Pipe In R: conectando funções com Dplyr

Pipe In R: conectando funções com Dplyr

Neste tutorial, você aprenderá como encadear funções usando o operador pipe dplyr na linguagem de programação R.

Estas são algumas das funções básicas do R:

Pipe In R: conectando funções com Dplyr

O dplyr em R pode ser visto como uma gramática de manipulação de dados. Observe como cada função é um verbo e, quando colocadas juntas, constituem uma forma de comando. Todas essas funções devem funcionar juntas.

Conforme mostrado na última linha da tabela, o operador pipe em R é representado por %>% , o que permite conectar funções entre si.

Neste tutorial, você aprenderá como executar funções dplyr comuns e, em seguida, usar o operador pipe para encadeá-las.

Índice

Usando o operador Pipe em R para simplificar o código

Abra o programa R. No script em branco, você precisa chamar uma biblioteca usando as bibliotecas de Lahman e do seu universo .

Para este exemplo, vamos encontrar as vitórias médias, mínimas e máximas de cada equipe desde o ano 2000.

Pipe In R: conectando funções com Dplyr

Você pode escrever o código de várias maneiras.

A primeira é reatribuir equipes continuamente. Você precisa filtrar as equipes por ID do ano e depois agrupá-las por ID da equipe. Para obter a média, mínimo e máximo, você precisa usar a função .

Ao executar o código R, você obterá uma tabela mostrando o teamID, mean, min e max.

Pipe In R: conectando funções com Dplyr

No entanto, esse código contém muitos pressionamentos de tecla.

Então, vamos tentar a outra maneira de obter os resultados de uma só vez, usando o operador pipe.

O atalho de teclado para o operador de tubo é CTRL+SHIFT+M . Isso permite que você passe o quadro de dados de sua equipe para as próximas etapas.

Pipe In R: conectando funções com Dplyr

Para o código, você não precisa reatribuir equipes a cada função. Você só precisa usar o operador pipe entre cada função para transportar o quadro de dados para todo o código.

Ao executá-lo, você obterá os mesmos resultados do método anterior.

Pipe In R: conectando funções com Dplyr

O operador pipe permite agilizar e simplificar seu código. No entanto, o uso desse operador leva algum tempo para se acostumar. Mas depois de entender como funciona, criar um script R torna-se uma tarefa mais fácil.

Fazendo alterações no código

Usar um operador de pipe também facilita fazer alterações no seu código R.

Por exemplo, se você deseja adicionar mais comandos, basta incorporar outra linha de código e encadeá-la ao código existente usando o operador pipe.

Pipe In R: conectando funções com Dplyr

Lembre-se de que isso não está atribuindo os resultados a um objeto. É apenas pegar o quadro de dados da equipe e executá-lo por meio dessas funções para gerar uma saída.

Para atribuir os resultados a um objeto, você precisa usar o operador de seta ( <> ).

Pipe In R: conectando funções com Dplyr

Conclusão

O operador pipe permite simplificar seu código em R. Ele ajuda a eliminar o processo de reatribuir continuamente variáveis ​​e dados em todo o script R. Juntamente com os operadores de coluna e linha na biblioteca de ordenação, ele permite que os usuários manipulem facilmente os dados em R.

Essa é uma das vantagens de usar a biblioteca do aim. É uma ótima ferramenta para usuários que lidam com estatísticas e ciência de dados.

Tudo de bom,


O que é self em Python: exemplos do mundo real

O que é self em Python: exemplos do mundo real

O que é self em Python: exemplos do mundo real

Como salvar e carregar um arquivo RDS em R

Como salvar e carregar um arquivo RDS em R

Você aprenderá como salvar e carregar objetos de um arquivo .rds no R. Este blog também abordará como importar objetos do R para o LuckyTemplates.

Primeiros N dias úteis revisitados - uma solução de linguagem de codificação DAX

Primeiros N dias úteis revisitados - uma solução de linguagem de codificação DAX

Neste tutorial de linguagem de codificação DAX, aprenda como usar a função GENERATE e como alterar um título de medida dinamicamente.

Apresentar insights usando a técnica de visuais dinâmicos multithread no LuckyTemplates

Apresentar insights usando a técnica de visuais dinâmicos multithread no LuckyTemplates

Este tutorial abordará como usar a técnica Multi Threaded Dynamic Visuals para criar insights de visualizações de dados dinâmicos em seus relatórios.

Introdução ao contexto de filtro no LuckyTemplates

Introdução ao contexto de filtro no LuckyTemplates

Neste artigo, analisarei o contexto do filtro. O contexto do filtro é um dos principais tópicos sobre os quais qualquer usuário do LuckyTemplates deve aprender inicialmente.

Melhores dicas para usar os aplicativos no serviço online do LuckyTemplates

Melhores dicas para usar os aplicativos no serviço online do LuckyTemplates

Quero mostrar como o serviço online do LuckyTemplates Apps pode ajudar no gerenciamento de diferentes relatórios e insights gerados de várias fontes.

Analisar alterações de margem de lucro ao longo do tempo – Analytics com LuckyTemplates e DAX

Analisar alterações de margem de lucro ao longo do tempo – Analytics com LuckyTemplates e DAX

Aprenda a calcular suas alterações de margem de lucro usando técnicas como ramificação de medida e combinação de fórmulas DAX no LuckyTemplates.

Ideias de materialização para caches de dados no DAX Studio

Ideias de materialização para caches de dados no DAX Studio

Este tutorial discutirá sobre as ideias de materialização de caches de dados e como elas afetam o desempenho dos DAXs no fornecimento de resultados.

Relatórios de negócios usando o LuckyTemplates

Relatórios de negócios usando o LuckyTemplates

Se você ainda estiver usando o Excel até agora, este é o melhor momento para começar a usar o LuckyTemplates para suas necessidades de relatórios de negócios.

O que é o Gateway do LuckyTemplates? Tudo o que você precisa saber

O que é o Gateway do LuckyTemplates? Tudo o que você precisa saber

O que é o Gateway do LuckyTemplates? Tudo o que você precisa saber