<\/p>\n
Mo\u017cesz u\u017cy\u0107 operatora potoku ( %>%<\/strong> ) w R, aby \u201epotokowa\u0107\u201d sekwencj\u0119 operacji razem.<\/span><\/p>\n Operator ten jest najcz\u0119\u015bciej u\u017cywany z pakietem dplyr<\/a> w R do wykonywania sekwencji operacji na ramce danych.<\/span><\/p>\n Podstawowa sk\u0142adnia operatora potoku jest nast\u0119puj\u0105ca:<\/span><\/p>\n Operator potoku po prostu przekazuje wyniki jednej operacji do nast\u0119pnej operacji znajduj\u0105cej si\u0119 poni\u017cej.<\/span><\/p>\n Zalet\u0105 stosowania operatora potoku jest to, \u017ce sprawia, \u017ce kod jest niezwykle \u0142atwy do odczytania.<\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak u\u017cywa\u0107 operatora potoku w r\u00f3\u017cnych scenariuszach ze zbiorem danych mtcars<\/a> wbudowanym w R.<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak u\u017cywa\u0107 operatora potoku ( %>%<\/strong> ) do grupowania wed\u0142ug zmiennej cyl<\/strong> , a nast\u0119pnie podsumowywania \u015bredniej warto\u015bci zmiennej mpg<\/strong> :<\/span><\/p>\n Z wyniku mo\u017cemy zobaczy\u0107:<\/span><\/p>\n Zwr\u00f3\u0107 uwag\u0119, jak operator potoku u\u0142atwia r\u00f3wnie\u017c interpretacj\u0119 kodu.<\/span><\/p>\n W zasadzie m\u00f3wi:<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak u\u017cywa\u0107 operatora potoku ( %>%<\/strong> ) do grupowania wed\u0142ug zmiennych cyl<\/strong> i am<\/strong> , a nast\u0119pnie podsumowywania \u015bredniej zmiennej mpg<\/strong> i odchylenia standardowego zmiennej hp<\/strong> :<\/span><\/p>\n Z wyniku mo\u017cemy zobaczy\u0107:<\/span><\/p>\n I tak dalej.<\/span><\/p>\n Ponownie zwr\u00f3\u0107 uwag\u0119, jak operator potoku u\u0142atwia r\u00f3wnie\u017c interpretacj\u0119 kodu.<\/span><\/p>\n W zasadzie m\u00f3wi:<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak u\u017cywa\u0107 operatora potoku ( %>%<\/strong> ) z funkcj\u0105 mutate<\/a> w pakiecie dplyr<\/strong> w celu utworzenia dw\u00f3ch nowych zmiennych w ramce danych mtcars:<\/span><\/p>\n Z wyniku mo\u017cemy zobaczy\u0107:<\/span><\/p>\n Ponownie zwr\u00f3\u0107 uwag\u0119, jak operator potoku u\u0142atwia r\u00f3wnie\u017c interpretacj\u0119 kodu.<\/span><\/p>\n W zasadzie m\u00f3wi:<\/span><\/p>\n Powi\u0105zane:<\/strong> Jak u\u017cywa\u0107 funkcji transmute() w dplyr<\/a><\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak u\u017cywa\u0107 innych typowych funkcji w R:<\/span><\/p>\n Jak u\u017cywa\u0107 operatora tyldy (~) w R<\/a> Mo\u017cesz u\u017cy\u0107 operatora potoku ( %>% ) w R, aby \u201epotokowa\u0107\u201d sekwencj\u0119 operacji razem. Operator ten jest najcz\u0119\u015bciej u\u017cywany z pakietem dplyr w R do wykonywania sekwencji operacji na ramce danych. Podstawowa sk\u0142adnia operatora potoku jest nast\u0119puj\u0105ca: df %>% do_this_operation %>% then_do_this_operation %>% then_do_this_operation … Operator potoku po prostu przekazuje wyniki jednej operacji do nast\u0119pnej […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3374","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n df %>% \n do_this_operation %>% \n then_do_this_operation %>%\n then_do_this_operation ...<\/strong><\/span><\/pre>\n #view first six rows of mtcars dataset<\/span>\nhead(mtcars)\n\n mpg cyl disp hp drat wt qsec vs am gear carb\nMazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4\nMazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4\nDatsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1\nHornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1\nHornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2\nValiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1\n<\/strong><\/span><\/pre>\n Przyk\u0142ad 1: U\u017cyj operatora potoku do podsumowania zmiennej<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#summarize mean mpg grouped by cyl<\/span>\nmtcars %>% \n group_by(cyl) %>% \n summarize(mean_mpg = mean(mpg))\n\n# A tibble: 3 x 2\n cyl mean_mpg\n \n1 4 26.7\n2 6 19.7\n3 8 15.1\n<\/strong><\/span><\/pre>\n\n
\n
Przyk\u0142ad 2: U\u017cycie operatora Pipe do grupowania i podsumowywania wielu zmiennych<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#summarize mean mpg and standard dev of hp grouped by cyl and am<\/span>\nmtcars %>% \n group_by(cyl, am) %>% \n summarize(mean_mpg = mean(mpg),\n sd_hp = sd(hp))\n\n# A tibble: 6 x 4\n# Groups: cyl[3]\n cyl am mean_mpg sd_hp\n \n1 4 0 22.9 19.7 \n2 4 1 28.1 22.7 \n3 6 0 19.1 9.18\n4 6 1 20.6 37.5 \n5 8 0 15.0 33.4 \n6 8 1 15.4 50.2 \n<\/strong><\/span><\/pre>\n\n
\n
Przyk\u0142ad 3: U\u017cyj operatora Pipe do utworzenia nowych zmiennych<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#add two new variables in mtcars\nnew_mtcars <- mtcars %>%\n mutate(mpg2 = mpg*2,\n mpg_root = sqrt(mpg))<\/span>\n\n#view first six rows of new data frame\nhead(new_mtcars)\n\n mpg cyl disp hp drat wt qsec vs am gear carb mpg2 mpg_root\n1 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 42.0 4.582576\n2 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 42.0 4.582576\n3 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 45.6 4.774935\n4 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 42.8 4.626013\n5 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 37.4 4.324350\n6 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 36.2 4.254409<\/span><\/span><\/strong><\/span><\/pre>\n\n
\n
Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak u\u017cywa\u0107 operatora znaku dolara ($) w R<\/a>
Jak u\u017cywa\u0107 operatora \u201eNOT IN\u201d w R<\/a>
Jak u\u017cywa\u0107 operatora%in% w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"