首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何在R中现有数据框中添加新变量

在R中,可以使用以下几种方法向现有数据框中添加新变量:

  1. 使用$符号添加新变量:
  2. 使用$符号添加新变量:
  3. 这种方法可以直接在数据框中添加一个新的列,并赋予相应的值。
  4. 使用attach()函数添加新变量:
  5. 使用attach()函数添加新变量:
  6. 这种方法将数据框附加到搜索路径中,然后可以直接使用数据框中的列名来创建新变量。
  7. 使用with()函数添加新变量:
  8. 使用with()函数添加新变量:
  9. 这种方法在一个临时的环境中创建新变量,并将其添加到新的数据框中。
  10. 使用mutate()函数添加新变量(需要安装dplyr包):
  11. 使用mutate()函数添加新变量(需要安装dplyr包):
  12. 这种方法使用dplyr包中的mutate()函数,可以在数据框中添加新变量,并赋予相应的值。

无论使用哪种方法,都可以根据具体需求来添加新变量。在实际应用中,可以根据数据的特点和分析目的来选择合适的方法。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

Object Detection in Optical Remote Sensing Images: A Survey and A New Benchmark

最近已作出大量努力,提出光学遥感图像中的各种目标检测方法。然而,目前对光学遥感图像中目标检测的数据集调查和基于深度学习的方法还不够完善。此外,现有的数据集大多存在一些不足之处,如图像和目标类别数量较少,图像多样性和变异性不足。这些局限性极大地影响了基于深度学习的目标检测方法的发展。本文综述了近年来计算机视觉和地球观测领域基于深度学习的目标检测研究进展。然后,我们提出了一个大规模、公开可用的光学遥感图像目标检测基准,我们将其命名为DIOR。数据集包含23463张图像和190288个实例,覆盖20个目标类。建议的DIOR数据集1)在目标类别、目标实例数量和总图像数量上都是大规模的;2)具有大范围的对象尺寸变化,不仅在空间分辨率方面,而且在跨目标的类间和类内尺寸变化方面;3)由于成像条件、天气、季节、成像质量的不同,成像结果差异较大;4)具有较高的类间相似性和类内多样性。提出的基准可以帮助研究人员开发和验证他们的数据驱动方法。最后,我们评估了DIOR数据集中的几种最先进的方法,为未来的研究奠定了基础。

05
领券