<\/p>\n
Funkcja dplyr<\/a> if_else()<\/strong> ma trzy zalety w por\u00f3wnaniu z podstawow\u0105 funkcj\u0105 ielse()<\/strong> w j\u0119zyku R:<\/span><\/span><\/p>\n 1.<\/strong> Funkcja if_else()<\/strong> sprawdza, czy dwie alternatywy w instrukcji if else maj\u0105 ten sam typ danych.<\/span><\/p>\n 2.<\/strong> Funkcja if_else()<\/strong> nie konwertuje obiekt\u00f3w Date na numeryczne.<\/span><\/p>\n 3.<\/strong> Funkcja if_else()<\/strong> oferuje \u201ebrakuj\u0105cy\u201d argument okre\u015blaj\u0105cy spos\u00f3b obs\u0142ugi warto\u015bci NA.<\/span><\/p>\n Poni\u017csze przyk\u0142ady ilustruj\u0105 te r\u00f3\u017cnice w praktyce.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych w R, kt\u00f3ra zawiera informacje o r\u00f3\u017cnych koszykarzach:<\/span><\/p>\n Je\u015bli u\u017cyjemy funkcji R base ifelse()<\/strong> do utworzenia nowej kolumny, kt\u00f3ra przypisze warto\u015b\u0107 \u201eAtlanta\u201d do wierszy o warto\u015bci zespo\u0142u \u201eA\u201d i 0 do wierszy o innej warto\u015bci, nie otrzymamy \u017cadnych b\u0142\u0119d\u00f3w. mimo \u017ce \u201eAtlanta\u201d jest znakiem, a 0 jest liczb\u0105:<\/span><\/span><\/p>\n Je\u015bli jednak do wykonania tego samego zadania u\u017cyjemy funkcji if_else()<\/strong> programu dplyr, otrzymamy b\u0142\u0105d informuj\u0105cy nas, \u017ce w instrukcji if else u\u017cyli\u015bmy dw\u00f3ch r\u00f3\u017cnych typ\u00f3w danych:<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy w R nast\u0119puj\u0105c\u0105 ramk\u0119 danych, kt\u00f3ra pokazuje sprzeda\u017c dokonan\u0105 w sklepie w r\u00f3\u017cnych terminach:<\/span><\/p>\n Je\u015bli do modyfikacji warto\u015bci kolumny daty u\u017cyjemy funkcji R base ielse()<\/strong> to warto\u015bci zostan\u0105 automatycznie przekonwertowane na numeryczne:<\/span><\/p>\n Je\u015bli jednak u\u017cyjemy funkcji if_else()<\/strong> dplyr, obiekty daty pozostan\u0105 datami:<\/span><\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych w R:<\/span><\/p>\n Je\u015bli u\u017cyjemy funkcji R base ifelse()<\/strong> do utworzenia nowej kolumny, nie ma domy\u015blnej opcji okre\u015blaj\u0105cej spos\u00f3b obs\u0142ugi warto\u015bci NA:<\/span><\/p>\n Je\u015bli jednak u\u017cyjemy funkcji if_else()<\/strong> dplyr, mo\u017cemy u\u017cy\u0107 brakuj\u0105cego<\/strong> argumentu, aby okre\u015bli\u0107 spos\u00f3b obs\u0142ugi warto\u015bci NA:<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce wiersz z warto\u015bci\u0105 NA w kolumnie zesp\u00f3\u0142<\/strong> otrzymuje warto\u015b\u0107 \u201einne\u201d w kolumnie<\/strong> nowe miasto.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w j\u0119zyku R:<\/span><\/p>\n Jak u\u017cywa\u0107 instrukcji If z wieloma warunkami w R<\/a> Funkcja dplyr if_else() ma trzy zalety w por\u00f3wnaniu z podstawow\u0105 funkcj\u0105 ielse() w j\u0119zyku R: 1. Funkcja if_else() sprawdza, czy dwie alternatywy w instrukcji if else maj\u0105 ten sam typ danych. 2. Funkcja if_else() nie konwertuje obiekt\u00f3w Date na numeryczne. 