在R中使用“for loop”函数堆叠数据集
我回答家庭作业问题有困难 通过堆叠gm2创建更大的数据集 n=100倍以上。也就是说,如果nrg是数字 gm2和ncg的行数是列数, 较大的数据集应具有100*nrg行和 ncg列。 将堆叠的数据集称为biggm2。 要创建堆叠数据集, 用biggm2初始化 Tidyverse:在R中使用“for loop”函数堆叠数据集,r,for-loop,R,For Loop,我回答家庭作业问题有困难 通过堆叠gm2创建更大的数据集 n=100倍以上。也就是说,如果nrg是数字 gm2和ncg的行数是列数, 较大的数据集应具有100*nrg行和 ncg列。 将堆叠的数据集称为biggm2。 要创建堆叠数据集, 用biggm2初始化 Tidyverse: library(dplyr) filter(gapminder, country %in% c("United States", "Canada")) %>% select(year, lifeExp, p
library(dplyr)
filter(gapminder, country %in% c("United States", "Canada")) %>%
select(year, lifeExp, pop, gdpPercap) -> tidyverse_can_us
head(tidyverse_can_us)
## # A tibble: 6 × 4
## year lifeExp pop gdpPercap
## <int> <dbl> <int> <dbl>
## 1 1952 68.75 14785584 11367.16
## 2 1957 69.96 17010154 12489.95
## 3 1962 71.30 18985849 13462.49
## 4 1967 72.13 20819767 16076.59
## 5 1972 72.88 22284500 18970.57
## 6 1977 74.21 23796400 22090.88
基准R:
gapminder[with(gapminder, country %in% c("United States", "Canada")),
c("year", "lifeExp", "pop", "gdpPercap")] -> base_r_can_us
head(base_r_can_us)
## # A tibble: 6 × 4
## year lifeExp pop gdpPercap
## <int> <dbl> <int> <dbl>
## 1 1952 68.75 14785584 11367.16
## 2 1957 69.96 17010154 12489.95
## 3 1962 71.30 18985849 13462.49
## 4 1967 72.13 20819767 16076.59
## 5 1972 72.88 22284500 18970.57
## 6 1977 74.21 23796400 22090.88
对于其中任何一个,您都失去了将值与国家联系起来的因子变量。我们也不知道您为什么想要/需要矩阵。我假设您是从变量名中提取加拿大和美国的数据,但您的整个问题基本上是不连贯的,因此很难知道您拥有什么数据以及您想要/需要什么结果。请学习在问题中使用代码部分。为什么您要像使用Python或Java这样的粗俗语言那样使用R编写代码?
gm2 <- subset(CanUS2, select = c("year","lifeExp","pop","gdpPercap"))
gm3 <- matrix(gm2v, nrow=24, ncol=4)
gm3
library(gapminder)
library(dplyr)
filter(gapminder, country %in% c("United States", "Canada")) %>%
select(year, lifeExp, pop, gdpPercap) -> tidyverse_can_us
head(tidyverse_can_us)
## # A tibble: 6 × 4
## year lifeExp pop gdpPercap
## <int> <dbl> <int> <dbl>
## 1 1952 68.75 14785584 11367.16
## 2 1957 69.96 17010154 12489.95
## 3 1962 71.30 18985849 13462.49
## 4 1967 72.13 20819767 16076.59
## 5 1972 72.88 22284500 18970.57
## 6 1977 74.21 23796400 22090.88
gapminder[with(gapminder, country %in% c("United States", "Canada")),
c("year", "lifeExp", "pop", "gdpPercap")] -> base_r_can_us
head(base_r_can_us)
## # A tibble: 6 × 4
## year lifeExp pop gdpPercap
## <int> <dbl> <int> <dbl>
## 1 1952 68.75 14785584 11367.16
## 2 1957 69.96 17010154 12489.95
## 3 1962 71.30 18985849 13462.49
## 4 1967 72.13 20819767 16076.59
## 5 1972 72.88 22284500 18970.57
## 6 1977 74.21 23796400 22090.88