Як обчислити підсумкову статистику в r за допомогою dplyr

Ви можете використовувати такий синтаксис для обчислення підсумкової статистики для всіх числових змінних у кадрі даних у R за допомогою функцій у пакеті 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 '))

Функція summarise() походить із пакета dplyr і використовується для обчислення підсумкової статистики для змінних.

Функція pivot_longer() походить із пакету Tidyr і використовується для форматування виводу, щоб полегшити його читання.

Цей конкретний синтаксис обчислює наступну зведену статистику для кожної числової змінної у кадрі даних:

• Мінімальна вартість
• Середнє значення
• Середнє значення
• Стандартне відхилення
• 25 процентиль
• 75-й процентиль
• Максимальне значення

У наступному прикладі показано, як використовувати цю функцію на практиці.

Приклад: обчисліть підсумкову статистику в R за допомогою dplyr

Припустимо, у R є наступний кадр даних, який містить інформацію про різних баскетболістів:

 #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

Ми можемо використовувати наступний синтаксис для обчислення підсумкової статистики для кожної числової змінної у кадрі даних:

 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

  З результату ми бачимо:

• Мінімальне значення в колонці балів – 12 .
• Середнє значення в колонці балів становить 21,5 .
• Середнє значення в колонці балів 22,8 .

І так далі.

Примітка : у цьому прикладі ми використали функцію dplyr cross() . Ви можете знайти повну документацію для цієї функції тут .

Додаткові ресурси

У наступних посібниках пояснюється, як виконувати інші поширені функції за допомогою dplyr:

Як узагальнити дані, але зберегти всі стовпці за допомогою dplyr
Як підсумувати кілька стовпців за допомогою dplyr
Як обчислити стандартне відхилення за допомогою dplyr