dplyr

    0熱度

    1回答

    我正在做相當多的特定操作,我需要幫助將其推廣。 我有很多的數據是「看上去」有點像這樣: > hflights::hflights %>% tbl_df %>% mutate(month=Month, carrier=UniqueCarrier) %>% group_by(month, carrier) %>% summarize(delay=sum(ArrDelay, na.rm=T))

    24熱度

    3回答

    UPDATE:因爲這有人問dplyr已更新,現在執行的OP想 我正嘗試獲得第二至第七行的data.frame使用dplyr。 I'm這樣做: require(dplyr) df <- data.frame(id = 1:10, var = runif(10)) df <- df %>% filter(row_number() <= 7, row_number() >= 2) 但是,這將引發

    3熱度

    1回答

    因爲我找到了它,所以我虔誠地使用dplyr。由於我使用了這麼多,我試圖將library(dplyr)放在Rprofile的.First()函數中。 加載dplyr,但是當我啓動Rstudio時,某些dplyr的函數被遮罩。例如,當我嘗試做: foo <- mtcars %>% filter(cyl == 4) 我得到了如下錯誤: Error in filter(mtcars, cyl == 4

    3熱度

    2回答

    我已經看到了一些關於如何使用dplyr函數編寫自己的函數的文章。例如,您可以看到如何在this post中使用group_by (regroup)和summarise。我認爲看看我是否可以使用主要dplyr函數編寫函數會很有趣。我的希望是我們可以進一步瞭解如何使用dplyr函數編寫函數。 DATA country <- rep(c("UK", "France"), each = 5) id <-

    61熱度

    5回答

    我想使用dplyr的mutate()在數據框中創建多個新列。列名稱及其內容應該動態生成。從虹膜 示例數據: require(dplyr) data(iris) iris <- tbl_df(iris) 我創建了一個函數從Petal.Width變量變異我的新欄目: multipetal <- function(df, n) { varname <- paste("petal", n

    6熱度

    1回答

    我試圖包裝一些函數內的dplyr魔術產生data.frame,然後我用xtable打印。 的最終目的是有this一個dplyr版本的工作,閱讀各地我遇到了非常有用的summarise_each()功能與regroup()子集化後(因爲這是一個函數內),然後我就可以用它來得到解析的列來。 我遇到的問題(迄今爲止)是從​​內呼叫is.na(),因爲我被告知Error: expecting a sing

    1熱度

    1回答

    選擇列時,我得到一個專欄中,我沒有選擇,但它是一個GROUP_BY柱:我連我都沒有選擇 library(magrittr) library(dplyr) df <- data.frame(i=c(1,1,1,1,2,2,2,2), j=c(1,2,1,2,1,2,1,2), x=runif(8)) df %>% group_by(i,j) %>% summarize(

    4熱度

    1回答

    我經常使用d_ply來製作探險性地塊。 一個小示例: require(plyr) plot_species <- function(species_data){ p <- qplot(data=species_data, x=Sepal.Length, y=Sepal.Width) print(p) } d_ply(.data=iris,

    0熱度

    4回答

    我的數據框DF貌似值數據幀添加列: ID Name1 Name2 Group 1234 A1 x 1234 A4 w 1234 A3 q 1234 A A 1234 A2 z 5678 B3 s 5678 B B ... 我需要添加一列Group是Name1每個ID相匹配的行中的ID其中Name1 == Name2 。 所以邏輯是檢查是否Name1 == Nam

    6熱度

    1回答

    我的問題是除了使用多個參數定義summarise_each之外的函數之外,還有另一種方法可以直接在summarise_each中添加參數嗎? 比如我想要得到的平均值,而不NAs.this工作方式 mean_fun=function(x)mean(x,na.rm=TRUE) AA_group=AA_new %>% group_by(tractID) AA_group %>% summarise_