การทำความเข้าใจเกี่ยวกับการวางท่อ dplyr และฟังก์ชันการสรุป

Question

ฉันกำลังมองหาความช่วยเหลือในการทำความเข้าใจการวางท่อและการสรุปฟังก์ชันโดยใช้ dplyr ฉันรู้สึกว่าการเข้ารหัสของฉันเป็นแบบละเอียดและสามารถทำให้ง่ายขึ้นได้ มีคำถามสองสามข้อในนี้เพราะฉันรู้ว่าฉันขาดแนวคิดบางอย่างไป แต่ฉันไม่ค่อยแน่ใจว่าขาดความรู้ตรงไหน ฉันได้ใส่รหัสเต็มของฉันไว้ที่ด้านล่างแล้ว ขอบคุณล่วงหน้าเนื่องจากเป็นคำถามที่ใหญ่กว่านี้เล็กน้อย

1a. จากข้อมูลตัวอย่างด้านล่างและการใช้ dplyr มีวิธีคำนวณเกม (วันที่) ต่อทีมโดยไม่ต้องใช้ตารางกลางหรือไม่?

1b. ฉันได้รวมวิธีเดิมของฉันในการคำนวณ n_games ซึ่งใช้ไม่ได้ ทำไม?

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

1. ด้านล่างนี้คือขั้นตอนการสร้างตารางสรุป ฉันเข้าใจว่าการวางท่อมีไว้เพื่อตัดการสร้างตัวแปร / ตารางระดับกลางออกไป ฉันจะรวมขั้นตอนด้านล่างเพื่อสร้างตารางสุดท้ายโดยมีขั้นตอนกลางขั้นต่ำได้ที่ไหน

# 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

Answer 1

สำหรับ 1a คุณสามารถไปป์ตรงจากฟังก์ชัน tibble () เพื่อนับ () กล่าวคือ.

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)

ใน 1b count () กำลังใช้คอลัมน์ของคุณn(เช่นจำนวนช็อต) เป็นตัวแปรการถ่วงน้ำหนักดังนั้นจึงรวมจำนวนช็อตทั้งหมดต่อทีมไม่ใช่จำนวนแถว มันพิมพ์ข้อความบอกคุณสิ่งนี้:

Using `n` as weighting variable i Quiet this message with `wt = n` or count rows with `wt = 1`

การใช้count(Team_Name, wt=n())จะให้พฤติกรรมที่คุณต้องการ

แก้ไข:ตอนที่ 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))

Answer 2

1a. จากข้อมูลตัวอย่างด้านล่างและการใช้ dplyr มีวิธีคำนวณเกม (วันที่) ต่อทีมโดยไม่ต้องใช้ตารางกลางหรือไม่?

นี่คือวิธีที่ฉันจะทำ:

shot_df_ex %>% 
  distinct(Team_Name, Date) %>% #Keeps only the cols given and one of each combo
  count(Team_Name)

คุณยังสามารถใช้ unique:

shot_df_ex %>% 
  group_by(Team_Name) %>%
  summarize(N_Games = length(unique(Date))

1b. ฉันได้รวมวิธีเดิมของฉันในการคำนวณ n_games ซึ่งใช้ไม่ได้ ทำไม?

รหัสของคุณใช้งานได้สำหรับฉัน คุณอาจบันทึกผ่านตารางกลางหรือไม่? มันจะนับ 6 ที่คาดหวังต่อทีม

1. ด้านล่างนี้คือขั้นตอนการสร้างตารางสรุป ฉันเข้าใจว่าการวางท่อมีไว้เพื่อตัดการสร้างตัวแปร / ตารางระดับกลางออกไป ฉันจะรวมขั้นตอนด้านล่างเพื่อสร้างตารางสุดท้ายกับขั้นตอนกลางขั้นต่ำได้ที่ไหน

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))

คุณสามารถใช้ขั้นตอนสรุปได้หลายขั้นตอนในเวลาเดียวกันตราบเท่าที่คุณไม่จำเป็นต้องเปลี่ยนการจัดกลุ่มของคุณ เรากำลังใช้ประโยชน์ได้ที่นี่ (ในsumสาย) ของการตีความของทรูเป็นที่ 1 และเป็นเท็จ 0. ประสงค์ของหลักสูตรให้เราความยาวของเวกเตอร์ที่ผลิตโดยlengthunique

สิ่งนี้ (count) ใช้งานได้ แต่ไม่นับ () เป็นเพียงวิธีที่เร็วกว่าในการเรียกใช้ group_by ()%>% สรุป ()?

countเป็นเพียงการรวมgroup_by(col) %>% tally()และการนับเป็นหลักsummarize(x=n())ใช่ :)