Jak obliczyć statystyki podsumowujące w r za pomocą dplyr


Możesz użyć poniższej składni, aby obliczyć statystyki podsumowujące dla wszystkich zmiennych numerycznych w ramce danych w R, używając funkcji z pakietu 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 '))

Funkcja podsumowania() pochodzi z pakietu dplyr i służy do obliczania statystyk podsumowujących dla zmiennych.

Funkcja przestawna_longer() pochodzi z pakietu Tidyr i służy do formatowania danych wyjściowych, aby były łatwiejsze do odczytania.

Ta konkretna składnia oblicza następujące statystyki podsumowujące dla każdej zmiennej numerycznej w ramce danych:

  • Minimalna wartość
  • Wartość średnia
  • Średnia wartość
  • Odchylenie standardowe
  • 25 percentyl
  • 75. percentyl
  • Maksymalna wartość

Poniższy przykład pokazuje, jak w praktyce wykorzystać tę funkcję.

Przykład: Oblicz statystyki podsumowujące w R za pomocą dplyr

Załóżmy, że mamy następującą ramkę danych w R, która zawiera informacje o różnych koszykarzach:

 #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

Do obliczenia statystyk podsumowujących dla każdej zmiennej numerycznej w ramce danych możemy zastosować następującą składnię:

 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

  Z wyniku możemy zobaczyć:

  • Minimalna wartość w kolumnie punktów wynosi 12 .
  • Mediana wartości w kolumnie punktów wynosi 21,5 .
  • Średnia wartość w kolumnie punktów wynosi 22,8 .

I tak dalej.

Uwaga : w tym przykładzie użyliśmy funkcji dplyr Through() . Pełną dokumentację tej funkcji można znaleźć tutaj .

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe funkcje za pomocą dplyr:

Jak podsumować dane, ale zachować wszystkie kolumny za pomocą dplyr
Jak podsumować wiele kolumn za pomocą dplyr
Jak obliczyć odchylenie standardowe za pomocą dplyr

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *