dplyr: группировка и сводки — бесплатный тест онлайн

Вопрос 1 из 25

Ситуация: После групповой нормализации таблицу передают в общий расчёт ранга, но он неожиданно выполняется внутри групп. Какой принцип непосредственно относится к этому коду?

library(dplyr)
df <- tibble::tibble(g = c('A','A','B'), x = c(1,3,10))
result <- df |> group_by(g) |> mutate(centered = x - mean(x))
result

across() применяет одну или несколько функций к выбранным столбцам внутри mutate или summarise и позволяет управлять именами результата Групповые сводки корректны только при осмысленных ключах, явной обработке пустых групп и известном числе наблюдений в каждой оценке Внутри групповых глаголов n(), cur_group(), row_number() и агрегаты относятся к текущей группе, а не ко всей таблице summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise

Вопрос 2 из 25

Ситуация: После групповой нормализации таблицу передают в общий расчёт ранга, но он неожиданно выполняется внутри групп. Какой риск здесь остаётся главным, даже если результат выглядит правдоподобно?

library(dplyr)
df <- tibble::tibble(g = c('A','A','B'), x = c(1,3,10))
result <- df |> group_by(g) |> mutate(centered = x - mean(x))
result

Среднее группы из одной строки выглядит наравне со средним из тысячи строк и скрывает разную надёжность Сравнение группового значения с общим средним без явного расчёта общего уровня даёт другое бизнес-правило Забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими Неуникальные имена при нескольких функциях перезаписывают или конфликтуют, а выбор всех столбцов может затронуть идентификаторы После сводки по нескольким ключам часть группировки может сохраниться и повлиять на следующий summarise

Вопрос 3 из 25

Ситуация: После групповой нормализации таблицу передают в общий расчёт ранга, но он неожиданно выполняется внутри групп. Какая правка делает решение устойчивым, а не просто удобным на текущем примере?

Рассчитайте глобальную величину до group_by либо используйте отдельный объект с понятным именем Снимайте группировку через ungroup() после завершения групповых операций или применяйте .by для одного шага Добавляйте n(), число пропусков и правила для малых групп; не публикуйте показатель без знаменателя Задавайте .groups явно или проверяйте group_vars(), особенно в многоступенчатых отчётах Ограничьте .cols по типу и задайте .names, которое включает исходный столбец и имя функции

Вопрос 4 из 25

Ситуация: После групповой нормализации таблицу передают в общий расчёт ранга, но он неожиданно выполняется внутри групп. Что нужно проверить после правки?

Сверьте сумму размеров групп с исходным числом строк и найдите группы с малым n или высокой долей NA Сверьте число строк с количеством уникальных комбинаций ключей и структуру групп результата Сравните групповой и общий знаменатель на группе с резко отличающимся размером Проверьте group_vars(), class() и результат следующей операции после сводки Проверьте names(), типы выбранных столбцов и совпадение числа новых показателей с планом

Вопрос 5 из 25

Ситуация: После групповой нормализации таблицу передают в общий расчёт ранга, но он неожиданно выполняется внутри групп. Какой итог разбора не смешивает правило языка с впечатлением от результата?

library(dplyr)
df <- tibble::tibble(g = c('A','A','B'), x = c(1,3,10))
result <- df |> group_by(g) |> mutate(centered = x - mean(x))
result

summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups; при этом главный риск состоит в том, что забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise; при этом главный риск состоит в том, что забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими Внутри групповых глаголов n(), cur_group(), row_number() и агрегаты относятся к текущей группе, а не ко всей таблице; при этом главный риск состоит в том, что сравнение группового значения с общим средним без явного расчёта общего уровня даёт другое бизнес-правило group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise; при этом главный риск состоит в том, что после сводки по нескольким ключам часть группировки может сохраниться и повлиять на следующий summarise group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise; поэтому внешний вид напечатанного объекта важнее происхождения и структуры данных

Вопрос 6 из 25

Ситуация: Отчёт строит сначала показатели команд, затем регионов; второй этап неожиданно агрегирует не тот уровень. Какое правило нужно применить к этому фрагменту прежде всего?

