ไปป์ใน R: การเชื่อมต่อฟังก์ชันด้วย Dplyr

ในบทช่วยสอนนี้ คุณจะได้เรียนรู้วิธีเชื่อมโยงฟังก์ชันเข้าด้วยกันโดยใช้ ตัวดำเนินการไพพ์ dplyrในภาษาโปรแกรม R

นี่คือฟังก์ชันพื้นฐานบางส่วนใน R:

dplyr ใน R สามารถดูได้ว่าเป็นไวยากรณ์ของการจัดการข้อมูล สังเกตว่าแต่ละฟังก์ชันเป็นคำกริยาอย่างไร และเมื่อนำมารวมกัน ฟังก์ชันเหล่านี้จะเป็นรูปแบบหนึ่งของคำสั่ง ฟังก์ชั่นทั้งหมดนี้มีไว้เพื่อทำงานร่วมกัน

ดังที่แสดงในแถวสุดท้ายของตาราง ตัวดำเนินการไปป์ใน R แทนด้วย%>%ซึ่งช่วยให้คุณสามารถเชื่อมต่อฟังก์ชันต่างๆ เข้าด้วยกันได้

ในบทช่วยสอนนี้ คุณจะได้เรียนรู้วิธีเรียกใช้ฟังก์ชัน dplyr ทั่วไป จากนั้นใช้ตัวดำเนินการไพพ์เพื่อเชื่อมโยงเข้าด้วยกัน

สารบัญ

• การใช้ตัวดำเนินการไปป์ใน R เพื่อลดความซับซ้อนของโค้ด
  • การเปลี่ยนแปลงรหัส
• บทสรุป

การใช้ตัวดำเนินการไปป์ใน R เพื่อลดความซับซ้อนของโค้ด

เปิดโปรแกรม R ในสคริปต์เปล่า คุณต้องเรียกใช้ไลบรารีโดยใช้ไลบรารีtidyverseและLahman

สำหรับตัวอย่างนี้ ลองหาค่าเฉลี่ย ขั้นต่ำ และสูงสุดที่ชนะสำหรับแต่ละทีมตั้งแต่ปี 2000

คุณสามารถเขียนโค้ดได้หลายวิธี

ประการแรกคือการกำหนดทีมใหม่อย่างต่อเนื่อง คุณต้องกรองทีมตามรหัสปี จากนั้นจัดกลุ่มตามรหัสทีม หากต้องการหาค่าเฉลี่ย ค่าต่ำสุด และค่าสูงสุด คุณต้องใช้ฟังก์ชัน

เมื่อคุณรันโค้ด R คุณจะได้ตารางที่แสดงรหัสทีม ค่าเฉลี่ย ค่าต่ำสุด และค่าสูงสุด

อย่างไรก็ตาม รหัสนี้มีจำนวนการกดแป้นพิมพ์มากเกินไป

ลองใช้วิธีอื่นเพื่อให้ได้ผลลัพธ์ในคราวเดียว นั่นคือการใช้ตัวดำเนินการไปป์

แป้นพิมพ์ลัดสำหรับตัวดำเนินการไปป์คือCTRL+SHIFT+ M ซึ่งช่วยให้คุณส่งเฟรมข้อมูลของทีมไปยังขั้นตอนถัดไปได้

สำหรับโค้ด คุณไม่จำเป็นต้องกำหนดทีมใหม่ให้กับแต่ละฟังก์ชัน คุณต้องใช้ตัวดำเนินการไพพ์ระหว่างแต่ละฟังก์ชันเพื่อส่งต่อเฟรมข้อมูลไปยังโค้ดทั้งหมด

เมื่อคุณเรียกใช้งาน คุณจะได้ผลลัพธ์เหมือนกับวิธีก่อนหน้า

ตัวดำเนินการไปป์ช่วยให้คุณปรับปรุงและทำให้รหัสของคุณง่ายขึ้น อย่างไรก็ตาม การใช้โอเปอเรเตอร์นี้ต้องใช้เวลาพอสมควรในการทำความคุ้นเคย แต่เมื่อคุณเข้าใจวิธีการทำงานแล้ว การสร้างสคริปต์ R จะกลายเป็นงานที่ง่ายขึ้น

การเปลี่ยนแปลงรหัส

การใช้ตัวดำเนินการไปป์ยังทำให้การเปลี่ยนแปลงโค้ด R ของคุณง่ายขึ้นอีกด้วย

ตัวอย่างเช่น ถ้าคุณต้องการเพิ่มคำสั่งเพิ่มเติม คุณเพียงแค่รวมโค้ดอีกบรรทัดหนึ่งและโยงเข้ากับโค้ดที่มีอยู่โดยใช้ตัวดำเนินการไพพ์

โปรดทราบว่านี่ไม่ใช่การกำหนดผลลัพธ์ให้กับวัตถุ เป็นเพียงการนำ กรอบข้อมูล ของทีมและเรียกใช้ผ่านฟังก์ชันเหล่านี้เพื่อสร้างเอาต์พุต

ในการกำหนดผลลัพธ์ให้กับวัตถุ คุณต้องใช้ตัวดำเนินการลูกศร ( <> )

บทสรุป

ตัวดำเนินการไปป์ช่วยให้คุณปรับปรุงโค้ดของคุณใน R ได้ ซึ่งช่วยลดขั้นตอนที่ต้องกำหนดตัวแปรและข้อมูลใหม่อย่างต่อเนื่องตลอดทั้งสคริปต์ R ของคุณ ร่วมกับตัวดำเนินการคอลัมน์และแถวในไลบรารี tidyverse ช่วยให้ผู้ใช้สามารถจัดการข้อมูลใน R ได้อย่างง่ายดาย

นี่เป็นข้อดีอย่างหนึ่งของการใช้ไลบรารี tidyverse เป็นเครื่องมือที่ยอดเยี่ยมสำหรับผู้ใช้ที่จัดการกับสถิติและวิทยาศาสตร์ข้อมูล

สิ่งที่ดีที่สุด