Der vollständige leitfaden: so gruppieren und fassen sie daten in r zusammen

Zwei der häufigsten Aufgaben, die Sie bei der Datenanalyse ausführen, sind das Gruppieren und Zusammenfassen von Daten.

Glücklicherweise können Sie mit dem dplyr- Paket in R Daten schnell gruppieren und zusammenfassen.

Dieses Tutorial bietet eine Kurzanleitung für den Einstieg in dplyr.

Installieren und laden Sie das dplyr-Paket

Bevor Sie die Funktionen im dplyr-Paket nutzen können, müssen Sie zunächst das Paket laden:

 #install dplyr (if not already installed)
install.packages(' dplyr ')

#load dplyr 
library(dplyr)

Als Nächstes veranschaulichen wir mehrere Beispiele für die Verwendung der dplyr-Funktionen zum Gruppieren und Zusammenfassen von Daten mithilfe des integrierten R-Datensatzes namens mtcars :

 #obtain rows and columns of mtcars
dim(mtcars)

[1] 32 11

#view first six rows of mtcars
head(mtcars)

                   mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1

Die grundlegende Syntax, die wir zum Gruppieren und Zusammenfassen von Daten verwenden werden, ist:

 data %>%
  group_by (col_name) %>%
  summarize (summary_name = summary_function)

Hinweis: Die Funktionen summary() und summary() sind gleichwertig.

Beispiel 1: Ermitteln Sie den Mittelwert und den Median nach Gruppe

Der folgende Code zeigt, wie Maße der zentralen Tendenz nach Gruppe einschließlich Mittelwert und Median berechnet werden:

 #find mean mpg by cylinder
mtcars %>%
  group_by (cyl) %>%
  summarize (mean_mpg = mean(mpg, na.rm = TRUE ))

# A tibble: 3 x 2
    cyl mean_mpg
      
1 4 26.7
2 6 19.7
3 8 15.1

#find median mpg by cylinder
mtcars %>%
  group_by (cyl) %>%
  summarize (median_mpg = median(mpg, na.rm = TRUE ))

# A tibble: 3 x 2
    cyl median_mpg
        
1 4 26  
2 6 19.7
3 8 15.2

Beispiel 2: Ermittlung von Ausbreitungsmaßen nach Gruppe

Der folgende Code zeigt, wie Streuungsmaße nach Gruppe berechnet werden, einschließlich Standardabweichung, Interquartilbereich und absoluter Medianabweichung:

 #find sd, IQR, and mad by cylinder
mtcars %>%
group_by (cyl) %>%
summarize (sd_mpg = sd(mpg, na.rm = TRUE ),
            iqr_mpg = IQR(mpg, na.rm = TRUE ),
            mad_mpg = mad(mpg, na.rm = TRUE ))

# A tibble: 3 x 4
    cyl sd_mpg iqr_mpg mad_mpg
          
1 4 4.51 7.60 6.52
2 6 1.45 2.35 1.93
3 8 2.56 1.85 1.56

Beispiel 3: Nummer nach Gruppe suchen

Der folgende Code zeigt, wie man Nummern und eindeutige Nummern nach Gruppe in R findet:

 #find row count and unique row count by cylinder
mtcars %>%
group_by (cyl) %>%
summarize (count_mpg = n(),
            u_count_mpg = n_distinct(mpg))

# A tibble: 3 x 3
    cyl count_mpg u_count_mpg
              
1 4 11 9
2 6 7 6
3 8 14 12

Beispiel 4: Perzentil nach Gruppe ermitteln

Der folgende Code zeigt, wie man das 90. Perzentil der mpg-Werte nach Zylindergruppe ermittelt:

 #find 90th percentile of mpg for each cylinder group
mtcars %>%
group_by (cyl) %>%
summarize (quant90 = quantile(mpg, probs = .9))

# A tibble: 3 x 2
    cyl quant90
     
1 4 32.4
2 6 21.2
3 8 18.3

Zusätzliche Ressourcen

Die vollständige Dokumentation des dplyr-Pakets sowie hilfreiche Visualisierungs-Spickzettel finden Sie hier .

Zu den weiteren nützlichen Funktionen, die Sie mit group_by() und summary() verwenden können, gehören Funktionen, um die Zeilen des Datenrahmens zu filtern und sie in bestimmten Reihenfolgen anzuordnen .