library(dplyr)
df <- tibble::tibble(region=c('N','N','S'), team=c('A','B','A'), x=c(2,4,6))
result <- df |> group_by(region, team) |> summarise(avg=mean(x), .groups='drop')
result

summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups Внутри групповых глаголов n(), cur_group(), row_number() и агрегаты относятся к текущей группе, а не ко всей таблице across() применяет одну или несколько функций к выбранным столбцам внутри mutate или summarise и позволяет управлять именами результата Групповые сводки корректны только при осмысленных ключах, явной обработке пустых групп и известном числе наблюдений в каждой оценке group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise

Вопрос 7 из 25

Ситуация: Отчёт строит сначала показатели команд, затем регионов; второй этап неожиданно агрегирует не тот уровень. Что в этой ситуации способно исказить вывод без явной синтаксической ошибки?

library(dplyr)
df <- tibble::tibble(region=c('N','N','S'), team=c('A','B','A'), x=c(2,4,6))
result <- df |> group_by(region, team) |> summarise(avg=mean(x), .groups='drop')
result

После сводки по нескольким ключам часть группировки может сохраниться и повлиять на следующий summarise Неуникальные имена при нескольких функциях перезаписывают или конфликтуют, а выбор всех столбцов может затронуть идентификаторы Забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими Сравнение группового значения с общим средним без явного расчёта общего уровня даёт другое бизнес-правило Среднее группы из одной строки выглядит наравне со средним из тысячи строк и скрывает разную надёжность

Вопрос 8 из 25

Ситуация: Отчёт строит сначала показатели команд, затем регионов; второй этап неожиданно агрегирует не тот уровень. Что следует изменить в коде или процессе?

Снимайте группировку через ungroup() после завершения групповых операций или применяйте .by для одного шага Задавайте .groups явно или проверяйте group_vars(), особенно в многоступенчатых отчётах Добавляйте n(), число пропусков и правила для малых групп; не публикуйте показатель без знаменателя Рассчитайте глобальную величину до group_by либо используйте отдельный объект с понятным именем Ограничьте .cols по типу и задайте .names, которое включает исходный столбец и имя функции

Вопрос 9 из 25

Ситуация: Отчёт строит сначала показатели команд, затем регионов; второй этап неожиданно агрегирует не тот уровень. Какой тест лучше всего ловит повтор этой ошибки?

Проверьте group_vars(), class() и результат следующей операции после сводки Сверьте число строк с количеством уникальных комбинаций ключей и структуру групп результата Сверьте сумму размеров групп с исходным числом строк и найдите группы с малым n или высокой долей NA Проверьте names(), типы выбранных столбцов и совпадение числа новых показателей с планом Сравните групповой и общий знаменатель на группе с резко отличающимся размером

Вопрос 10 из 25

Ситуация: Отчёт строит сначала показатели команд, затем регионов; второй этап неожиданно агрегирует не тот уровень. Как сформулировать вывод без лишних обобщений?

library(dplyr)
df <- tibble::tibble(region=c('N','N','S'), team=c('A','B','A'), x=c(2,4,6))
result <- df |> group_by(region, team) |> summarise(avg=mean(x), .groups='drop')
result

summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups; поэтому отсутствие сообщения об ошибке уже подтверждает корректность результата Групповые сводки корректны только при осмысленных ключах, явной обработке пустых групп и известном числе наблюдений в каждой оценке; при этом главный риск состоит в том, что среднее группы из одной строки выглядит наравне со средним из тысячи строк и скрывает разную надёжность group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise; при этом главный риск состоит в том, что после сводки по нескольким ключам часть группировки может сохраниться и повлиять на следующий summarise summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups; при этом главный риск состоит в том, что забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups; при этом главный риск состоит в том, что после сводки по нескольким ключам часть группировки может сохраниться и повлиять на следующий summarise

Вопрос 11 из 25

Ситуация: Команда добавляет среднее и максимум по десяткам числовых признаков, но часть новых колонок получает одинаковые имена. Какой механизм точнее всего объясняет связь кода с ситуацией?

