Cara menghitung statistik ringkasan di r menggunakan dplyr

Anda dapat menggunakan sintaks berikut untuk menghitung statistik ringkasan untuk semua variabel numerik dalam bingkai data di R menggunakan fungsi dalam paket dplyr :

 library (dplyr)
library (tidyr)

df %>% summarise(across(where(is. numeric ), .fns = 
                     list(min = min,
                          median = median,
                          mean = mean,
                          stdev = sd,
                          q25 = ~quantile(., 0.25 ),
                          q75 = ~quantile(., 0.75 ),
                          max = max))) %>%
  pivot_longer(everything(), names_sep=' _ ', names_to=c(' variable ', ' .value '))

Fungsi summarise() berasal dari paket dplyr dan digunakan untuk menghitung ringkasan statistik variabel.

Fungsi pivot_longer() berasal dari paket Tidyr dan digunakan untuk memformat output agar lebih mudah dibaca.

Sintaks khusus ini menghitung ringkasan statistik berikut untuk setiap variabel numerik dalam bingkai data:

• Nilai minimal
• Nilai median
• Nilai rata-rata
• Deviasi standar
• persentil ke-25
• persentil ke-75
• Nilai maksimum

Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya.

Contoh: Hitung ringkasan statistik di R menggunakan dplyr

Misalkan kita memiliki kerangka data berikut di R yang berisi informasi tentang berbagai pemain bola basket:

 #create data frame
df <- data. frame (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),
                 points=c(12, 15, 19, 14, 24, 25, 39, 34),
                 assists=c(6, 8, 8, 9, 12, 6, 8, 10),
                 rebounds=c(9, 9, 8, 10, 8, 4, 3, 3))

#view data frame
df

  team points assists rebounds
1 to 12 6 9
2 A 15 8 9
3 A 19 8 8
4 A 14 9 10
5 B 24 12 8
6 B 25 6 4
7 B 39 8 3
8 B 34 10 3

Kita dapat menggunakan sintaks berikut untuk menghitung statistik ringkasan untuk setiap variabel numerik dalam bingkai data:

 library (dplyr)
library (tidyr)

#calculate summary statistics for each numeric variable in data frame
df %>% summarise(across(where(is. numeric ), .fns = 
                     list(min = min,
                          median = median,
                          mean = mean,
                          stdev = sd,
                          q25 = ~quantile(., 0.25 ),
                          q75 = ~quantile(., 0.75 ),
                          max = max))) %>%
  pivot_longer(everything(), names_sep=' _ ', names_to=c(' variable ', ' .value '))

# A tibble: 3 x 8
  variable min median mean stdev q25 q75 max
             
1 points 12 21.5 22.8 9.74 14.8 27.2 39
2 assists 6 8 8.38 2.00 7.5 9.25 12
3 rebounds 3 8 6.75 2.92 3.75 9 10

  Dari hasilnya kita dapat melihat:

• Nilai minimum pada kolom poin adalah 12 .
• Nilai median pada kolom poin adalah 21.5 .
• Nilai rata-rata pada kolom poin adalah 22,8 .

Dan seterusnya.

Catatan : Dalam contoh ini, kami menggunakan fungsi dplyrcross() . Anda dapat menemukan dokumentasi lengkap untuk fungsi ini di sini .

Sumber daya tambahan

Tutorial berikut menjelaskan cara menjalankan fungsi umum lainnya menggunakan dplyr:

Cara meringkas data tetapi tetap menggunakan semua kolom menggunakan dplyr
Cara meringkas beberapa kolom menggunakan dplyr
Cara menghitung simpangan baku menggunakan dplyr