Come riepilogare più colonne utilizzando dplyr


È possibile utilizzare i seguenti metodi per riepilogare più colonne in un frame di dati utilizzando dplyr:

Metodo 1: riepilogare tutte le colonne

 #summarize mean of all columns
df %>%
  group_by(group_var) %>%
  summarise(across(everything(), mean, na. rm = TRUE ))

Metodo 2: riepilogare colonne specifiche

 #summarize mean of col1 and col2 only
df %>%
  group_by(group_var) %>%
  summarise(across(c(col1, col2), mean, na. rm = TRUE ))

Metodo 3: riepilogare tutte le colonne numeriche

 #summarize mean and standard deviation of all numeric columns
df %>%
  group_by(group_var) %>%
  summarise(across(where(is. numeric ), list(mean=mean, sd=sd), na. rm = TRUE ))

Gli esempi seguenti mostrano come utilizzare ciascun metodo con il seguente frame di dati:

 #create data frame
df <- data. frame (team=c('A', 'A', 'A', 'B', 'B', 'B'),
                 points=c(99, 90, 86, 88, 95, 90),
                 assists=c(33, 28, 31, 39, 34, 25),
                 rebounds=c(NA, 28, 24, 24, 28, 19))

#view data frame
df

  team points assists rebounds
1 A 99 33 NA
2 A 90 28 28
3 A 86 31 24
4 B 88 39 24
5 B 95 34 28
6 B 90 25 19

Esempio 1: riepilogare tutte le colonne

Il codice seguente mostra come riepilogare la media di tutte le colonne:

 library (dplyr)

#summarize mean of all columns, grouped by team
df %>%
  group_by(team) %>%
  summarise(across(everything(), mean, na. rm = TRUE ))

# A tibble: 2 x 4
  team points assists rebounds
           
1 A 91.7 30.7 26  
2 B 91 32.7 23.7

Esempio 2: riepilogare colonne specifiche

Il codice seguente mostra come riassumere la media solo delle colonne punti e rimbalzi :

 library (dplyr)

#summarize mean of points and rebounds, grouped by team
df %>%
  group_by(team) %>%
  summarise(across(c(points, rebounds), mean, na. rm = TRUE ))

# A tibble: 2 x 3
  team points rebounds
        
1 A 91.7 26  
2 B 91 23.7

Esempio 3: riepilogare tutte le colonne numeriche

Il codice seguente mostra come riepilogare la media e la deviazione standard di tutte le colonne numeriche nel frame di dati:

 library (dplyr)

#summarize mean and standard deviation of all numeric columns
df %>%
  group_by(team) %>%
  summarise(across(where(is. numeric ), list(mean=mean, sd=sd), na. rm = TRUE ))

# A tibble: 2 x 7
  team points_mean points_sd assists_mean assists_sd rebounds_mean rebounds_sd
                                            
1 A 91.7 6.66 30.7 2.52 26 2.83
2 B 91 3.61 32.7 7.09 23.7 4.51

L’output mostra la media e la deviazione standard di tutte le variabili numeriche nel frame dati.

Tieni presente che in questo esempio abbiamo utilizzato la funzione list() per elencare diverse statistiche riassuntive che volevamo calcolare.

Nota : in ogni esempio abbiamo utilizzato la funzione dplyr across() . Puoi trovare la documentazione completa per questa funzione qui .

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre funzioni comuni utilizzando dplyr:

Come eliminare righe utilizzando dplyr
Come organizzare le righe utilizzando dplyr
Come filtrare in base a più condizioni utilizzando dplyr

Aggiungi un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *