Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

In diesem Tutorial erfahren Sie, wie Sie Daten in R mit dem DataEditR- Paket bearbeiten. Das vollständige Video dieses Tutorials können Sie unten in diesem Blog ansehen .

DataEditR ist ein R-Paket, mit dem Sie Dashboards und Berichte in R über eine GUI erstellen können. Dann können wir Daten per Mausklick bearbeiten, bearbeiten und eingeben. Sie können es auch von CRAN herunterladen. Sehen Sie sich den Kurs an , um zu erfahren, wie Sie das Paket herunterladen.

Lassen Sie uns eine kurze Demo durchgehen. Es handelt sich um einen Datensatz von CRAN, in dem wir grundlegende Datenbearbeitungsmanipulationen durchführen und ihn dann speichern können. Wir werden dazu eine GUI verwenden, wenn R ein Codierungstool ist.

Starten wir zunächst das RStudio, geben die Bibliothek (DataEditR) ein und drücken die Eingabetaste . Stellen Sie sicher, dass Sie es installiert haben, falls Sie es nicht haben.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Geben Sie als Nächstes  browseVignettes (DataEditR) ein . Es ist eine gute Funktion, diese Funktion auszuführen, da wir hier die Tutorials für dieses Paket überprüfen können.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Führen Sie browseVignettes aus und klicken Sie dann auf den  HTML-  Link. 

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Scrollen Sie nach unten, um die Liste der DataEditR-Tutorials anzuzeigen. Sie erfahren, wie Sie es starten, wie es funktioniert, wie Sie Daten importieren und vieles mehr. Schauen Sie sich das an, wenn Sie fortgeschrittener werden.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Kehren wir zum RStudio zurück und konzentrieren uns auf die Datenbearbeitungselemente dieses Pakets.

Inhaltsverzeichnis

So bearbeiten Sie Daten in R mit dem DataEditR-Paket

Geben wir „library(Ecdat )“ gefolgt von „data(package = Ecdat)“ ein und führen dann dieses Paket aus.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Dies sind die R-Datensätze in  Ecdat . Es gibt viele geschäftsorientierte Datensätze, die sich gut für Übungen oder Demos eignen.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Für diese Demo verwenden wir den Housing-Datensatz. Geben Sie data_edit(Housing) ein , um ein neues Fenster zu öffnen.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Jetzt befinden wir uns im Wohnungsdateneditor. Wir können hier auch eine neue Datei hochladen.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Wir haben hier einige Möglichkeiten. Die erste ist „ Spalten auswählen“ .

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Dies sind Schaltflächen, mit denen wir auswählen können, welche wir möchten.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Der nächste ist der  Filter Rows .

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Wir können Zahlen oder Zeichenfolgen filtern und Filter hinzufügen oder entfernen.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Als nächstes kommt die  Option „Synchronisieren“  . Es wird wieder in die Ersteinrichtung unseres Datensatzes geladen.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Kommen wir nun zu den beiden Optionen zum Speichern Ihrer Daten. 

Die  Option „Auswahl in Datei speichern“  ist für bestimmte Dinge gedacht, die wir in unserer Zwischenablage speichern müssen. 

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Wir können den gesamten Datensatz auch speichern, indem wir auf die  Option „In Datei speichern“ klicken  .

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Beispielsweise möchten wir den gesamten Datensatz als CSV-Datei speichern.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Klicken Sie mit der rechten Maustaste auf eine der Zellen in der Spalte, um die verschiedenen Optionen anzuzeigen. In diesem Beispiel wählen wir die Zeile oben einfügen aus .

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Wir können Daten in die Felder eingeben. Dies ist etwas, was wir in Power Query nicht tun können.

Es gibt Fälle, in denen wir eine Web-App erstellen möchten, in der Menschen ihre Daten eingeben können. Es schießt direkt in eine R-Datei, die an jede gewünschte Pipeline gesendet wird. Es ist wie ein Front-End-Tool.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Es ist auch einfach, die Namen von Spalten im DataEditR zu ändern, da alles nur per Mausklick erfolgt. 

Beispielsweise möchten wir den Stories- Header in n_stories ändern . Alles was wir tun müssen, ist auf die Zelle zu klicken und sie umzubenennen.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Eine weitere Funktion besteht darin, mehrere Zahlen, Daten oder sogar Text auf andere Zellen auszudehnen und zu füllen. Es funktioniert ähnlich wie in Excel.

Klicken Sie auf eine Zelle, erweitern Sie sie und füllen Sie sie auf andere Zellen aus.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Wählen Sie dann Teile des Datensatzes aus und klicken Sie mit der rechten Maustaste, um die Ausrichtung der Zellen zu ändern.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Wir können auch die Option „Auf Auswahl zuschneiden “ verwenden , indem wir die Zellen markieren und die ausgewählten Zellen zuschneiden.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Dieses Paket befindet sich in der Entwicklung. Der große Vorteil ist die Möglichkeit, Daten in R zu bearbeiten, insbesondere die Spaltennamen zu ändern und eine Spalte einzufügen.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Der  V1  ist ein Standardplatzhalter für Spaltennamen in R.

