วิธีการคำนวณสถิติสรุปใน r โดยใช้ dplyr

คุณสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อคำนวณสถิติสรุปสำหรับตัวแปรตัวเลขทั้งหมดในกรอบข้อมูลใน R โดยใช้ฟังก์ชันในแพ็คเกจ 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 '))

ฟังก์ชัน summarise() มาจากแพ็คเกจ dplyr และใช้ในการคำนวณสถิติสรุปสำหรับตัวแปร

ฟังก์ชัน pivot_longer() มาจากแพ็คเกจ Tidyr และใช้เพื่อจัดรูปแบบเอาต์พุตเพื่อให้อ่านง่ายขึ้น

ไวยากรณ์เฉพาะนี้จะคำนวณสถิติสรุปต่อไปนี้สำหรับตัวแปรตัวเลขแต่ละตัวในกรอบข้อมูล:

• ค่าต่ำสุด
• ค่ามัธยฐาน
• ค่าเฉลี่ย
• ส่วนเบี่ยงเบนมาตรฐาน
• เปอร์เซ็นไทล์ที่ 25
• เปอร์เซ็นไทล์ที่ 75
• ค่าสูงสุด

ตัวอย่างต่อไปนี้แสดงวิธีใช้ฟังก์ชันนี้ในทางปฏิบัติ

ตัวอย่าง: คำนวณสถิติสรุปใน R โดยใช้ dplyr

สมมติว่าเรามีกรอบข้อมูลต่อไปนี้ใน R ซึ่งมีข้อมูลเกี่ยวกับผู้เล่นบาสเกตบอลต่างๆ:

 #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

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อคำนวณสถิติสรุปสำหรับตัวแปรตัวเลขแต่ละตัวในกรอบข้อมูล:

 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

  จากผลลัพธ์เราจะเห็นได้ว่า:

• ค่าต่ำสุดในคอลัมน์คะแนนคือ 12
• ค่ามัธยฐานในคอลัมน์คะแนนคือ 21.5
• ค่าเฉลี่ยในคอลัมน์คะแนนคือ 22.8

และอื่นๆ

หมายเหตุ : ในตัวอย่างนี้ เราใช้ฟังก์ชัน dplyr across() คุณสามารถค้นหาเอกสารฉบับเต็มสำหรับฟังก์ชันนี้ ได้ที่นี่

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีการใช้งานฟังก์ชันทั่วไปอื่นๆ โดยใช้ dplyr:

วิธีสรุปข้อมูลแต่เก็บทุกคอลัมน์โดยใช้ dplyr
วิธีสรุปหลายคอลัมน์โดยใช้ dplyr
วิธีการคำนวณค่าเบี่ยงเบนมาตรฐานโดยใช้ dplyr