dplyr包中的汇总函数n,mean,median等配合summarize和group_by

在之前的文章中，我提到过dplyr中有一个summarize函数。今天我们来说一下，到底可以汇总哪些信息。
dplyr整理数据

一、简介

汇总函数

1. mean(x)取平均数
2. median(x)取中位数
3. min(x)最小数
4. max(x)最大数
5. quantile(x,0.25)四分位数（比数据中25%的要大，但比75%的要小）
6. first(x)取向量x的第一个值
7. last(x)取向量x的最后一个值
8. nth(x,2)去向量的第2个值
9. n() 不需要参数，返回组的大小
   10.n_distinct(x)返回向量x中有多少个独特的值
10. count(x)是n()的增强版

以上很多x都可以换成逻辑值比如说:count(x$某一列 > 10)

例子演示

用的还是上次的flights数据集。

n()举例

直接统计flights数据集的个数

summarise(flights,n())

结果如下：

count举例

例1：统计去往不同目的地的航班个数

# 先筛选出没有取消的航班（即去除NA值）
not_cancelled <- flights %>% filter(!is.na(dep_delay),!is.na(arr_delay))
# 按照dest统计航班的数量
not_cancelled %>% count(dest)

结果如下：

例2：统计不同航班的总里程数

count这个函数如果在加一个wt参数，就可以做sum计算。比如说:
count(x,wt=y)
这就等于按照x进行分组，同时对y进行求和。

not_cancelled %>% count(tailnum,wt=distance)

二、结合group_by函数

summarize函数和group_by结合往往能进行更具有意义的分析。
比如我们想分析不同航班的平均dep_delay：

flights %>% group_by(carrier)%>% summarize(n=n(),meanDepdelay=mean(dep_delay,na.rm = TRUE))