rlang

    1熱度

    1回答

    Hadley Wickham剛剛創建了新的dplyrprogramming工具,可用於在dplyr動詞中將字符串作爲函數參數傳遞。我想知道是否 它也可以與ggplot一起使用。 我在嘗試:要創建一個自定義函數,它將一個分組變量作爲輸入,生成計數計數和給定組中行的比例百分比。這是代碼。這裏gprop是 「組比例」,」功能。 library(magrittr) library(dplyr) gp

    0熱度

    2回答

    Dplyr's mutate函數可以評估「鏈接」表達式,例如, library(dplyr) data.frame(a = 1) %>% mutate(b = a + 1, c = b * 2) ## a b c ## 1 1 2 4 這怎麼實現?在dplyr的源代碼快速瀏覽發現候補碼的基本結構: library(lazyeval) library(rlang) com

    4熱度

    2回答

    假設我想以編程方式過濾starwars數據框。這裏有一個簡單的例子,讓我根據家園和物種篩選: library(tidyverse) # a function that allows the user to supply filters filter_starwars <- function(filters) { for (filter in filters) { star

    5熱度

    2回答

    我在寫我的函數,並希望使用dplyr的filter()函數來選擇滿足條件的數據框的行。這是我的代碼: library(tidyverse) df <-data.frame(x = sample(1:100, 50), y = rnorm(50), z = sample(1:100,50), w = sample(1:100, 50), p = sample(1:100,50))

    4熱度

    1回答

    我需要按邏輯列(或者更準確地說,是否定)過濾表,但列的名稱可能會有所不同。這很容易,當我事先知道他們的名字: tb = tibble( id = 1:4, col1 = c(TRUE, TRUE, FALSE, FALSE), col2 = c(TRUE, FALSE, TRUE, FALSE) ) tb ## # A tibble: 4 x 3 ## id

    0熱度

    1回答

    使用[R 3.2.2和dplyr 0.7.2我試圖找出如何有效地使用group_by作爲與特徵向量供應領域。 選擇是容易我可以像經由多個串通過長度> 1這樣一個字符向量此 (function(field) { mpg %>% dplyr::select(field) })("cyl") 多個字段這樣 (function(...) { mpg %>% dplyr::sele

    5熱度

    2回答

    我找不到dplyr 0.7一種方法來取代mutate_功能,這將被棄用。 的mutate_功能在我的使用情況是有用的:我存儲在數據庫(字符串格式)許多指令(即如果需要,可以過濾),並應用這些指令到一個或幾個數據幀。 例如: dplyr::tibble(test = "[email protected]") %>% dplyr::mutate_(.dots = list("test2" =

    2熱度

    2回答

    我想使用dplyr的programming magic,新的版本0.7.0,到​​3210兩列在一起。下面,我列出了一些我的嘗試。 df <- data_frame(x = c(1, 2, NA), y = c(2, NA, 3)) # What I want to do: mutate(df, y = coalesce(x, y)) # Here's the expected outp

    1熱度

    3回答

    我想爲發表提供觀察數量的表格進行分組,這些觀察值由兩個變量分組。這個代碼工作正常。然而,當我試圖將它變成一個函數時,我遇到了一些問題。 我使用dplyr_0.7.2 示例使用mtcars: 代碼表以外的功能:該作品 library(tidyverse) tab1 <- mtcars %>% count(cyl) %>% rename(Total = n) tab2 <- mtcars %>

    1熱度

    1回答

    我可以選擇和安排單列toplists: iris %>% select(Petal.Width, Species) %>% arrange(desc(Petal.Width)) 但我要爲整個數據框做到這一點。我用forloop來解決這個問題: features <- colnames(iris) top <- data.frame() for (i in 1:lengt