Riassumere le colonne
La funzione mutate() che hai visto nell'esercizio precedente prende colonne in input e restituisce una colonna. Se invece stai calcolando statistiche riassuntive come media, massimo o deviazione standard, in genere vuoi prendere colonne in input ma restituire un singolo valore. Questo si ottiene con la funzione summarize().
a_tibble %>%
summarize(
mean_x = mean(x),
sd_x_times_y = sd(x * y)
)
Nota che dplyr ha una filosofia (trasmessa a sparklyr) di mantenere sempre i dati in tibbles. Quindi il valore restituito qui è un tibble con una riga e una colonna per ciascuna statistica riassuntiva calcolata.
Questo esercizio fa parte del corso
Introduzione a Spark con sparklyr in R
Istruzioni dell'esercizio
È stata creata per te una connessione Spark come spark_conn. È stata predefinita anche una tibble collegata ai metadati dei brani archiviati in Spark come track_metadata_tbl.
- Seleziona i campi
titleeduration. - Fai il pipe del risultato per creare un nuovo campo,
duration_minutes, che contiene la durata del brano in minuti. - Fai il pipe del risultato in
summarize()per calcolare la durata media in minuti, in un campo chiamatomean_duration_minutes.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# track_metadata_tbl has been pre-defined
track_metadata_tbl
# Manipulate the track metadata
track_metadata_tbl %>%
# Select columns
___ %>%
# Mutate columns
___ %>%
# Summarize columns
___