<\/p>\n
Esistono due modi fondamentali per calcolare le statistiche di riepilogo del gruppo in R:<\/span><\/p>\n Metodo 1: utilizzare tapply() da Base R<\/strong><\/span><\/p>\n Metodo 2: utilizzare group_by() dal pacchetto dplyr<\/strong><\/span><\/p>\n Gli esempi seguenti mostrano come utilizzare ciascun metodo nella pratica.<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione tapply()<\/strong> in R per calcolare le statistiche di riepilogo per gruppo:<\/span><\/p>\n Il codice seguente mostra come utilizzare le funzioni group_by()<\/strong> e summary()<\/strong> nel pacchetto dplyr<\/a> per calcolare le statistiche di riepilogo per gruppo:<\/span><\/p>\n Tieni presente che entrambi i metodi restituiscono esattamente gli stessi risultati.<\/span><\/p>\n Vale la pena notare che l’approccio dplyr sar\u00e0 probabilmente pi\u00f9 veloce per i frame di dati pi\u00f9 grandi, ma entrambi i metodi funzioneranno in modo simile su frame di dati pi\u00f9 piccoli.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre funzioni di raggruppamento comuni in R:<\/span><\/p>\n Come creare una tabella di frequenza per gruppo in R<\/a> Esistono due modi fondamentali per calcolare le statistiche di riepilogo del gruppo in R: Metodo 1: utilizzare tapply() da Base R tapply(df$value_col, df$group_col, summary) Metodo 2: utilizzare group_by() dal pacchetto dplyr library (dplyr) df %>% group_by (group_col) %>% summarize (min = min(value_col), q1 = quantile(value_col, 0.25 ), median = median(value_col), mean = mean(value_col), q3 = […]<\/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 tapply(df$value_col, df$group_col, summary)\n<\/strong><\/pre>\n
library<\/span> (dplyr)\n\ndf %>%\n group_by<\/span> (group_col) %>% \n summarize<\/span> (min = min(value_col),\n q1 = quantile(value_col, 0.25<\/span> ),\n median = median(value_col),\n mean = mean(value_col),\n q3 = quantile(value_col, 0.75<\/span> ),\n max = max(value_col))<\/strong><\/span><\/pre>\n Metodo 1: utilizzare tapply() da Base R<\/strong><\/span><\/h3>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),\n points=c(99, 68, 86, 88, 95, 74, 78, 93),\n assists=c(22, 28, 31, 35, 34, 45, 28, 31),\n rebounds=c(30, 28, 24, 24, 30, 36, 30, 29))\n\n#calculate summary statistics of 'points' grouped by 'team'\n<\/span>tapply(df$points, df$team, summary)\n\n$A\n Min. 1st Qu. Median Mean 3rd Qu. Max. \n 68.00 81.50 87.00 85.25 90.75 99.00 \n\n$B\n Min. 1st Qu. Median Mean 3rd Qu. Max. \n 74.0 77.0 85.5 85.0 93.5 95.0 \n<\/span><\/span><\/strong><\/pre>\n Metodo 2: utilizzare group_by() dal pacchetto dplyr<\/strong><\/span><\/h3>\n
library<\/span> (dplyr)<\/span>\n\n#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),\n points=c(99, 68, 86, 88, 95, 74, 78, 93),\n assists=c(22, 28, 31, 35, 34, 45, 28, 31),\n rebounds=c(30, 28, 24, 24, 30, 36, 30, 29))\n\n#calculate summary statistics of 'points' grouped by 'team'\n<\/span>df %>%\n group_by<\/span> (team) %>% \n summarize<\/span> (min = min(points),\n q1 = quantile(points, 0.25<\/span> ),\n median = median(points),\n mean = mean(points),\n q3 = quantile(points, 0.75<\/span> ),\n max = max(points))\n\n# A tibble: 2 x 7\n team min q1 median mean q3 max\n \n1 A 68 81.5 87 85.2 90.8 99\n2 B 74 77 85.5 85 93.5 95\n<\/span><\/span><\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come calcolare la somma per gruppo in R<\/a>
Come calcolare la media per gruppo in R<\/a>
Come calcolare la somma per gruppo in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"