Deine Daten mappen

In Kombination mit mutate() kannst du map() verwenden, um die Ergebnisse deiner Berechnung an einen Dataframe anzuhängen. Da map() immer einen Vektor von Listen zurückgibt, musst du unnest() verwenden, um diese Information in einen numerischen Vektor zu extrahieren.

Hier erkundest du diese Funktionalität, indem du die durchschnittliche Bevölkerung jedes Landes im gapminder-Datensatz berechnest.

Diese Übung ist Teil des Kurses

<Kurs>Machine Learning im Tidyverse</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende map(), um die Funktion mean() auf jede Ländergruppe anzuwenden, die durchschnittliche Bevölkerung zu berechnen und diese neue Listenspalte namens mean_pop mit mutate() hinzuzufügen.
Sieh dir die ersten 6 Zeilen von pop_nested an.
Verwende unnest(), um die Liste mean_pop in eine numerische Spalte umzuwandeln und speichere das Ergebnis als Dataframe pop_mean.
Untersuche pop_mean mit head().

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Calculate the mean population for each country
pop_nested <- gap_nested %>%
  mutate(mean_pop = map(___, ~mean(.x$___)))

# Take a look at pop_nested
head(___)

# Extract the mean_pop value by using unnest
pop_mean <- pop_nested %>% 
  unnest(___)

# Take a look at pop_mean
head(___)

Code bearbeiten und ausführen