tidyverse|數據分析常規操作-分組匯總(sumamrise+group_by)

 

| 本文首發于 “生信補給站” https://mp.weixin.qq.com/s/tQt0ezYJj3H7x3aWZmKVEQ

 

使用tidyverse進行簡單的數據處理:

盤一盤Tidyverse| 篩行選列之select,玩轉列操作

盤一盤Tidyverse| 只要你要只要我有-filter 篩選行

Tidyverse|數據列的分分合合,一分多,多合一

Tidyverse| XX_join :多個數據表(文件)之間的各種連接

 

本次介紹變量匯總以及分組匯總

 

一 summarise 匯總

匯總函數 summarize(),可以將數據框折疊成一行 ,多與group_by()結合使用

 

1.1 summarize完成指定變量的匯總

統計均值,標準差,最小值,個數和邏輯值

library(dplyr)
iris %>%
   summarise(mean(Petal.Length), #無命名
   sd_pet_len = sd(Petal.Length,na.rm = TRUE), #命名
             min_pet_len = min(Petal.Length),
             n = n(),
            any(Sepal.Length > 5))
?
# mean(Petal.Length) sd_pet_len min_pet_len   n any(Sepal.Length > 5)
#1             3.758   1.765298           1 150                 TRUE
?

常用函數:

  • Center 位置度量 : mean(), median()

  • Spread 分散程度度量 : sd(), IQR(), mad()

  • Range 秩的度量 : min(), max(), quantile()

  • Position 定位度量 : first(), last(), nth(),

  • Count 計數 : n(), n_distinct()

  • Logical 邏輯值的計數和比例 : any(), all()

 

1.2 , summarise_if完成一類變量的匯總

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

 

1.3,summarise_at完成指定變量的匯總

summarise_at配合vars,可以更靈活的篩選符合條件的列,然后進行匯總

iris %>%
summarise_at(vars(ends_with("Length"),Petal.Width),
list(~mean(.), ~median(.)))
?
# Sepal.Length_mean Petal.Length_mean Petal.Width_mean Sepal.Length_median Petal.Length_median
#1         5.843333             3.758         1.199333                 5.8               4.35
# Petal.Width_median
#1               1.3
?

1593878034794

 

二 結合group_by 匯總

group_by() 和 summarize() 的組合構成了使用 dplyr 包時最常用的操作之一:分組摘要

 

2.1 按照Species分組,變量匯總

iris %>%
group_by(Species) %>%
   summarise(avg_pet_len = mean(Petal.Length),
   sd_pet_len = sd(Petal.Length),
             min_pet_len = min(Petal.Length),
             first_pet_len = first(Petal.Length),
            n_pet_len = n())
?
# A tibble: 3 x 6
# Species   avg_pet_len sd_pet_len min_pet_len first_pet_len n_pet_len
# <fct>           <dbl>     <dbl>       <dbl>         <dbl>     <int>
#1 setosa           1.46     0.174         1             1.4       50
#2 versicolor       4.26     0.470         3             4.7       50
#3 virginica         5.55     0.552         4.5           6         50
?

 

2.2 計數

  • n() :無需參數返回當前分組的大小;

  • sum(!is.na(x)) : 返回非缺失值的梳理;

  • n_distinct(x):返回 唯一值的數量。

 

iris %>%
group_by(Species) %>%
   summarise( n_pet_len = n(),
             noNA_n_pet_len =  sum(!is.na(Petal.Length)),
       Petal.Length_uniq_n = n_distinct(Petal.Length)
  )
# A tibble: 3 x 4
# Species   n_pet_len noNA_n_pet_len Petal.Length_uniq_n
# <fct>         <int>         <int>               <int>
#1 setosa           50             50                   9
#2 versicolor       50             50                 19
#3 virginica         50             50                 20
?

除此之外,還可以用dplyr的count函數進行計數:

iris %>%
count(Species)
?
# A tibble: 3 x 2
# Species       n
# <fct>     <int>
#1 setosa       50
#2 versicolor   50
#3 virginica     50
?

 

2.3 邏輯值的計數和比例

當與數值型函數一同使用時, TRUE 會轉換為 1, FALSE 會轉換為 0。

這使得 sum() 和 mean() 非常適用于邏輯值: sum(x) 可以找出 x 中 TRUE 的數量, mean(x) 則可以找出比例

iris %>%
group_by(Species) %>%
   summarise( n_pet_len = n(),
             noNA_n_pet_len =  sum(!is.na(Petal.Length)),
       Petal.Length_uniq_n = n_distinct(Petal.Length),
             Petal.Length_uniq_n2 = sum(n_distinct(Petal.Length) >= 20)
  )
?
# A tibble: 3 x 5
# Species   n_pet_len noNA_n_pet_len Petal.Length_uniq_n Petal.Length_uniq_n2
# <fct>         <int>         <int>               <int>               <int>
#1 setosa           50             50                   9                   0
#2 versicolor       50             50                 19                   0
#3 virginica         50             50                 20                   1
?

 

參考資料:

https://r4ds.had.co.nz/

書籍:《R數據科學》

 

【覺得不錯,右下角點個“在看”,期待您的轉發,謝謝!】

 

posted on 2020-07-06 22:58  生信補給站  閱讀(...)  評論(...編輯  收藏

導航

色网站直播