen<\/strong> .<\/span><\/p>\n De eerste rij had bijvoorbeeld de waarde A in de teamkolom<\/strong> en een puntenwaarde<\/strong> groter dan of gelijk aan 20, dus kreeg deze de waarde A_Good<\/strong> in de nieuwe klassekolom<\/strong> .<\/span><\/p>\n Houd er rekening mee dat we in dit voorbeeld het &<\/strong> -symbool als EN-operator hebben gebruikt om te controleren of twee voorwaarden beide waar zijn voordat we een waarde in de klassenkolom<\/strong> toekennen.<\/span><\/p>\n We hadden echter ook de |<\/strong> symbool als een „OR“-operator om in plaats daarvan te controleren of aan een van de twee voorwaarden is voldaan voordat een waarde in de klassenkolom<\/strong> wordt toegewezen.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in dplyr uitvoert:<\/span><\/p>\n dplyr: Hoe een variabele te muteren als de kolom een string bevat<\/a> U kunt de volgende basissyntaxis in dplyr gebruiken om de functie mute() te gebruiken om een nieuwe kolom te maken op basis van meerdere voorwaarden: library (dplyr) df <- df%>% mutate(class = case_when((team == ‚ A ‚ & points >= 20) ~ ‚ A_Good ‚, (team == ‚ A ‚ & points < 20) ~ […]<\/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-4266","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n
<\/span><\/p>\n library<\/span> (dplyr)\n\ndf <- df%>% mutate(class = case_when((team == ' A<\/span> ' &<\/span> points >= 20) ~ ' A_Good<\/span> ',\n (team == ' A<\/span> ' &<\/span> points < 20) ~ ' A_Bad<\/span> ',\n (team == ' B<\/span> ' &<\/span> points >= 20) ~ ' B_Good<\/span> ',\n TRUE<\/span> ~ ' B_Bad<\/span> '))\n<\/strong><\/pre>\n\n
Voorbeeld: Gebruik mute() in dplyr met meerdere voorwaarden<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'),\n points=c(22, 30, 34, 19, 14, 12, 39, 15, 22, 25))\n\n#view data frame\n<\/span>df\n\n team points\n1 to 22\n2 to 30\n3 to 34\n4 to 19\n5 to 14\n6 B 12\n7 B 39\n8 B 15\n9 B 22\n10 B 25<\/strong><\/pre>\n library<\/span> (dplyr)\n#add new column based on values in team and points columns\n<\/span>df <- df%>% mutate(class = case_when((team == ' A<\/span> ' &<\/span> points >= 20) ~ ' A_Good<\/span> ',\n (team == ' A<\/span> ' &<\/span> points < 20) ~ ' A_Bad<\/span> ',\n (team == ' B<\/span> ' &<\/span> points >= 20) ~ ' B_Good<\/span> ',\n TRUE<\/span> ~ ' B_Bad<\/span> '))\n\n#view updated data frame<\/span>\ndf\n\n team points class\n1 A 22 A_Good\n2 A 30 A_Good\n3 A 34 A_Good\n4 A 19 A_Bad\n5 A 14 A_Bad\n6 B 12 B_Bad\n7 B 39 B_Good\n8 B 15 B_Bad\n9 B 22 B_Good\n10 B 25 B_Good\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
dplyr: Hoe factorniveaus te veranderen met mute()<\/a>
dplyr: Hoe de across() functie te gebruiken<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"