Je data mappen

In combinatie met mutate() kun je map() gebruiken om de resultaten van je berekening aan een data frame toe te voegen. Omdat map() altijd een vector van lijsten retourneert, moet je unnest() gebruiken om deze informatie om te zetten naar een numerieke vector.

Hier ga je deze functionaliteit verkennen door de gemiddelde bevolking van elk land in de gapminder-gegevensset te berekenen.

Deze oefening maakt deel uit van de cursus

Machine Learning in de tidyverse

Bekijk cursus

Oefeninstructies

Gebruik map() om de functie mean() toe te passen en de gemiddelde bevolking per land te berekenen, en voeg deze nieuwe lijstkolom mean_pop toe met mutate().
Bekijk de eerste 6 rijen van pop_nested.
Gebruik unnest() om de lijst mean_pop om te zetten in een numerieke kolom en sla dit op als het data frame pop_mean.
Verken pop_mean met head().

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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 bewerken en uitvoeren