Common people

La funzione distinct() ti ha mostrato i valori unici. Può essere utile anche sapere quante volte compare ciascun valore. La funzione base R per farlo è table(); questa non è supportata in sparklyr perché non segue la filosofia tidyverse di mantenere tutto in tibbles. Al suo posto, devi usare count(). Per usarla, passa i nomi delle colonne senza virgolette. Ad esempio, per trovare i conteggi delle combinazioni distinte delle colonne x, y e z, digiteresti quanto segue.

a_tibble %>%
  count(x, y, z)

Il risultato è lo stesso di

a_tibble %>%
  distinct(x, y, z)

… tranne per il fatto che ottieni una colonna extra, n, che contiene i conteggi.

Un uso davvero utile di count() è ottenere i valori più comuni di qualcosa. Per farlo, chiami count() con l'argomento sort = TRUE, che ordina le righe in base ai valori decrescenti della colonna n, quindi usi slice_max() per limitare i risultati ai primi quanti-ne-vuoi valori. (slice_max() è simile a head() di base R, ma funziona con insiemi di dati remoti come quelli in Spark.) Ad esempio, per ottenere le prime 20 combinazioni più comuni delle colonne x, y e z, usa quanto segue.

a_tibble %>%
  count(x, y, z, sort = TRUE) %>%
  slice_max(20)

Questo esercizio fa parte del corso

Introduzione a Spark con sparklyr in R

Visualizza corso

Istruzioni dell'esercizio

È stata creata per te una connessione Spark come spark_conn. È stata predefinita una tibble collegata ai metadati delle tracce archiviati in Spark come track_metadata_tbl.

Conta i valori nella colonna artist_name di track_metadata_tbl.
- Passa sort = TRUE per ordinare le righe per popolarità decrescente.
Limita i risultati ai primi 20 usando slice_max().

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# track_metadata_tbl has been pre-defined
track_metadata_tbl

track_metadata_tbl %>%
  # Count the artist_name values
  ___ %>%
  # Restrict to top 20
  ___

Modifica ed esegui il codice