Als we bijvoorbeeld de volgende gegevensset in Excel hebben, kunnen we een draaitabel gebruiken om de totale omzet snel per regio samen te vatten:<\/span> <\/p>\n Dit vertelt ons:<\/span><\/p>\n Of we kunnen het samenvatten met een andere maatstaf, zoals de gemiddelde verkoop per regio:<\/span> <\/p>\n Het blijkt dat we snel soortgelijke draaitabellen in R kunnen maken met behulp van de functies group_by()<\/strong> en summary()<\/strong> uit het dplyr-<\/a> pakket.<\/span><\/p>\n In deze zelfstudie vindt u verschillende voorbeelden van hoe u dit kunt doen.<\/span><\/p>\n Laten we eerst dezelfde gegevensset in R maken die we in de vorige voorbeelden uit Excel hebben gebruikt:<\/span><\/p>\n Laten we vervolgens het dplyr-pakket laden en de functies group_by()<\/strong> en summary()<\/strong> gebruiken om te groeperen op regio en de som van de verkopen per regio te vinden:<\/span><\/p>\n We kunnen zien dat deze cijfers overeenkomen met de cijfers die worden weergegeven in het inleidende voorbeeld van Excel.<\/span><\/p>\n We kunnen ook de gemiddelde omzet per regio berekenen:<\/span><\/p>\n Nogmaals, deze getallen komen overeen met de getallen in het vorige Excel-voorbeeld.<\/span><\/p>\n Merk op dat we ook op meerdere variabelen kunnen groeperen. We kunnen bijvoorbeeld de som van de verkopen vinden, gegroepeerd op regio en<\/em> apparaattype:<\/span><\/p>\n Een VERT.ZOEKEN doen (vergelijkbaar met Excel) in R<\/a> In Excel bieden draaitabellen een eenvoudige manier om gegevens te groeperen en samen te vatten. Als we bijvoorbeeld de volgende gegevensset in Excel hebben, kunnen we een draaitabel gebruiken om de totale omzet snel per regio samen te vatten: Dit vertelt ons: Regio A had in totaal 51 verkopen Regio B had in totaal 85 […]<\/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":[],"class_list":["post-1443","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pivot1.png\")
<\/p>\n\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pivot2.png\")
<\/p>\n Voorbeeld: Draaitabellen maken in R<\/strong><\/span><\/h3>\n
#create data frame<\/span>\ndf <- data. frame<\/span> (region=c('A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'C'),\n device=c('X', 'X', 'Y', 'X', 'Y', 'Y', 'X', 'X', 'Y', 'Y'),\n sales=c(12, 18, 21, 22, 34, 29, 38, 36, 34, 32))\n\n#view data frame\n<\/span>df\n\n region device sales\n1AX 12\n2AX18\n3 AY 21\n4 BX22\n5 BY 34\n6 BY 29\n7 CX 38\n8CX36\n9 CY 34\n10 CY 32\n<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n<\/span><\/span>\n#find sum of sales by region<\/span>\ndf %>%\n group_by<\/span> (region) %>% \n summarize<\/span> (sum_sales = sum<\/span> (sales))\n\n# A tibble: 3 x 2\n region sum_sales\n \n1 to 51\n2 B 85\n3 C 140<\/strong><\/pre>\n #find average sales by region<\/span>\ndf %>%\n group_by<\/span> (region) %>% \n summarize<\/span> (mean_sales = mean<\/span> (sales))\n\n# A tibble: 3 x 2\n region mean_sales\n \n1 to 17 \n2 B 28.3\n3 C 35<\/strong><\/pre>\n #find sum of sales by region and device type<\/span>\ndf %>%\n group_by<\/span> (region, device) %>% \n summarize<\/span> (sum_sales = sum<\/span> (sales))\n\n# A tibble: 6 x 3\n# Groups: region [3]\n region device sum_sales\n \n1AX30\n2 AY 21\n3 BX22\n4 BY 63\n5 CX 74\n6 CY 66<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
De complete gids: gegevens groeperen en samenvatten in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"