<\/p>\n
Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni w dplyr<\/a> , aby mutowa\u0107 zmienn\u0105, je\u015bli kolumna zawiera okre\u015blony ci\u0105g:<\/span><\/p>\n Ta konkretna sk\u0142adnia stosuje funkcj\u0119scale ()<\/strong> do ka\u017cdej zmiennej w ramce danych zawieraj\u0105cej ci\u0105g \u201estarter\u201d w nazwie kolumny.<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych w R:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 poni\u017cszej sk\u0142adni, aby zastosowa\u0107 funkcj\u0119scale ()<\/strong> do ka\u017cdej zmiennej w ramce danych zawieraj\u0105cej ci\u0105g \u201estarter\u201d w nazwie kolumny.<\/span><\/p>\n Korzystaj\u0105c z tej sk\u0142adni, mogli\u015bmy zastosowa\u0107 funkcj\u0119scale ()<\/strong> do skalowania ka\u017cdej kolumny zawieraj\u0105cej \u201estarter\u201d w taki spos\u00f3b, \u017ce ich warto\u015bci maj\u0105 teraz \u015bredni\u0105 0 i odchylenie standardowe 1.<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce zmodyfikowano nast\u0119puj\u0105ce kolumny:<\/span><\/p>\n Pozosta\u0142e kolumny pozosta\u0142y niezmienione.<\/span><\/p>\n Nale\u017cy r\u00f3wnie\u017c pami\u0119ta\u0107, \u017ce przy u\u017cyciu tej sk\u0142adni mo\u017cemy zastosowa\u0107 dowoln\u0105 funkcj\u0119.<\/span><\/p>\n W poprzednim przyk\u0142adzie wybrali\u015bmy skalowanie ka\u017cdej kolumny za pomoc\u0105 ci\u0105gu \u201estarter\u201d w nazwie.<\/span><\/p>\n Mogliby\u015bmy jednak zrobi\u0107 co\u015b prostszego, na przyk\u0142ad pomno\u017cy\u0107 warto\u015bci przez dwa dla ka\u017cdej kolumny ze s\u0142owem \u201estarter\u201d w nazwie:<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce warto\u015bci kolumn starter_points<\/strong> i starter_assists<\/strong> zosta\u0142y pomno\u017cone przez dwa, natomiast wszystkie pozosta\u0142e kolumny pozosta\u0142y niezmienione.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w dplyr:<\/span><\/p>\n Jak usun\u0105\u0107 wiersze za pomoc\u0105 dplyr<\/a> Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni w dplyr , aby mutowa\u0107 zmienn\u0105, je\u015bli kolumna zawiera okre\u015blony ci\u0105g: library (dplyr) df %>% mutate_at(vars(contains(’ starter ’)), ~ (scale(.) %>% as. vector )) Ta konkretna sk\u0142adnia stosuje funkcj\u0119scale () do ka\u017cdej zmiennej w ramce danych zawieraj\u0105cej ci\u0105g \u201estarter\u201d w nazwie kolumny. Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w […]<\/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-3613","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n library<\/span> (dplyr)\n\ndf %>% mutate_at(vars(contains(' starter<\/span> ')), ~ (scale(.) %>% as. vector<\/span> ))\n<\/strong><\/pre>\n Przyk\u0142ad: zmutuj zmienn\u0105, je\u015bli kolumna zawiera ci\u0105g znak\u00f3w<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'B', 'C', 'D', 'E', 'F'),\n starter_points=c(22, 26, 25, 13, 15, 22),\n starter_assists=c(4, 5, 10, 14, 12, 10),\n bench_points=c(7, 7, 9, 14, 13, 10),\n bench_assists=c(2, 5, 5, 4, 9, 14))\n\n#view data frame\n<\/span>df\n\n team starter_points starter_assists bench_points bench_assists\n1 to 22 4 7 2\n2 B 26 5 7 5\n3 C 25 10 9 5\n4 D 13 14 14 4\n5 E 15 12 13 9\n6 F 22 10 10 14<\/strong><\/pre>\n library<\/span> (dplyr)\n\n#apply scale() function to each variable that contains 'starter' in the name\n<\/span>df %>% mutate_at(vars(contains(' starter<\/span> ')), ~ (scale(.) %>% as. vector<\/span> ))\n\n team starter_points starter_assists bench_points bench_assists\n1 A 0.2819668 -1.3180158 7 2\n2 B 1.0338784 -1.0629159 7 5\n3 C 0.8459005 0.2125832 9 5\n4 D -1.4098342 1.2329825 14 4\n5 E -1.0338784 0.7227828 13 9\n6 F 0.2819668 0.2125832 10 14\n<\/strong><\/pre>\n\n
library<\/span> (dplyr)\n\n#multiply values by two for each variable that contains 'starter' in the name\n<\/span>df %>% mutate_at(vars(contains(' starter<\/span> ')), ~ (. * 2<\/span> ))\n\n team starter_points starter_assists bench_points bench_assists\n1 A 44 8 7 2\n2 B 52 10 7 5\n3 C 50 20 9 5\n4 D 26 28 14 4\n5 E 30 24 13 9\n6 F 44 20 10 14\n<\/strong><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak wybra\u0107 kolumny wed\u0142ug indeksu za pomoc\u0105 dplyr<\/a>
Jak filtrowa\u0107 wiersze zawieraj\u0105ce okre\u015blony ci\u0105g za pomoc\u0105 dplyr<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"