Come calcolare le statistiche di riepilogo in r utilizzando dplyr
È possibile utilizzare la seguente sintassi per calcolare le statistiche di riepilogo per tutte le variabili numeriche in un frame di dati in R utilizzando le funzioni nel pacchetto 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 '))
La funzione summarise() proviene dal pacchetto dplyr e viene utilizzata per calcolare le statistiche di riepilogo per le variabili.
La funzione pivot_longer() proviene dal pacchetto Tidyr e viene utilizzata per formattare l’output per renderlo più facile da leggere.
Questa particolare sintassi calcola le seguenti statistiche riassuntive per ciascuna variabile numerica in un frame di dati:
- Valore minimo
- Valore medio
- Valore medio
- Deviazione standard
- 25esimo percentile
- 75esimo percentile
- Valore massimo
L’esempio seguente mostra come utilizzare questa funzione nella pratica.
Esempio: calcolare le statistiche di riepilogo in R utilizzando dplyr
Supponiamo di avere il seguente frame di dati in R che contiene informazioni su vari giocatori di 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
Possiamo utilizzare la seguente sintassi per calcolare le statistiche riassuntive per ciascuna variabile numerica nel frame di dati:
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
Dal risultato possiamo vedere:
- Il valore minimo nella colonna dei punti è 12 .
- Il valore medio nella colonna dei punti è 21,5 .
- Il valore medio nella colonna dei punti è 22,8 .
E così via.
Nota : in questo 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 riepilogare i dati mantenendo tutte le colonne utilizzando dplyr
Come riepilogare più colonne utilizzando dplyr
Come calcolare la deviazione standard utilizzando dplyr