library(dplyr)
df <- tibble::tibble(g=c('A','A'), x=c(1,3), y=c(2,6))
result <- df |> summarise(across(where(is.numeric), list(avg=mean, max=max), .names='{.col}_{.fn}'))
result

across() применяет одну или несколько функций к выбранным столбцам внутри mutate или summarise и позволяет управлять именами результата summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise Групповые сводки корректны только при осмысленных ключах, явной обработке пустых групп и известном числе наблюдений в каждой оценке Внутри групповых глаголов n(), cur_group(), row_number() и агрегаты относятся к текущей группе, а не ко всей таблице

Вопрос 12 из 25

Ситуация: Команда добавляет среднее и максимум по десяткам числовых признаков, но часть новых колонок получает одинаковые имена. Какой дефект нужно искать в первую очередь?

library(dplyr)
df <- tibble::tibble(g=c('A','A'), x=c(1,3), y=c(2,6))
result <- df |> summarise(across(where(is.numeric), list(avg=mean, max=max), .names='{.col}_{.fn}'))
result

Сравнение группового значения с общим средним без явного расчёта общего уровня даёт другое бизнес-правило Неуникальные имена при нескольких функциях перезаписывают или конфликтуют, а выбор всех столбцов может затронуть идентификаторы После сводки по нескольким ключам часть группировки может сохраниться и повлиять на следующий summarise Среднее группы из одной строки выглядит наравне со средним из тысячи строк и скрывает разную надёжность Забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими

Вопрос 13 из 25

Ситуация: Команда добавляет среднее и максимум по десяткам числовых признаков, но часть новых колонок получает одинаковые имена. Какой вариант исправления сохраняет смысл анализа?

Ограничьте .cols по типу и задайте .names, которое включает исходный столбец и имя функции Задавайте .groups явно или проверяйте group_vars(), особенно в многоступенчатых отчётах Рассчитайте глобальную величину до group_by либо используйте отдельный объект с понятным именем Снимайте группировку через ungroup() после завершения групповых операций или применяйте .by для одного шага Добавляйте n(), число пропусков и правила для малых групп; не публикуйте показатель без знаменателя

Вопрос 14 из 25

Ситуация: Команда добавляет среднее и максимум по десяткам числовых признаков, но часть новых колонок получает одинаковые имена. Какая проверка относится к исходному риску, а не к внешнему виду результата?

Сверьте число строк с количеством уникальных комбинаций ключей и структуру групп результата Проверьте names(), типы выбранных столбцов и совпадение числа новых показателей с планом Проверьте group_vars(), class() и результат следующей операции после сводки Сравните групповой и общий знаменатель на группе с резко отличающимся размером Сверьте сумму размеров групп с исходным числом строк и найдите группы с малым n или высокой долей NA

Вопрос 15 из 25

Ситуация: Команда добавляет среднее и максимум по десяткам числовых признаков, но часть новых колонок получает одинаковые имена. Какое заключение лучше всего выдерживает проверку?

library(dplyr)
df <- tibble::tibble(g=c('A','A'), x=c(1,3), y=c(2,6))
result <- df |> summarise(across(where(is.numeric), list(avg=mean, max=max), .names='{.col}_{.fn}'))
result

group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise; при этом главный риск состоит в том, что забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups; при этом главный риск состоит в том, что неуникальные имена при нескольких функциях перезаписывают или конфликтуют, а выбор всех столбцов может затронуть идентификаторы across() применяет одну или несколько функций к выбранным столбцам внутри mutate или summarise и позволяет управлять именами результата; при этом главный риск состоит в том, что неуникальные имена при нескольких функциях перезаписывают или конфликтуют, а выбор всех столбцов может затронуть идентификаторы across() применяет одну или несколько функций к выбранным столбцам внутри mutate или summarise и позволяет управлять именами результата; при этом главный риск состоит в том, что после сводки по нескольким ключам часть группировки может сохраниться и повлиять на следующий summarise across() применяет одну или несколько функций к выбранным столбцам внутри mutate или summarise и позволяет управлять именами результата; поэтому достаточно один раз проверить класс объекта на текущем наборе данных

Вопрос 16 из 25

Ситуация: Нужно сравнить каждую запись с общим средним, но код находится внутри группированного конвейера. На какое свойство R здесь следует опереться?

library(dplyr)
df <- tibble::tibble(g=c('A','A','B'), x=c(2,4,100))
result <- df |> group_by(g) |> mutate(delta = x - mean(x))
result

Внутри групповых глаголов n(), cur_group(), row_number() и агрегаты относятся к текущей группе, а не ко всей таблице summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups across() применяет одну или несколько функций к выбранным столбцам внутри mutate или summarise и позволяет управлять именами результата Групповые сводки корректны только при осмысленных ключах, явной обработке пустых групп и известном числе наблюдений в каждой оценке group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise

Вопрос 17 из 25

Ситуация: Нужно сравнить каждую запись с общим средним, но код находится внутри группированного конвейера. Почему успешный запуск ещё не доказывает корректность?

library(dplyr)
df <- tibble::tibble(g=c('A','A','B'), x=c(2,4,100))
result <- df |> group_by(g) |> mutate(delta = x - mean(x))
result

После сводки по нескольким ключам часть группировки может сохраниться и повлиять на следующий summarise Сравнение группового значения с общим средним без явного расчёта общего уровня даёт другое бизнес-правило Среднее группы из одной строки выглядит наравне со средним из тысячи строк и скрывает разную надёжность Забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими Неуникальные имена при нескольких функциях перезаписывают или конфликтуют, а выбор всех столбцов может затронуть идентификаторы

Вопрос 18 из 25

Ситуация: Нужно сравнить каждую запись с общим средним, но код находится внутри группированного конвейера. Какая правка лучше локальной заплатки?

Задавайте .groups явно или проверяйте group_vars(), особенно в многоступенчатых отчётах Рассчитайте глобальную величину до group_by либо используйте отдельный объект с понятным именем Ограничьте .cols по типу и задайте .names, которое включает исходный столбец и имя функции Снимайте группировку через ungroup() после завершения групповых операций или применяйте .by для одного шага Добавляйте n(), число пропусков и правила для малых групп; не публикуйте показатель без знаменателя

Вопрос 19 из 25

Ситуация: Нужно сравнить каждую запись с общим средним, но код находится внутри группированного конвейера. Как подтвердить корректность на граничном случае?

Проверьте names(), типы выбранных столбцов и совпадение числа новых показателей с планом Сверьте сумму размеров групп с исходным числом строк и найдите группы с малым n или высокой долей NA Проверьте group_vars(), class() и результат следующей операции после сводки Сравните групповой и общий знаменатель на группе с резко отличающимся размером Сверьте число строк с количеством уникальных комбинаций ключей и структуру групп результата

Вопрос 20 из 25

Ситуация: Нужно сравнить каждую запись с общим средним, но код находится внутри группированного конвейера. Какой вывод точнее всего связывает механизм и главный риск?

library(dplyr)
df <- tibble::tibble(g=c('A','A','B'), x=c(2,4,100))
result <- df |> group_by(g) |> mutate(delta = x - mean(x))
result

Групповые сводки корректны только при осмысленных ключах, явной обработке пустых групп и известном числе наблюдений в каждой оценке; при этом главный риск состоит в том, что среднее группы из одной строки выглядит наравне со средним из тысячи строк и скрывает разную надёжность Внутри групповых глаголов n(), cur_group(), row_number() и агрегаты относятся к текущей группе, а не ко всей таблице; следовательно, совпадение числа строк можно считать полной проверкой решения group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise; при этом главный риск состоит в том, что сравнение группового значения с общим средним без явного расчёта общего уровня даёт другое бизнес-правило Внутри групповых глаголов n(), cur_group(), row_number() и агрегаты относятся к текущей группе, а не ко всей таблице; при этом главный риск состоит в том, что забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими Внутри групповых глаголов n(), cur_group(), row_number() и агрегаты относятся к текущей группе, а не ко всей таблице; при этом главный риск состоит в том, что сравнение группового значения с общим средним без явного расчёта общего уровня даёт другое бизнес-правило

Вопрос 21 из 25

Ситуация: В рейтинге подразделение с одним наблюдением оказывается первым, но отчёт не показывает размер группы. Какое утверждение лучше всего объясняет показанный фрагмент?

