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