Modificarea coloanelor

Poate că te surprinde, dar nu toate seturile de date sunt perfecte de la bun început! De multe ori trebuie să corectezi valori sau să creezi coloane noi derivate din datele existente. Procesul de modificare sau adăugare a coloanelor se numește mutație în terminologia dplyr și se realizează cu ajutorul funcției mutate(). Aceasta primește un tibble și argumente cu nume pentru actualizarea coloanelor. Numele fiecărui argument reprezintă coloana de modificat sau adăugat, iar valoarea este o expresie care descrie cum se face actualizarea. De exemplu, pentru un tibble cu coloanele x și y, codul de mai jos actualizează x și creează o nouă coloană z.

a_tibble %>%
  mutate(
    x = x + y,
    z = log(x)  
  )

Dacă nu era deja clar: funcțiile de bază din R nu funcționează cu tibble-urile Spark, deci nu poți folosi within() sau transform() în acest scop.

Acest exercițiu face parte din cursul

Introducere în Spark cu sparklyr în R

Vezi cursul

Instrucțiuni pentru exercițiu

O conexiune Spark a fost creată pentru tine sub numele spark_conn. Un tibble asociat metadatelor pistelor stocate în Spark a fost predefinit ca track_metadata_tbl.

Selectează câmpurile title și duration. Reține că duratele sunt exprimate în secunde.
Trimite rezultatul prin pipe către mutate() pentru a crea un câmp nou, duration_minutes, care să conțină durata pistei exprimată în minute.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# track_metadata_tbl has been pre-defined
track_metadata_tbl

# Manipulate the track metadata
track_metadata_tbl %>%
  # Select columns
  ___ %>%
  # Mutate columns
  ___

Editează și rulează codul