3. Funkcja if_else() oferuje \u201ebrakuj\u0105cy\u201d argument okre\u015blaj\u0105cy spos\u00f3b obs\u0142ugi warto\u015bci NA. Poni\u017csze przyk\u0142ady ilustruj\u0105 te […]<\/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-3907","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad 1: if_else() sprawdza, czy dwie alternatywy maj\u0105 ten sam typ<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),\n points=c(22, 20, 28, 14, 13, 18, 27, 33))\n\n#view data frame\n<\/span>df\n\n team points\n1 to 22\n2 to 20\n3 to 28\n4 to 14\n5 B 13\n6 B 18\n7 B 27\n8 B 33<\/strong><\/pre>\n #create new column based on values in team column\n<\/span>df$city <- ifelse(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', 0)\n\n#view updated data frame\n<\/span>df\n\n team points city\n1 to 22 Atlanta\n2 to 20 Atlanta\n3 to 28 Atlanta\n4 A 14 Atlanta\n5 B 13 0\n6 B 18 0\n7 B 27 0\n8 B 33 0\n<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#attempt to create new column based on values in team column\n<\/span>df$city <- if_else(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', 0)\n\nError: `false` must be a character vector, not a double vector.\n<\/strong><\/pre>\n Przyk\u0142ad 2: if_else() nie konwertuje obiekt\u00f3w daty na warto\u015bci numeryczne<\/span><\/strong><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (date=as. Date<\/span> (c('2022-01-05', '2022-01-17', '2022-01-22',\n '2022-01-23', '2022-01-29', '2022-02-13')),\n sales=c(22, 35, 24, 20, 16, 19))\n\n#view data frame\n<\/span>df\n\n dirty date\n1 2022-01-05 22\n2 2022-01-17 35\n3 2022-01-22 24\n4 2022-01-23 20\n5 2022-01-29 16\n6 2022-02-13 19\n<\/strong><\/pre>\n #if date is before 2022-01-20 then add 5 days\n<\/span>df$date <- ifelse(df$date < ' 2022-01-20<\/span> ', df$date+ 5<\/span> , df$date)\n\n dirty date\n1 19002 22\n2 19014 35\n3 19014 24\n4 19015 20\n5 19021 16\n6 19036 19\n<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#if date is before 2022-01-20 then add 5 days\n<\/span>df$date <- ifelse(df$date < ' 2022-01-20<\/span> ', df$date+ 5<\/span> , df$date)\n\n#view updated data frame<\/span>\ndf\n\n dirty date\n1 2022-01-10 22\n2 2022-01-22 35\n3 2022-01-22 24\n4 2022-01-23 20\n5 2022-01-29 16\n6 2022-02-13 19\n<\/strong><\/pre>\n Przyk\u0142ad 3: if_else() oferuje \u201ebrakuj\u0105cy\u201d argument okre\u015blaj\u0105cy spos\u00f3b obs\u0142ugi warto\u015bci NA<\/span><\/strong><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', NA, 'B'),\n points=c(22, 20, 28, 14, 13, 18, 27, 33))\n\n#view data frame\n<\/span>df\n\n team points\n1 to 22\n2 to 20\n3 to 28\n4 to 14\n5 B 13\n6 B 18\n7 <NA> 27\n8 B 33<\/strong><\/pre>\n #create new column based on values in team column\ndf$city <- ifelse(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', ' Boston<\/span> ')\n\n#view updated data frame<\/span>\ndf\n\n team points city\n1 to 22 Atlanta\n2 to 20 Atlanta\n3 to 28 Atlanta\n4 A 14 Atlanta\n5 B 13 Boston\n6 B 18 Boston\n7 <NA> 27 <NA>\n8 B 33 Boston\n<\/span><\/span><\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#create new column based on values in team column\ndf$city <- ifelse(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', ' Boston<\/span> ', missing=' other<\/span> ')\n\n#view updated data frame\n<\/span>df\n\n team points city\n1 to 22 Atlanta\n2 to 20 Atlanta\n3 to 28 Atlanta\n4 A 14 Atlanta\n5 B 13 Boston\n6 B 18 Boston\n7 <NA> 27 other\n8 B 33 Boston\n<\/span><\/span><\/strong><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak napisa\u0107 zagnie\u017cd\u017con\u0105 instrukcj\u0119 If Else w R<\/a>
Jak napisa\u0107 swoj\u0105 pierwsz\u0105 funkcj\u0119 tryCatch() w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"