<\/p>\n
Naj\u0142atwiejszym sposobem tworzenia tabel podsumowa\u0144 w R jest u\u017cycie funkcji opisu()<\/strong> i opisuBy()<\/strong> z biblioteki psych<\/strong> .<\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak wykorzysta\u0107 te funkcje w praktyce.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych w R:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 funkcji opisania()<\/strong> , aby utworzy\u0107 tabel\u0119 podsumowuj\u0105c\u0105 dla ka\u017cdej zmiennej w ramce danych:<\/span><\/p>\n Oto jak interpretowa\u0107 ka\u017cd\u0105 warto\u015b\u0107 w wyniku:<\/span><\/p>\n Nale\u017cy zauwa\u017cy\u0107, \u017ce ka\u017cda zmienna oznaczona gwiazdk\u0105 (*) jest zmienn\u0105 kategoryczn\u0105 lub logiczn\u0105, kt\u00f3ra zosta\u0142a przekonwertowana na zmienn\u0105 numeryczn\u0105 z warto\u015bciami reprezentuj\u0105cymi numeryczn\u0105 kolejno\u015b\u0107 warto\u015bci.<\/span><\/p>\n W naszym przyk\u0142adzie zmienna \u201ezesp\u00f3\u0142\u201d zosta\u0142a zamieniona na zmienn\u0105 numeryczn\u0105, zatem nie powinni\u015bmy dos\u0142ownie interpretowa\u0107 odpowiadaj\u0105cych jej statystyk podsumowuj\u0105cych.<\/span><\/p>\n Pami\u0119taj r\u00f3wnie\u017c, \u017ce mo\u017cesz u\u017cy\u0107 argumentu fast=TRUE,<\/strong> aby obliczy\u0107 tylko najpopularniejsze statystyki podsumowuj\u0105ce:<\/span><\/p>\n Mo\u017cemy r\u00f3wnie\u017c zdecydowa\u0107 si\u0119 na obliczanie statystyk podsumowuj\u0105cych tylko dla niekt\u00f3rych zmiennych w ramce danych:<\/span><\/p>\n Poni\u017cszy kod ilustruje spos\u00f3b u\u017cycia funkcji opisBy()<\/strong> do utworzenia tabeli podsumowuj\u0105cej dla ramki danych, pogrupowanej wed\u0142ug zmiennej \u201eteam\u201d:<\/span><\/p>\n Dane wyj\u015bciowe wy\u015bwietlaj\u0105 statystyki podsumowuj\u0105ce dla ka\u017cdego z trzech zespo\u0142\u00f3w w ramce danych.<\/span><\/p>\n Jak obliczy\u0107 podsumowanie pi\u0119ciu liczb w R<\/a> Naj\u0142atwiejszym sposobem tworzenia tabel podsumowa\u0144 w R jest u\u017cycie funkcji opisu() i opisuBy() z biblioteki psych . library (psych) #create summary table describe(df) #create summary table, grouped by a specific variable describeBy(df, group=df$var_name) Poni\u017csze przyk\u0142ady pokazuj\u0105, jak wykorzysta\u0107 te funkcje w praktyce. Przyk\u0142ad 1: Utw\u00f3rz podstawow\u0105 tabel\u0119 podsumowuj\u0105c\u0105 Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych w […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1867","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n library<\/span> (psych)<\/span>\n<\/span><\/span>\n#create summary table\n<\/span>describe(df)\n\n#create summary table, grouped by a specific variable<\/span>\ndescribeBy(df, group=df$var_name)\n<\/strong><\/pre>\n Przyk\u0142ad 1: Utw\u00f3rz podstawow\u0105 tabel\u0119 podsumowuj\u0105c\u0105<\/strong><\/span><\/h3>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'B', 'B', 'C', 'C', 'C'),\n points=c(15, 22, 29, 41, 30, 11, 19),\n rebounds=c(7, 8, 6, 6, 7, 9, 13),\n steals=c(1, 1, 2, 3, 5, 7, 5))\n\n#view data frame\n<\/span>df\n\n team points rebounds steals\n1 to 15 7 1\n2 A 22 8 1\n3 B 29 6 2\n4 B 41 6 3\n5 C 30 7 5\n6 C 11 9 7\n7 C 19 13 5<\/strong><\/pre>\n library<\/span> (psych)<\/span>\n\n<\/span><\/span>#create summary table\n<\/span>describe(df)\n\n vars n mean sd median trimmed mad min max range skew kurtosis\nteam* 1 7 2.14 0.90 2 2.14 1.48 1 3 2 -0.22 -1.90\npoints 2 7 23.86 10.24 22 23.86 10.38 11 41 30 0.33 -1.41\nrebounds 3 7 8.00 2.45 7 8.00 1.48 6 13 7 1.05 -0.38\nsteals 4 7 3.43 2.30 3 3.43 2.97 1 7 6 0.25 -1.73\n se\nteam* 0.34\npoints 3.87\nrebounds 0.93\nsteals 0.87\n<\/strong><\/pre>\n\n
#create smaller summary table\n<\/span>describe(df, fast= TRUE<\/span> )\n\n vars n mean sd min max range se\nteam 1 7 NaN NA Inf -Inf -Inf NA\npoints 2 7 23.86 10.24 11 41 30 3.87\nrebounds 3 7 8.00 2.45 6 13 7 0.93\nsteals 4 7 3.43 2.30 1 7 6 0.87<\/strong><\/pre>\n #create summary table for just 'points' and 'rebounds' columns\n<\/span>describe(df[, c(' points<\/span> ', ' rebounds<\/span> ')], fast= TRUE<\/span> )\n\n vars n mean sd min max range se\npoints 1 7 23.86 10.24 11 41 30 3.87\nrebounds 2 7 8.00 2.45 6 13 7 0.93<\/strong><\/pre>\n Przyk\u0142ad 2: utw\u00f3rz tabel\u0119 podsumowuj\u0105c\u0105 pogrupowan\u0105 wed\u0142ug okre\u015blonej zmiennej<\/strong><\/span><\/h3>\n
#create summary table, grouped by 'team' variable\n<\/span>describeBy(df, group=df$team, fast= TRUE<\/span> )\n\n Descriptive statistics by group \ngroup: A\n vars n mean sd min max range se\nteam 1 2 NaN NA Inf -Inf -Inf NA\npoints 2 2 18.5 4.95 15 22 7 3.5\nrebounds 3 2 7.5 0.71 7 8 1 0.5\nsteals 4 2 1.0 0.00 1 1 0 0.0\n-------------------------------------------------- ---------- \ngroup: B\n vars n mean sd min max range se\nteam 1 2 NaN NA Inf -Inf -Inf NA\npoints 2 2 35.0 8.49 29 41 12 6.0\nrebounds 3 2 6.0 0.00 6 6 0 0.0\nsteals 4 2 2.5 0.71 2 3 1 0.5\n-------------------------------------------------- ---------- \ngroup: C\n vars n mean sd min max range se\nteam 1 3 NaN NA Inf -Inf -Inf NA\npoints 2 3 20.00 9.54 11 30 19 5.51\nrebounds 3 3 9.67 3.06 7 13 6 1.76\nsteals 4 3 5.67 1.15 5 7 2 0.67\n<\/strong><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak obliczy\u0107 \u015bredni\u0105 na grup\u0119 w R<\/a>
Jak obliczy\u0107 sum\u0119 wed\u0142ug grupy w R<\/a>
Jak obliczy\u0107 wariancj\u0119 w R<\/a>
Jak utworzy\u0107 macierz kowariancji w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"