Zacznij terazZacznij za darmo

Strona główna
Kursy
Manipulacja danymi z data.table w R

Łączenie wyrażeń data.table w łańcuchy

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

To ćwiczenie jest częścią kursu

Manipulacja danymi z data.table w R

SkillTag.level.beginnerSkillTag.label

4.7+

Rozpocznij kurs za darmo

Ten rozdział przedstawia data.table jako zamiennik dla data.frame i pokazuje, jak używać argumentu <i>i</i> w data.table do filtrowania wierszy.

Exercise 1: Witaj na kursie!Exercise 2: Krótki quiz o data.table Exercise 3: Tworzenie data.table Exercise 4: Prezentacja zbioru danych bikes Exercise 5: Filtrowanie wierszy w data.table Exercise 6: Filtrowanie wierszy za pomocą dodatnich liczb całkowitych Exercise 7: Filtrowanie wierszy za pomocą ujemnych indeksów Exercise 8: Filtrowanie wierszy za pomocą wektorów logicznych Exercise 9: Funkcje pomocnicze do filtrowania Exercise 10: I %like% data.tables Exercise 11: Filtrowanie za pomocą %in%Exercise 12: Filtrowanie z użyciem %between% i %chin%

Podobnie jak argument <i>i</i> służy do filtrowania wierszy, argument <i>j</i> w data.table pozwala wybierać kolumny i wykonywać obliczenia. Składnia jest znacznie wygodniejsza i bardziej elastyczna niż w przypadku data.frame.

Exercise 1: Wybieranie kolumn z data.table Exercise 2: Wybieranie pojedynczej kolumny Exercise 3: Wybieranie kolumn po nazwie Exercise 4: Usuwanie wybranych kolumn Exercise 5: Obliczenia na kolumnach w stylu data.table Exercise 6: Obliczenia w j (I)Exercise 7: Obliczenia w j (II)Exercise 8: Zaawansowane obliczenia w j Exercise 9: Obliczenia w j (III)Exercise 10: Łączenie i oraz j

Ten rozdział wprowadza argument <i>by</i> w data.table, który umożliwia wykonywanie obliczeń <i>według grup</i>. Po ukończeniu tego rozdziału opanujesz zwięzłą składnię <b>DT[i, j, by]</b> pakietu data.table.

Exercise 1: Obliczenia według grup Exercise 2: Obliczanie statystyk według grup (I)Exercise 3: Obliczanie statystyk według grup (II)Exercise 4: Obliczanie wielu statystyk Exercise 5: Łączenie wyrażeń data.table w łańcuchy

Bieżące ćwiczenie

Exercise 6: Sortowanie wierszy Exercise 7: Jakie są 5 najpopularniejszych celów podróży?Exercise 8: Jakie jest najpopularniejsze miejsce docelowe z każdej stacji startowej?Exercise 9: Łączenie i, j i by (I)Exercise 10: Obliczenia w j z użyciem .SD Exercise 11: Używanie .SD (I)Exercise 12: Używanie .SD (II)

W tym rozdziale poznasz unikalną cechę data.table: modyfikowanie istniejących obiektów data.table w miejscu. Taka modyfikacja sprawia, że operacje są <i>niesamowicie szybkie</i>, a przy tym łatwe do opanowania.

Exercise 1: Dodawanie i aktualizowanie kolumn przez referencję Exercise 2: Dodawanie nowej kolumny Exercise 3: Aktualizowanie istniejącej kolumny (I)Exercise 4: Aktualizowanie istniejącej kolumny (II)Exercise 5: Grupowane agregacje Exercise 6: Dodawanie kolumn według grupy Exercise 7: Aktualizowanie kolumn według grup Exercise 8: Zaawansowane agregacje Exercise 9: Dodawanie wielu kolumn (I)Exercise 10: Dodawanie wielu kolumn (II)Exercise 11: Łączenie i, j i by (II)

Pakiet data.table nie tylko umożliwia błyskawiczne obliczenia, ale też pozwala odczytywać i zapisywać dane na dysku z imponującą prędkością. Ten rozdział skupia się na funkcjach fread() i fwrite(), które pozwalają importować i eksportować pliki tekstowe <i>szybko</i> i <i>wygodnie</i>!

Exercise 1: Szybkie wczytywanie danych z fread()Exercise 2: Szybkie wczytywanie danych z dysku Exercise 3: Importowanie pliku CSV Exercise 4: Importowanie wybranych kolumn Exercise 5: Importowanie wybranych wierszy Exercise 6: Zaawansowane wczytywanie plików Exercise 7: Wczytywanie dużych liczb całkowitych Exercise 8: Określanie klas kolumn Exercise 9: Obsługa pustych i niekompletnych wierszy Exercise 10: Obsługa brakujących wartości Exercise 11: Szybki zapis danych z fwrite()Exercise 12: Zapisywanie plików na dysk Exercise 13: Zapisywanie kolumn z datą i godziną Exercise 14: Szybki zapis na dysk