Wenn wir beispielsweise den folgenden Datensatz in Excel haben, k\u00f6nnen wir eine Pivot-Tabelle verwenden, um den Gesamtumsatz nach Region schnell zusammenzufassen:<\/span> <\/p>\n Das sagt uns:<\/span><\/p>\n Oder wir k\u00f6nnten anhand einer anderen Kennzahl zusammenfassen, beispielsweise dem durchschnittlichen Umsatz nach Region:<\/span> <\/p>\n Es stellt sich heraus, dass wir mit den Funktionen group_by()<\/strong> und summary()<\/strong> aus dem dplyr-<\/a> Paket schnell \u00e4hnliche Pivot-Tabellen in R erstellen k\u00f6nnen.<\/span><\/p>\n Dieses Tutorial enth\u00e4lt mehrere Beispiele daf\u00fcr.<\/span><\/p>\n Erstellen wir zun\u00e4chst denselben Datensatz in R, den wir in den vorherigen Beispielen aus Excel verwendet haben:<\/span><\/p>\n Als n\u00e4chstes laden wir das dplyr-Paket und verwenden die Funktionen group_by()<\/strong> und summary(),<\/strong> um nach Region zu gruppieren und die Summe der Verk\u00e4ufe nach Region zu ermitteln:<\/span><\/p>\n Wir k\u00f6nnen sehen, dass diese Zahlen mit den im Excel-Einf\u00fchrungsbeispiel gezeigten Zahlen \u00fcbereinstimmen.<\/span><\/p>\n Wir k\u00f6nnen auch den durchschnittlichen Umsatz nach Region berechnen:<\/span><\/p>\n Auch hier stimmen diese Zahlen mit den im vorherigen Excel-Beispiel gezeigten Zahlen \u00fcberein.<\/span><\/p>\n Beachten Sie, dass wir auch nach mehreren Variablen gruppieren k\u00f6nnen. Beispielsweise k\u00f6nnten wir die Summe der Verk\u00e4ufe gruppiert nach Region und<\/em> Ger\u00e4tetyp ermitteln:<\/span><\/p>\n So f\u00fchren Sie einen VLOOKUP (\u00e4hnlich wie Excel) in R durch<\/a> In Excel bieten Pivot-Tabellen eine einfache M\u00f6glichkeit, Daten zu gruppieren und zusammenzufassen. Wenn wir beispielsweise den folgenden Datensatz in Excel haben, k\u00f6nnen wir eine Pivot-Tabelle verwenden, um den Gesamtumsatz nach Region schnell zusammenzufassen: Das sagt uns: Region A verzeichnete insgesamt 51 Verk\u00e4ufe Region B verzeichnete insgesamt 85 Verk\u00e4ufe Region C erzielte insgesamt 140 Verk\u00e4ufe Oder […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pivot1.png\")
<\/p>\n\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pivot2.png\")
<\/p>\n Beispiel: PivotTables in R erstellen<\/strong><\/span><\/h3>\n
#create data frame<\/span>\ndf <- data. frame<\/span> (region=c('A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'C'),\n device=c('X', 'X', 'Y', 'X', 'Y', 'Y', 'X', 'X', 'Y', 'Y'),\n sales=c(12, 18, 21, 22, 34, 29, 38, 36, 34, 32))\n\n#view data frame\n<\/span>df\n\n region device sales\n1AX 12\n2AX18\n3 AY 21\n4 BX22\n5 BY 34\n6 BY 29\n7 CX 38\n8CX36\n9 CY 34\n10 CY 32\n<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n<\/span><\/span>\n#find sum of sales by region<\/span>\ndf %>%\n group_by<\/span> (region) %>% \n summarize<\/span> (sum_sales = sum<\/span> (sales))\n\n# A tibble: 3 x 2\n region sum_sales\n \n1 to 51\n2 B 85\n3 C 140<\/strong><\/pre>\n #find average sales by region<\/span>\ndf %>%\n group_by<\/span> (region) %>% \n summarize<\/span> (mean_sales = mean<\/span> (sales))\n\n# A tibble: 3 x 2\n region mean_sales\n \n1 to 17 \n2 B 28.3\n3 C 35<\/strong><\/pre>\n #find sum of sales by region and device type<\/span>\ndf %>%\n group_by<\/span> (region, device) %>% \n summarize<\/span> (sum_sales = sum<\/span> (sales))\n\n# A tibble: 6 x 3\n# Groups: region [3]\n region device sum_sales\n \n1AX30\n2 AY 21\n3 BX22\n4 BY 63\n5 CX 74\n6 CY 66<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Der vollst\u00e4ndige Leitfaden: So gruppieren und fassen Sie Daten in R zusammen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"