Понимание трубопровода dplyr и функции подведения итогов
Мне нужна помощь в понимании трубопроводов и суммирования функций с помощью dplyr. Мне кажется, что мой код немного многословен и его можно упростить. Итак, здесь есть пара вопросов, потому что я знаю, что мне не хватает некоторых концепций, но я не совсем уверен, где этот недостаток знаний. Я включил свой полный код внизу. Заранее спасибо, так как это немного больше.
1а. Из приведенного ниже примера данных и с помощью dplyr можно ли рассчитать игры (даты) для каждой команды без использования промежуточной таблицы?
1b. Я включил свой оригинальный способ вычисления n_games, который не работал. Зачем?
set.seed(123)
shot_df_ex <- tibble(Team_Name = sample(LETTERS[1:5],250, replace = TRUE),
Date = sample(as.Date(c("2019-08-01",
"2019-09-01",
"2018-08-01",
"2018-09-01",
"2017-08-01",
"2017-09-01")),
size = 250, replace = TRUE),
Type = sample(c("shot","goal"), size = 250,
replace = TRUE, prob = c(0.9,0.1))
)
# count shots per team per game(date)
n_shots_per_game <- shot_df_ex %>%
count(Team_Name,Date)
n_shots_per_game
# count games (dates) per team [ISSUES!!!]
# is there a way to do this piping from the shot_df_ex tibble instead of
# using an intermediate tibble?
# count number of games using the tibble created above [DOES NOT WORK--WHY?]
n_games <- n_shots_per_game %>%
count(Team_Name)
n_games #what is this counting? It should be 6 for each.
# this works, but isn't count() just a quicker way to run
# group_by() %>% summarise()?
n_games <- n_shots_per_game %>%
group_by(Team_Name) %>%
summarise(N_Games=n())
n_games
- Ниже представлен мой процесс создания сводной таблицы. Я понимаю, что конвейер предназначен для исключения создания некоторых промежуточных переменных / таблиц. Где я мог бы объединить шаги ниже, чтобы создать итоговую таблицу с минимальным количеством промежуточных шагов.
# load librarys ------------------------------------------------
library(tidyverse)
# build sample shot data ---------------------------------------
set.seed(123)
shot_df_ex <- tibble(Team_Name = sample(LETTERS[1:5],250, replace = TRUE),
Date = sample(as.Date(c("2019-08-01",
"2019-09-01",
"2018-08-01",
"2018-09-01",
"2017-08-01",
"2017-09-01")),
size = 250, replace = TRUE),
Type = sample(c("shot","goal"), size = 250,
replace = TRUE, prob = c(0.9,0.1))
)
# calculate data ----------------------------------------------
# since every row is a shot, the following function counts shots for ea. team
n_shots <- shot_df_ex %>%
count(Team_Name) %>%
rename(N_Shots = n)
n_shots
# do the same for goals for each team
n_goals <- shot_df_ex %>%
filter(Type == "goal") %>%
count(Team_Name,sort = T) %>%
rename(N_Goals = n) %>%
arrange(Team_Name)
n_goals
# count shots per team per game(date)
n_shots_per_game <- shot_df_ex %>%
count(Team_Name,Date)
n_shots_per_game
# count games (dates) per team [ISSUES!!!]
# is there a way to do this piping from the shot_df_ex tibble instead of
# using an intermediate tibble?
# count number of games using the tibble created above [DOES NOT WORK]
n_games <- n_shots_per_game %>%
count(Team_Name)
n_games #what is this counting? It should be 6 for each.
# this works, but isn't count() just a quicker way to run
# group_by() %>% summarise()?
n_games <- n_shots_per_game %>%
group_by(Team_Name) %>%
summarise(N_Games=n())
n_games
# combine data ------------------------------------------------
# combine columns and add average shots per game
shot_table_ex <- n_games %>%
left_join(n_shots) %>%
left_join(n_goals)
# final table with final average calculations
shot_table_ex <- shot_table_ex %>%
mutate(Shots_per_Game = round(N_Shots / N_Games, 1),
Goals_per_Game = round(N_Goals / N_Games, 1)) %>%
arrange(Team_Name)
shot_table_ex
Ответы
Для 1a вы можете просто перенаправить напрямую из функции tibble () в count (). т.е.
tibble(Team_Name = sample(LETTERS[1:5],250, replace = TRUE),
Date = sample(as.Date(c("2019-08-01",
"2019-09-01",
"2018-08-01",
"2018-09-01",
"2017-08-01",
"2017-09-01")),
size = 250, replace = TRUE),
Type = sample(c("shot","goal"), size = 250,
replace = TRUE, prob = c(0.9,0.1))) %>%
count(Team_Name,Date)
В 1b count () использует ваш столбец n
(то есть количество выстрелов) в качестве весовой переменной, поэтому суммирует общее количество выстрелов на команду, а не количество строк. Он печатает сообщение об этом:
Using `n` as weighting variable i Quiet this message with `wt = n` or count rows with `wt = 1`
Использование count(Team_Name, wt=n())
даст вам желаемое поведение.
Изменить: часть 2
shot_table_ex <- tibble(Team_Name = sample(LETTERS[1:5],250, replace = TRUE),
Date = sample(as.Date(c("2019-08-01",
"2019-09-01",
"2018-08-01",
"2018-09-01",
"2017-08-01",
"2017-09-01")),
size = 250, replace = TRUE),
Type = sample(c("shot","goal"), size = 250,
replace = TRUE, prob = c(0.9,0.1))) %>%
group_by(Team_Name) %>%
summarise(n_shots = n(),
n_goals = sum(Type == "goal"),
n_games = n_distinct(Date)) %>%
mutate(Shots_per_Game = round(n_shots / n_games, 1),
Goals_per_Game = round(n_goals / n_games, 1))
1а. Из приведенного ниже примера данных и с помощью dplyr можно ли рассчитать игры (даты) для каждой команды без использования промежуточной таблицы?
Вот как бы я это сделал:
shot_df_ex %>%
distinct(Team_Name, Date) %>% #Keeps only the cols given and one of each combo
count(Team_Name)
Вы также можете использовать уникальные:
shot_df_ex %>%
group_by(Team_Name) %>%
summarize(N_Games = length(unique(Date))
1b. Я включил свой оригинальный способ вычисления n_games, который не работал. Зачем?
Ваш код работает на меня. Возможно, вы сэкономили на промежуточном столе? Считается ожидаемое 6 на команду.
- Ниже представлен мой процесс создания сводной таблицы. Я понимаю, что конвейер предназначен для исключения создания некоторых промежуточных переменных / таблиц. Где я могу совместить шаги, указанные ниже, чтобы создать итоговую таблицу с минимальным количеством промежуточных шагов?
shot_df_ex %>%
group_by(Team_Name) %>%
summarize(
N_Games = length(unique(Date)),
N_Shots = sum(Type == "shot"),
N_Goals = sum(Type == "goal")
) %>%
mutate(Shots_per_Game = round(N_Shots / N_Games, 1),
Goals_per_Game = round(N_Goals / N_Games, 1))
Вы можете использовать несколько этапов суммирования одновременно, если вам не нужно менять группировку. Здесь (в sum
вызовах) мы пользуемся преимуществом интерпретации True как 1 и False как 0. length
Конечно, мы получим длину вектора, созданного unique
.
this (count) работает, но разве count () не просто более быстрый способ запустить group_by ()%>% summarize ()?
count
это просто комбинация, group_by(col) %>% tally()
и по сути, summarize(x=n())
так что да. :)