R'de dplyr kullanılarak özet istatistikler nasıl hesaplanır

dplyr paketindeki işlevleri kullanarak R’deki bir veri çerçevesindeki tüm sayısal değişkenlerin özet istatistiklerini hesaplamak için aşağıdaki sözdizimini kullanabilirsiniz:

 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 '))

summarise() işlevi dplyr paketinden gelir ve değişkenler için özet istatistikleri hesaplamak için kullanılır.

pivot_longer() işlevi Tidyr paketinden gelir ve okumayı kolaylaştırmak amacıyla çıktıyı biçimlendirmek için kullanılır.

Bu özel sözdizimi, bir veri çerçevesindeki her sayısal değişken için aşağıdaki özet istatistiklerini hesaplar:

• En az değer
• Medyan değer
• Ortalama değer
• Standart sapma
• 25. yüzdelik dilim
• 75. yüzdelik dilim
• Maksimum değer

Aşağıdaki örnekte bu fonksiyonun pratikte nasıl kullanılacağı gösterilmektedir.

Örnek: R’de dplyr kullanarak özet istatistikleri hesaplama

R’de çeşitli basketbol oyuncuları hakkında bilgi içeren aşağıdaki veri çerçevesine sahip olduğumuzu varsayalım:

 #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

Veri çerçevesindeki her sayısal değişkene ilişkin özet istatistikleri hesaplamak için aşağıdaki sözdizimini kullanabiliriz:

 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

  Sonuçtan şunları görebiliriz:

• Puan sütunundaki minimum değer 12’dir .
• Puan sütunundaki medyan değer 21,5’tir .
• Puan sütunundaki ortalama değer 22,8’dir .

Ve benzeri.

Not : Bu örnekte dplyr cross() fonksiyonunu kullandık. Bu işleve ilişkin tüm belgeleri burada bulabilirsiniz.

Ek kaynaklar

Aşağıdaki eğitimlerde dplyr kullanılarak diğer yaygın işlevlerin nasıl gerçekleştirileceği açıklanmaktadır:

Verileri özetleme ancak tüm sütunları dplyr kullanarak tutma
Dplyr kullanarak birden çok sütun nasıl özetlenir
Dplyr kullanılarak standart sapma nasıl hesaplanır?