So erstellen sie schnell pivottables in r

In Excel bieten Pivot-Tabellen eine einfache Möglichkeit, Daten zu gruppieren und zusammenzufassen.

Wenn wir beispielsweise den folgenden Datensatz in Excel haben, können wir eine Pivot-Tabelle verwenden, um den Gesamtumsatz nach Region schnell zusammenzufassen:

Das sagt uns:

• Region A verzeichnete insgesamt 51 Verkäufe
• Region B verzeichnete insgesamt 85 Verkäufe
• Region C erzielte insgesamt 140 Verkäufe

Oder wir könnten anhand einer anderen Kennzahl zusammenfassen, beispielsweise dem durchschnittlichen Umsatz nach Region:

Es stellt sich heraus, dass wir mit den Funktionen group_by() und summary() aus dem dplyr- Paket schnell ähnliche Pivot-Tabellen in R erstellen können.

Dieses Tutorial enthält mehrere Beispiele dafür.

Beispiel: PivotTables in R erstellen

Erstellen wir zunächst denselben Datensatz in R, den wir in den vorherigen Beispielen aus Excel verwendet haben:

 #create data frame
df <- data. frame (region=c('A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'C'),
                 device=c('X', 'X', 'Y', 'X', 'Y', 'Y', 'X', 'X', 'Y', 'Y'),
                 sales=c(12, 18, 21, 22, 34, 29, 38, 36, 34, 32))

#view data frame
df

   region device sales
1AX 12
2AX18
3 AY 21
4 BX22
5 BY 34
6 BY 29
7 CX 38
8CX36
9 CY 34
10 CY 32

Als nächstes laden wir das dplyr-Paket und verwenden die Funktionen group_by() und summary(), um nach Region zu gruppieren und die Summe der Verkäufe nach Region zu ermitteln:

 library (dplyr)

#find sum of sales by region
df %>%
  group_by (region) %>% 
  summarize (sum_sales = sum (sales))

# A tibble: 3 x 2
  region sum_sales
        
1 to 51
2 B 85
3 C 140

Wir können sehen, dass diese Zahlen mit den im Excel-Einführungsbeispiel gezeigten Zahlen übereinstimmen.

Wir können auch den durchschnittlichen Umsatz nach Region berechnen:

 #find average sales by region
df %>%
  group_by (region) %>% 
  summarize (mean_sales = mean (sales))

# A tibble: 3 x 2
  region mean_sales
        
1 to 17  
2 B 28.3
3 C 35

Auch hier stimmen diese Zahlen mit den im vorherigen Excel-Beispiel gezeigten Zahlen überein.

Beachten Sie, dass wir auch nach mehreren Variablen gruppieren können. Beispielsweise könnten wir die Summe der Verkäufe gruppiert nach Region und Gerätetyp ermitteln:

 #find sum of sales by region and device type
df %>%
  group_by (region, device) %>% 
  summarize (sum_sales = sum (sales))

# A tibble: 6 x 3
# Groups: region [3]
  region device sum_sales
          
1AX30
2 AY 21
3 BX22
4 BY 63
5 CX 74
6 CY 66

Zusätzliche Ressourcen

So führen Sie einen VLOOKUP (ähnlich wie Excel) in R durch
Der vollständige Leitfaden: So gruppieren und fassen Sie Daten in R zusammen