Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Dataval – Grunderna | Datamanipulering och Datarensning
Dataanalys med R

bookDataval – Grunderna

När din datamängd har lästs in i R är det viktigt att kunna arbeta med specifika delar av den. Detta innebär att välja ut särskilda rader och kolumner att fokusera på. Oavsett om du rengör data eller analyserar specifika trender är det avgörande att kunna dela upp din data på ett effektivt sätt.

Ladda din datamängd

Innan du arbetar med någon data måste den läsas in och granskas:

library(tidyverse) # load the tidyverse package
df <- read_csv("car_details.csv")  # read the dataset
View(df) # open the dataset in a spreadsheet-style viewer

Välja rader

I R kan du välja rader utifrån deras numeriska position. Eftersom indexeringen börjar på 1 kommer df[3, ] att returnera den tredje raden från datamängden.

df[3, ]

Välja en kolumn efter position

På liknande sätt som för rader kan du välja en kolumn med dess numeriska position. Genom att lämna radindex tomt och ange kolumnindex returnerar df[, 5] den femte kolumnen i datasettet.

df[, 5]

Välja en kolumn efter namn

Du kan också komma åt en kolumn direkt via dess namn med hjälp av $-operatorn. Detta ger ett snabbt och läsbart sätt att extrahera en enskild kolumn. Till exempel väljer df$km_driven kolumnen med namnet km_driven.

view(df$km_driven)
question mark

Vilken symbol används för att komma åt en kolumn efter namn i base R?

Select the correct answer

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 4

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Awesome!

Completion rate improved to 4

bookDataval – Grunderna

Svep för att visa menyn

När din datamängd har lästs in i R är det viktigt att kunna arbeta med specifika delar av den. Detta innebär att välja ut särskilda rader och kolumner att fokusera på. Oavsett om du rengör data eller analyserar specifika trender är det avgörande att kunna dela upp din data på ett effektivt sätt.

Ladda din datamängd

Innan du arbetar med någon data måste den läsas in och granskas:

library(tidyverse) # load the tidyverse package
df <- read_csv("car_details.csv")  # read the dataset
View(df) # open the dataset in a spreadsheet-style viewer

Välja rader

I R kan du välja rader utifrån deras numeriska position. Eftersom indexeringen börjar på 1 kommer df[3, ] att returnera den tredje raden från datamängden.

df[3, ]

Välja en kolumn efter position

På liknande sätt som för rader kan du välja en kolumn med dess numeriska position. Genom att lämna radindex tomt och ange kolumnindex returnerar df[, 5] den femte kolumnen i datasettet.

df[, 5]

Välja en kolumn efter namn

Du kan också komma åt en kolumn direkt via dess namn med hjälp av $-operatorn. Detta ger ett snabbt och läsbart sätt att extrahera en enskild kolumn. Till exempel väljer df$km_driven kolumnen med namnet km_driven.

view(df$km_driven)
question mark

Vilken symbol används för att komma åt en kolumn efter namn i base R?

Select the correct answer

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 4
some-alt