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