Как рассчитать сводную статистику в r с помощью dplyr

Вы можете использовать следующий синтаксис для расчета сводной статистики для всех числовых переменных во фрейме данных в R с помощью функций пакета 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 '))

Функция summarise() входит в пакет dplyr и используется для расчета сводной статистики для переменных.

Функция Pivot_longer() взята из пакета Tidyr и используется для форматирования вывода, чтобы его было легче читать.

Этот конкретный синтаксис вычисляет следующую сводную статистику для каждой числовой переменной в кадре данных:

• Минимальное значение
• Медианное значение
• Средняя стоимость
• Среднеквадратичное отклонение
• 25-й процентиль
• 75-й процентиль
• Максимальное значение

В следующем примере показано, как использовать эту функцию на практике.

Пример. Вычисление сводной статистики в R с помощью dplyr

Предположим, у нас есть следующий кадр данных в R, содержащий информацию о различных баскетболистах:

 #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

Мы можем использовать следующий синтаксис для расчета сводной статистики для каждой числовой переменной во фрейме данных:

 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

  По результату мы видим:

• Минимальное значение в столбце баллов — 12 .
• Медианное значение в столбце баллов — 21,5 .
• Среднее значение в столбце баллов — 22,8 .

И так далее.

Примечание . В этом примере мы использовали функцию dplyrthrough() . Полную документацию по этой функции вы можете найти здесь .

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные функции с помощью dplyr:

Как суммировать данные, но сохранить все столбцы, используя dplyr
Как суммировать несколько столбцов с помощью dplyr
Как рассчитать стандартное отклонение с помощью dplyr