Klicken wir nun auf  „Fertig“ .

Bearbeiten Sie Daten in R mit dem DataEditR-Paket

Dies ist der geänderte Datensatz. Wir können eine Kopie auch behalten, indem wir sie speichern.

Bearbeiten Sie Daten in R mit dem DataEditR-Paket


Was-wäre-wenn-Parameter für Datenmodelle in LuckyTemplates
Power Query Best Practices für Ihr Datenmodell
LuckyTemplates-Fortschrittsverfolgung für Verkaufs- und Auftragsdaten

Abschluss

Wir können das DataEditR-Paket für die Dateneingabe verwenden, da es eine Excel-ähnliche Oberfläche und eine Point-and-Click-Funktion zum Bearbeiten bietet.

Das R-Tool ist ein reproduzierbares Tool, bei dem jede Änderung vollständig bearbeitet werden kann. Allerdings ist die Verwendung einer grafischen Benutzeroberfläche nicht das am besten reproduzierbare Werkzeug, bietet aber ihre eigenen Vorteile in Bezug auf die Benutzeroberfläche.

Ich hoffe, dass Sie dieses Tutorial beim Bearbeiten Ihrer eigenen Daten in R nutzen können. Bitte vergessen Sie nicht, den LuckyTemplates-TV-Kanal zu abonnieren.

Alles Gute,


So speichern und laden Sie eine RDS-Datei in R

So speichern und laden Sie eine RDS-Datei in R

Sie erfahren, wie Sie Objekte aus einer .rds-Datei in R speichern und laden. In diesem Blog wird auch behandelt, wie Sie Objekte aus R in LuckyTemplates importieren.

Was ist Self in Python: Beispiele aus der Praxis

Was ist Self in Python: Beispiele aus der Praxis

Was ist Self in Python: Beispiele aus der Praxis

First N Business Days Revisited – Eine DAX-Codierungssprachenlösung

First N Business Days Revisited – Eine DAX-Codierungssprachenlösung

In diesem Tutorial zur DAX-Codierungssprache erfahren Sie, wie Sie die GENERATE-Funktion verwenden und einen Kennzahltitel dynamisch ändern.

Präsentieren Sie Einblicke mithilfe der Multi-Threaded-Dynamic-Visuals-Technik in LuckyTemplates

Präsentieren Sie Einblicke mithilfe der Multi-Threaded-Dynamic-Visuals-Technik in LuckyTemplates

In diesem Tutorial erfahren Sie, wie Sie mithilfe der Multi-Threaded-Dynamic-Visuals-Technik Erkenntnisse aus dynamischen Datenvisualisierungen in Ihren Berichten gewinnen.

Einführung in den Filterkontext in LuckyTemplates

Einführung in den Filterkontext in LuckyTemplates

In diesem Artikel werde ich den Filterkontext durchgehen. Der Filterkontext ist eines der Hauptthemen, über die sich jeder LuckyTemplates-Benutzer zunächst informieren sollte.

Beste Tipps zur Verwendung der Apps im LuckyTemplates-Onlinedienst

Beste Tipps zur Verwendung der Apps im LuckyTemplates-Onlinedienst

Ich möchte zeigen, wie der LuckyTemplates Apps-Onlinedienst bei der Verwaltung verschiedener Berichte und Erkenntnisse aus verschiedenen Quellen helfen kann.

Analysieren Sie Gewinnmargenänderungen im Laufe der Zeit – Analysen mit LuckyTemplates und DAX

Analysieren Sie Gewinnmargenänderungen im Laufe der Zeit – Analysen mit LuckyTemplates und DAX

Erfahren Sie, wie Sie Ihre Gewinnmargenänderungen mithilfe von Techniken wie Kennzahlenverzweigung und der Kombination von DAX-Formeln in LuckyTemplates ermitteln.

Materialisierungsideen für Datencaches in DAX Studio

Materialisierungsideen für Datencaches in DAX Studio

In diesem Tutorial werden die Ideen der Materialisierung von Datencaches und deren Auswirkungen auf die Leistung von DAXs bei der Bereitstellung von Ergebnissen erläutert.

Geschäftsberichte mit LuckyTemplates

Geschäftsberichte mit LuckyTemplates

Wenn Sie bisher noch Excel verwenden, ist dies der beste Zeitpunkt, LuckyTemplates für Ihre Geschäftsberichtsanforderungen zu verwenden.

Was ist LuckyTemplates Gateway? Alles was du wissen musst

Was ist LuckyTemplates Gateway? Alles was du wissen musst

Was ist LuckyTemplates Gateway? Alles was du wissen musst