Dplyr : Comment résumer les données mais conserver toutes les colonnes

Lors de l’utilisation de la fonction summarise() dans dplyr , toutes les variables non incluses dans les fonctions summarise() ou group_by() seront automatiquement supprimées.

Cependant, vous pouvez utiliser la fonction mutate() pour résumer les données tout en conservant toutes les colonnes du bloc de données.

L’exemple suivant montre comment utiliser cette fonction dans la pratique.

Exemple : résumer les données mais conserver toutes les colonnes à l’aide de dplyr

Supposons que nous disposions du bloc de données suivant contenant des informations sur divers joueurs de basket-ball :

#create data frame
df <- data.frame(team=rep(c('A', 'B', 'C'), each=3),
                 points=c(4, 9, 8, 12, 15, 14, 29, 30, 22),
                 assists=c(3, 3, 2, 5, 8, 10, 4, 5, 12))

#view data frame
df

  team points assists
1    A      4       3
2    A      9       3
3    A      8       2
4    B     12       5
5    B     15       8
6    B     14      10
7    C     29       4
8    C     30       5
9    C     22      12

On peut utiliser la syntaxe suivante pour résumer la moyenne des points marqués par équipe :

library(dplyr)

#summarize mean points values by team
df %>%
  group_by(team) %>%
  summarise(mean_pts = mean(points))

# A tibble: 3 x 2
  team  mean_pts
      
1 A          7  
2 B         13.7
3 C         27

La colonne appelée Mean_pts affiche la moyenne des points marqués par chaque équipe.

À partir du résultat, nous pouvons voir :

• La moyenne des points marqués par les joueurs de l’équipe A est de 7 .
• La moyenne des points marqués par les joueurs de l’équipe B est de 13,7 .
• La moyenne de points marqués par les joueurs de l’équipe C est de 27 .

Cependant, supposons que nous souhaitions conserver toutes les autres colonnes du bloc de données d’origine.

Nous pouvons utiliser la syntaxe suivante avec la fonction mutate() pour ce faire :

library(dplyr)

#summarize mean points values by team and keep all columns
df %>%
  group_by(team) %>%
  mutate(mean_pts = mean(points)) %>%
  ungroup()

# A tibble: 9 x 4
  team  points assists mean_pts
           
1 A          4       3      7  
2 A          9       3      7  
3 A          8       2      7  
4 B         12       5     13.7
5 B         15       8     13.7
6 B         14      10     13.7
7 C         29       4     27  
8 C         30       5     27  
9 C         22      12     27

En utilisant la fonction mutate() , nous pouvons créer une nouvelle colonne appelée Mean_pts qui résume la moyenne des points marqués par équipe tout en conservant toutes les autres colonnes du bloc de données d’origine.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans dplyr :

dplyr : Comment muter une variable si la colonne contient une chaîne
dplyr : Comment modifier les niveaux de facteurs à l’aide de mutate()
dplyr : Comment additionner sur plusieurs colonnes