Common people

A função distinct() mostrou para você os valores únicos. Também pode ser útil saber quantos de cada valor você tem. A função base do R para isso é table(); ela não é compatível com sparklyr porque não segue a filosofia do tidyverse de manter tudo em tibbles. Em vez disso, você deve usar count(). Para usá-la, passe os nomes das colunas sem aspas. Por exemplo, para encontrar as contagens de combinações distintas das colunas x, y e z, você digitária o seguinte.

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

O resultado é o mesmo que

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

… exceto que você obtém uma coluna extra, n, que contém as contagens.

Um uso muito interessante de count() é obter os valores mais comuns de algo. Para isso, você chama count() com o argumento sort = TRUE, que ordena as linhas pelos valores decrescentes da coluna n, e então usa slice_max() para restringir os resultados ao topo com a quantidade que você quiser. (slice_max() é semelhante ao head() do R base, mas funciona com conjuntos de dados remotos, como os do Spark.) Por exemplo, para obter as 20 combinações mais comuns das colunas x, y e z, use o seguinte.

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

Este exercício faz parte do curso

Introdução ao Spark com sparklyr em R

Ver curso

Instruções do exercício

Uma conexão Spark foi criada para você como spark_conn. Um tibble vinculado aos metadados das faixas armazenados no Spark foi predefinido como track_metadata_tbl.

Conte os valores na coluna artist_name de track_metadata_tbl.
- Passe sort = TRUE para ordenar as linhas por popularidade em ordem decrescente.
Restrinja os resultados ao top 20 usando slice_max().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# track_metadata_tbl has been pre-defined
track_metadata_tbl

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

Editar e executar o código