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,


Streudiagramm-Visualisierungen mit Charticulator

Streudiagramm-Visualisierungen mit Charticulator

In diesem Tutorial erfahren Sie, wie Sie mit Charticulator eine Streudiagramm-Visualisierung für Ihren LuckyTemplates-Bericht erstellen und entwerfen.

PowerApps-Suchfeld: So fügen Sie es hinzu und passen es an

PowerApps-Suchfeld: So fügen Sie es hinzu und passen es an

Erfahren Sie, wie Sie ein PowerApps-Suchfeld von Grund auf erstellen und es an das Gesamtthema Ihrer App anpassen.

Power Automate String-Funktionen: Substring und IndexOf

Power Automate String-Funktionen: Substring und IndexOf

Erlernen Sie ganz einfach zwei komplizierte Power Automate String-Funktionen, die in Microsoft Flows verwendet werden können – die Funktionen substring und indexOf.

Power Query M: Abwechselndes 0-1-Muster in der Datumstabelle

Power Query M: Abwechselndes 0-1-Muster in der Datumstabelle

Dieses Tutorial konzentriert sich auf die Power Query M-Funktion „number.mod“, um ein abwechselndes 0-1-Muster in der Datumstabelle zu erstellen.

Prognosetechnik: Erkundung der Prognoselogik in LuckyTemplates-Modellen

Prognosetechnik: Erkundung der Prognoselogik in LuckyTemplates-Modellen

In diesem Tutorial führe ich eine Prognosetechnik durch, bei der ich meine tatsächlichen Ergebnisse mit meinen Prognosen vergleiche und sie kumulativ betrachte.

Speichern Sie E-Mail-Anhänge in SharePoint mit Power Automate

Speichern Sie E-Mail-Anhänge in SharePoint mit Power Automate

In diesem Blog erfahren Sie, wie Sie mit Power Automate E-Mail-Anhänge automatisch in SharePoint speichern und E-Mails anschließend löschen.

Führen Sie eine Bis-Loop-Steuerung in Power Automate durch

Führen Sie eine Bis-Loop-Steuerung in Power Automate durch

Erfahren Sie, wie die Do Until Schleifensteuerung in Power Automate funktioniert und welche Schritte zur Implementierung erforderlich sind.

Berechnen eines gleitenden Durchschnitts in LuckyTemplates mithilfe von DAX

Berechnen eines gleitenden Durchschnitts in LuckyTemplates mithilfe von DAX

In diesem Tutorial erfahren Sie, wie Sie mithilfe der ALLSELECTED-Funktion einen dynamischen gleitenden Durchschnitt in LuckyTemplates berechnen können.

Berechnen Sie dynamisch eine laufende oder kumulative LuckyTemplates-Summe

Berechnen Sie dynamisch eine laufende oder kumulative LuckyTemplates-Summe

Durch diesen Artikel erhalten wir ein klares und besseres Verständnis für die dynamische Berechnung einer laufenden oder kumulativen Gesamtsumme in LuckyTemplates.

Power Automate auf jede Aktion in Workflows anwenden

Power Automate auf jede Aktion in Workflows anwenden

Erfahren und verstehen Sie die Bedeutung und ordnungsgemäße Verwendung der Power Automate-Aktionssteuerung „Auf jede anwenden“ in unseren Microsoft-Workflows.