Streudiagramm-Visualisierungen mit Charticulator
In diesem Tutorial erfahren Sie, wie Sie mit Charticulator eine Streudiagramm-Visualisierung für Ihren LuckyTemplates-Bericht erstellen und entwerfen.
Pipe In R: Funktionen mit Dplyr verbinden
In diesem Tutorial erfahren Sie, wie Sie Funktionen mithilfe des Pipe-Operators dplyr in der Programmiersprache R verketten.
Dies sind einige der Grundfunktionen in R:
Der dplyr in R kann als Grammatik der Datenmanipulation betrachtet werden. Beachten Sie, dass jede Funktion ein Verb ist und zusammen eine Befehlsform darstellt. Alle diese Funktionen sollen zusammenarbeiten.
Wie in der letzten Zeile der Tabelle gezeigt, wird der Pipe-Operator in R durch %>% dargestellt , wodurch Sie Funktionen miteinander verbinden können.
In diesem Tutorial erfahren Sie, wie Sie gängige dplyr-Funktionen ausführen und diese dann mit dem Pipe-Operator verketten.
Inhaltsverzeichnis
Verwenden des Pipe-Operators in R zur Vereinfachung von Code
Öffnen Sie das R-Programm. Im leeren Skript müssen Sie eine Bibliothek mithilfe der Bibliotheken Tidyverse und Lahman aufrufen .
Für dieses Beispiel ermitteln wir die durchschnittlichen, minimalen und maximalen Siege für jedes Team seit dem Jahr 2000.
Sie können den Code auf verschiedene Arten schreiben.
Die erste besteht darin, die Teams kontinuierlich neu zuzuteilen. Sie müssen Teams nach Jahres-ID filtern und sie dann nach Team-ID gruppieren. Um den Mittelwert, das Minimum und das Maximum zu erhalten, müssen Sie die Funktion verwenden .
Wenn Sie den R-Code ausführen, erhalten Sie eine Tabelle mit der Team-ID, dem Mittelwert, dem Minimum und dem Maximum.
Dieser Code enthält jedoch zu viele Tastenanschläge.
Versuchen wir es also mit der anderen Möglichkeit, die Ergebnisse auf einmal zu erhalten, und zwar mit dem Pipe-Operator.
Die Tastenkombination für den Pipe-Operator lautet STRG+UMSCHALT+M . Dadurch können Sie den Datenrahmen Ihres Teams an die nächsten Schritte weitergeben .
Für den Code müssen Sie nicht jeder Funktion Teams neu zuweisen. Sie müssen nur den Pipe-Operator zwischen den einzelnen Funktionen verwenden, um den Datenrahmen auf den gesamten Code zu übertragen.
Wenn Sie es ausführen, erhalten Sie die gleichen Ergebnisse wie bei der vorherigen Methode.
Mit dem Pipe-Operator können Sie Ihren Code rationalisieren und vereinfachen. Allerdings ist die Verwendung dieses Operators etwas gewöhnungsbedürftig. Aber sobald Sie verstanden haben, wie es funktioniert, wird die Erstellung eines R-Skripts eine einfachere Aufgabe.
Änderungen am Code vornehmen
Durch die Verwendung eines Pipe-Operators können Sie außerdem einfacher Änderungen an Ihrem R-Code vornehmen.
Wenn Sie beispielsweise weitere Befehle hinzufügen möchten, müssen Sie lediglich eine weitere Codezeile einbinden und diese mithilfe des Pipe-Operators mit dem vorhandenen Code verketten.
Beachten Sie, dass die Ergebnisse dabei nicht einem Objekt zugewiesen werden. Es geht lediglich darum, den Datenrahmen des Teams durch diese Funktionen laufen zu lassen, um eine Ausgabe zu generieren.
Um die Ergebnisse einem Objekt zuzuordnen, müssen Sie den Pfeiloperator ( <> ) verwenden.
Abschluss
Mit dem Pipe-Operator können Sie Ihren Code in R optimieren. Er trägt dazu bei, dass Sie Variablen und Daten im gesamten R-Skript nicht ständig neu zuweisen müssen. Zusammen mit den Spalten- und Zeilenoperatoren in der Tidyverse-Bibliothek ermöglicht es Benutzern die einfache Manipulation von Daten in R.
Dies ist einer der Vorteile der Verwendung der Tidyverse-Bibliothek. Es ist ein großartiges Tool für Benutzer, die sich mit Statistik und Datenwissenschaft beschäftigen.
Alles Gute,
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
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
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
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
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
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
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
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
Erfahren und verstehen Sie die Bedeutung und ordnungsgemäße Verwendung der Power Automate-Aktionssteuerung „Auf jede anwenden“ in unseren Microsoft-Workflows.