数据整理—dplyr包（summarise系列）

最新推荐文章于 2024-09-16 15:17:36 发布

R语言中文社区

最新推荐文章于 2024-09-16 15:17:36 发布

阅读量1.5w

点赞数 5

640?wx_fmt=png

作者：小橙子

来源：小橙子学数据分析

函数背景

今天讲解的函数是summarise，可以对数据集实现"归纳"、"总结"

类似SQL中的聚合功能

比如相亲的时候，介绍人(媒婆)在介绍对象的时候，往往会介绍对象"年薪"、"身高&体重"、"嗜好"等等，其实这也是一种归纳总结。

summarise则偏向于数据集中的信息，比如最大值、最小值、均值、中位数等等

函数应用

summarise用法：summarise(.data, ...)

summarise往往对分组数据使用，对每个分组数据进行归纳。

比如iris中，对各类花的Sepal.Length，求均值

iris %>% 
  group_by(Species)%>%
  summarise(mean(Sepal.Length))

  Species    `mean(Sepal.Length)`
1 setosa                     5.01
2 versicolor                 5.94
3 virginica                  6.59

summarise主要支持以下几种公式：

mean()、 median()
sd()、 IQR()、 mad()
min()、 max()、 quantile()
first()、 last()、 nth()
n()、 n_distinct()
any()、 all()

以first()、 last()、 nth()举例

# 获取mtcars中,各个cyl的第1个disp、最后1个gear、第2个carb
mtcars %>%
  group_by(cyl) %>%
  summarise(first = first(disp), last = last(gear),nth = nth(carb,2))

    cyl  first  last   nth
1     4   108     4     2
2     6   160     5     4
3     8   360     5     4

针对summarise，还有3个相关的函数：

分别是summarise_all、summarise_at、summarise_if

summarise_all，则会对数据集中的所有变量进行fun(函数)求解

  summarise_all(iris[,-3:-5],c("mean","min"), na.rm = TRUE)
  #获取第3~5行以外，所有列的均值和最小值
  Sepal.Length_mean Sepal.Width_mean Sepal.Length_min Sepal.Width_min
1 5.843333         3.057333              4.3               2

  summarise_all(iris[,-3:-5],funs(Q3 = quantile,med = median), probs = 0.75)
  #获取第3~5行以外，所有列的中位数和3/4分位数
  Sepal.Length_Q3 Sepal.Width_Q3 Sepal.Length_med Sepal.Width_med
1         6.4            3.3              5.8               3

summarise_at，则和“select”相似(具体查看公众号第2篇)，可以通过"at"到具体的变量

iris %>% summarise_at(vars("Sepal.Length":"Petal.Length"), mean, na.rm = TRUE)
iris %>% summarise_at(vars(matches("Length")), mean, na.rm = TRUE)
iris %>% summarise_at(vars(ends_with("Length")), mean, na.rm = TRUE)
iris %>% summarise_at(vars(starts_with("Sepal")), mean, na.rm = TRUE)
iris %>% summarise_at(vars(contains("Sepal")), mean, na.rm = TRUE)
iris %>% summarise_at(vars(one_of("Sepal.Length","Sepal.Width","Sepal.Width2")), mean, na.rm = TRUE)

summarise_if，当变量类型满足的时候，进行summarise总结

iris %>% summarise_if(is.numeric, mean, na.rm = TRUE)

  Sepal.Length Sepal.Width Petal.Length Petal.Width
1     5.843333    3.057333        3.758    1.199333