Kleine Sektflaschen Hochzeit
Um zur nächst größeren Einheit (Kilobyte, Megabyte, Gigabyte, …) zu kommen, muss man die Zahl durch 1024 teilen. Zur Illustration habe ich unten im Beispiel eine Funktion geschrieben, die einen Parameter für die Größeneinheit entgegennimmt. # gibt einen mit vielen Informationen (Größe, Datum,... ) zu den übergebenen Dateien zurück file. info ( "") # Eistiert die Datei file. access ( "") file. access ( "", mode = 1) file. access ( "", mode = 2) file. access ( "", mode = 3) # Wann wurde die Datei zum letzten Mal modifiziert file. R spalte löschen data frame. mtime ( "") # die Größe der Datei in Bytes file. size ( "") # Eine Funktion, um die Dateigröße auch in anderen Einheiten wiederzugeben Dateigroesse <- function ( Dateien, Einheit = "MB") { # Einheit in Großbuchstaben umwandeln Einheit <- toupper ( Einheit) # Fehlermeldung bei nicht unterstützter Einheit if (! ( Einheit% in% c ( "B", "KB", "MB", "GB"))) { print ( "Die Funktion unterstützt nur die Einheiten B, KB, MB und GB") return ()} # Faktor für Einheit Faktor <- ifelse ( Einheit == "B", 1, ifelse ( Einheit == "KB", 1024, ifelse ( Einheit == "MB", 1024 ^ 2, ifelse ( Einheit == "GB", 1024 ^ 3, NA)))) # Rückgabe von Bytegröße/Faktor, gerundet auf 2 Stellen return ( round ( file.
Für die letzte sonnige Woche hätten wir also zum Beispiel einen Vektor mit sieben Elementen: tempVec <- c(24. 1, 28. 3, 26. 8, 23. 5, NA, 25. 6, NA). Wir sehen: Zwei Mal wurde der Wert nicht gespeichert. Da wir mittlerweile schon data frames kennen (wenn nicht, schau hier und hier), verschönern wir das Beispiel noch etwas und ordnen diese Temperaturen bestimmten Datumseinträgen zu. Den Datumsvektor erstellen wir wie folgt (heute noch etwas umständlicher per Hand): dateVec <- (c("2016-09-10", "2016-09-11", "2016-09-12", "2016-09-13", "2016-09-14", "2016-09-15", "2016-09-16")). Spalte aus dataframe löschen r. Und beide Vektoren in ein data frame: dfTemp <- (Datum=dateVec, Temperatur=tempVec). Jetzt haben wir einen Minidatensatz mit Temperaturen je Datum. Mit der -Funktion können wir jetzt jedes Element im Temperaturvektor überprüfen, ob es missing ist oder nicht: (dfTemp$Temperatur). Das ist schonmal ein guter Anfang, aber gerade für große Vektoren ist es lästig, jedes Element anzuzeigen. Stattdessen schauen wir uns einfach genau an, welche Elemente missing sind, und speichern die Positionen in missingCases: missingCases <- which((dfTemp$Temperatur)==TRUE).
+s$'))%>% # any column name matching the regex pattern select_if (~! (. ))%>% # not by column name but by data type head ( 2) # A tibble: 2 x 2 homeworld species < chr > < chr > 1 Tatooine Human 2 Tatooine Droid Seien Sie vorsichtig mit der select() Funktion, da sie sowohl im dplyr- als auch im MASS-Paket verwendet wird. Wenn also MASS geladen ist, funktioniert select () möglicherweise nicht richtig. Um herauszufinden, welche Pakete geladen werden, geben Sie sie ein sessionInfo() und suchen Sie sie im Abschnitt "Andere angehängte Pakete:". Wenn es geladen ist detach( "package:MASS", unload = TRUE), geben Sie ein und Ihre select() Funktion sollte wieder funktionieren. Wir können es versuchen iris%>% select_ ( = setdiff ( names (. ), )) Eine andere Möglichkeit besteht darin, die unerwünschten Spalten zu mutieren. Dadurch werden NULL die eingebetteten Klammern vermieden: head ( iris, 2)%>% mutate_at (, ~ NULL) # Species # 1 1. 4 0. 2 setosa # 2 1. Missing Values (NA) in R - Wie du damit umgehst und was du wissen musst | R Coding. 2 setosa Wenn Sie ein Sonderzeichen in den Spaltennamen haben, entweder select oder select_ möglicherweise nicht wie erwartet.
remove ( c ( "", "")) # Das Backup-Verzeichnis wieder löschen unlink ( "Backup", recursive = TRUE) Datei-Informationen wie Datum oder Größe in R Als letztes zeige ich euch noch, wie ihr Informationen zu Dateien in R auslesen könnt. Die wichtigsten sind vermutlich Dateigröße oder Änderungsdatum. So könnte man das Änderungsdatum checken, um zu sehen, ob es ein Update der Datei gab und es sich lohnt, den Inhalt einzulesen. Die R-Funktionen dafür sind überschaubar denn eigentlich gibt es nur. R - R dplyr: Mehrere Spalten löschen. Die weiteren hier aufgezählten Funktionen rufen auf, sind aber eventuell bequemer in der Anwendung. Ein bisschen tricky sind die Berechtigungen (Spalte mode), da diese kodiert sind und man sich die Werte herauspulen muss. Andererseits benötigt man diese Details eher selten. liefert einen mit 7 Spalten, jede Zeile entspricht einer angegeben Datei. size: Die Dateigröße in Bytes isdir: Handelt es sich um ein Verzeichnis mode: gibt eine dreistellige Oktalzahl mit den Rechten zurück. Das Ganze ist ein bisschen kompliziert.