ఉత్పరివర్తనలు మరియు అగ్రిగేషన్లు

ఎంచుకోవడం మరియు ఫిల్టర్ చేయడంతో పాటు, dplyr కొత్త గణించిన నిలువు వరుసలను సృష్టించడానికి మరియు సమూహాలుగా సమగ్రపరచడం ద్వారా డేటాను సంగ్రహించడానికి శక్తివంతమైన సామర్థ్యాలను అందిస్తుంది.

కొత్త నిలువు వరుసలను సృష్టిస్తోంది: mutate()

mutate() క్రియ అన్ని అసలైన నిలువు వరుసలను అలాగే ఉంచేటప్పుడు కొత్త నిలువు వరుసలను లెక్కించడానికి లేదా ఇప్పటికే ఉన్న వాటిని సవరించడానికి మిమ్మల్ని అనుమతిస్తుంది.

# Adds a 'double_salary' column computed as 'salary' multiplied by 2
df %>%
  mutate(double_salary = salary * 2)

# You can create multiple columns at once
df %>%
  mutate(
    total_cost = quantity * price,
    tax = total_cost * 0.22
  )

సమూహపరచడం మరియు సమగ్రపరచడం: group_by() మరియు summarise()

తరచుగా, డేటా విశ్లేషణకు వరుసల నిర్దిష్ట సమూహాల కోసం సారాంశ గణాంకాలను (ఉదా. సగటు, మొత్తం, గణన) లెక్కించడం అవసరం (ఉదాహరణకు, ప్రతి విభాగానికి సగటు జీతం లెక్కించడం).

1. group_by()

ఒకటి లేదా అంతకంటే ఎక్కువ నిలువు వరుసల విలువల ద్వారా డేటా ఫ్రేమ్‌ను సమూహపరుస్తుంది. స్వతహాగా, ఇది డేటా యొక్క దృశ్య రూపాన్ని మార్చదు, కానీ తదుపరి కార్యకలాపాలను "సమూహం వారీగా" అమలు చేయాలని dplyrకి ఇది సంకేతాలు ఇస్తుంది.

2. summarise() (లేదా summarize())

mean(), sum(), min(), max(), లేదా AGYTOK_INLINE_11 గణన వంటి గణాంక ఫంక్షన్‌లను వర్తింపజేయడం ద్వారా అనేక అడ్డు వరుసలను ఒకే సారాంశ అడ్డు వరుసలో కుదించవచ్చు.

# Calculates the average salary per department
df %>%
  group_by(department) %>%
  summarise(mean_salary = mean(salary))

మీరు ఒక్కో సమూహానికి చెందిన రికార్డులను లెక్కించాలనుకుంటే:

# Counts how many employees are in each city
df %>%
  group_by(city) %>%
  summarise(count = n())

మీరే ప్రయత్నించండి

వ్యాయామం 1: లెక్కించిన నిలువు వరుసను సృష్టించండి

వ్యాయామం 2: సమూహం మరియు సగటుతో సంగ్రహించండి

వ్యాయామం 3: సమూహానికి మూలకాలను లెక్కించండి

వ్యాయామం 4: బహుళ సారాంశాలు

వ్యాయామం 5: గ్రూపింగ్ మరియు కంబైన్డ్ ఫిల్టర్‌లు