library(dplyr)
df <- tibble::tibble(g=c('A','A','B'), x=c(10,12,100))
result <- df |> summarise(avg=mean(x), n=n(), .by=g)
result

across() применяет одну или несколько функций к выбранным столбцам внутри mutate или summarise и позволяет управлять именами результата Групповые сводки корректны только при осмысленных ключах, явной обработке пустых групп и известном числе наблюдений в каждой оценке Внутри групповых глаголов n(), cur_group(), row_number() и агрегаты относятся к текущей группе, а не ко всей таблице group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups

Вопрос 22 из 25

Ситуация: В рейтинге подразделение с одним наблюдением оказывается первым, но отчёт не показывает размер группы. Какое скрытое допущение здесь опаснее остальных?

library(dplyr)
df <- tibble::tibble(g=c('A','A','B'), x=c(10,12,100))
result <- df |> summarise(avg=mean(x), n=n(), .by=g)
result

После сводки по нескольким ключам часть группировки может сохраниться и повлиять на следующий summarise Забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими Среднее группы из одной строки выглядит наравне со средним из тысячи строк и скрывает разную надёжность Неуникальные имена при нескольких функциях перезаписывают или конфликтуют, а выбор всех столбцов может затронуть идентификаторы Сравнение группового значения с общим средним без явного расчёта общего уровня даёт другое бизнес-правило

Вопрос 23 из 25

Ситуация: В рейтинге подразделение с одним наблюдением оказывается первым, но отчёт не показывает размер группы. Что нужно сделать, чтобы ошибка не вернулась на следующем наборе данных?

Рассчитайте глобальную величину до group_by либо используйте отдельный объект с понятным именем Снимайте группировку через ungroup() после завершения групповых операций или применяйте .by для одного шага Задавайте .groups явно или проверяйте group_vars(), особенно в многоступенчатых отчётах Добавляйте n(), число пропусков и правила для малых групп; не публикуйте показатель без знаменателя Ограничьте .cols по типу и задайте .names, которое включает исходный столбец и имя функции

Вопрос 24 из 25

Ситуация: В рейтинге подразделение с одним наблюдением оказывается первым, но отчёт не показывает размер группы. Какая проверка непосредственно подтверждает, что дефект устранён?

Проверьте names(), типы выбранных столбцов и совпадение числа новых показателей с планом Сверьте сумму размеров групп с исходным числом строк и найдите группы с малым n или высокой долей NA Сверьте число строк с количеством уникальных комбинаций ключей и структуру групп результата Проверьте group_vars(), class() и результат следующей операции после сводки Сравните групповой и общий знаменатель на группе с резко отличающимся размером

Вопрос 25 из 25

Ситуация: В рейтинге подразделение с одним наблюдением оказывается первым, но отчёт не показывает размер группы. Что стоит написать в технической рецензии к этому фрагменту?

library(dplyr)
df <- tibble::tibble(g=c('A','A','B'), x=c(10,12,100))
result <- df |> summarise(avg=mean(x), n=n(), .by=g)
result

Групповые сводки корректны только при осмысленных ключах, явной обработке пустых групп и известном числе наблюдений в каждой оценке; поэтому повторный запуск в той же сессии заменяет проверку граничных случаев Групповые сводки корректны только при осмысленных ключах, явной обработке пустых групп и известном числе наблюдений в каждой оценке; при этом главный риск состоит в том, что среднее группы из одной строки выглядит наравне со средним из тысячи строк и скрывает разную надёжность summarise() обычно возвращает по одной строке на комбинацию группировочных ключей и управляет остаточной группировкой через .groups; при этом главный риск состоит в том, что среднее группы из одной строки выглядит наравне со средним из тысячи строк и скрывает разную надёжность group_by() сохраняет строки, но добавляет структуру групп, которая влияет на последующие mutate, filter и summarise; при этом главный риск состоит в том, что забытая группировка продолжает действовать дальше по конвейеру и меняет вычисления, которые автор считал общими Групповые сводки корректны только при осмысленных ключах, явной обработке пустых групп и известном числе наблюдений в каждой оценке; при этом главный риск состоит в том, что после сводки по нескольким ключам часть группировки может сохраниться и повлиять на следующий summarise