group_by的用處將選擇的欄位變量分組，可以單獨使用，但更多的是結合其他函數(select、filter、summaise、mutate)進行計算輸出，通常都是與summarise進行統計的計算，要注意的是進行分組統計時，最好先將欄位的型態、錯誤數值調整好，才不會出來的結果不盡理想。
基本語法
group_by(dataset, 想分組的欄位變量..)
先來創建一個基本的tibble進行演示
# 創建一個tibble存入數值
num_df <- tibble(
number = c(1, 2, -1, 5, 8, 9),
letter = c("a", "b", "c", "a", "c", "a")
)
# 輸出結果
r$> num_df
# A tibble: 6 x 2
number letter
<dbl> <chr>
1 1 a
2 2 b
3 -1 c
4 5 a
5 8 c
6 9 a
先進行基本的分組試試看，沒有設定分組後的計算方式，出來的結果也沒有甚麼變化
# 將letter分組
group_by(num_df, letter)
# 輸出結果
r$> group_by(num_df, letter)
# A tibble: 6 x 2
# Groups: letter [3]
number letter
<dbl> <chr>
1 1 a
2 2 b
3 -1 c
4 5 a
5 8 c
6 9 a
加入通道與summarise計算各個字母對應的平均值，a(1 + 5 + 8) / 3 >> 5，b(2) / 1 >> 2，c(-1 + 8) / 2 >> 3.5
# 將letter分組後計算平均值
num_df <- group_by(num_df, letter) %>%
summarise(
number = mean(number)
)
# 輸出結果
r$> num_df
# A tibble: 3 x 2
letter number
<chr> <dbl>
1 a 5
2 b 2
3 c 3.5
添加filter過濾會有比較特殊的情況要小心使用，分組完成後再進行過濾或者分組與過濾一同進行會產生不同的結果。
# 將letter分組存入變量
num_df_v1 <- group_by(num_df, letter)
# 將分組完成的變量進行篩選
num_df_v1 <- filter(num_df_v1, number < 1)
# 輸出結果
r$> num_df_v1
# A tibble: 1 x 2
# Groups: letter [1]
number letter
<dbl> <chr>
1 -1 c
# 加上pipes直接計算
num_df_v2 <- num_df %>%
group_by(letter) %>%
filter(
number < -1
)
# 輸出結果 >> 數值是空的
r$> num_df_v2
# A tibble: 0 x 2
# Groups: letter [0]
# ... with 2 variables: number <dbl>, letter <chr>
至於配合mutate使用上來說，分開使用或是結合pipes都沒有filter的狀況
# 將letter分組存入變量
num_df_v1 <- group_by(num_df, letter)
# 將分組完成的變量搭配mutate
num_df_v1 <- mutate(num_df_v1, new_number = mean(number))
# 輸出結果
r$> num_df_v1
# A tibble: 6 x 3
# Groups: letter [3]
number letter new_number
<dbl> <chr> <dbl>
1 1 a 5
2 2 b 2
3 -1 c 3.5
4 5 a 5
5 8 c 3.5
6 9 a 5
# 加上pipes直接計算
num_df_v2 <- num_df %>%
group_by(letter) %>%
mutate(new_number = mean(number))
# 輸出結果
r$> num_df_v2
# A tibble: 6 x 3
# Groups: letter [3]
number letter new_number
<dbl> <chr> <dbl>
1 1 a 5
2 2 b 2
3 -1 c 3.5
4 5 a 5
5 8 c 3.5
6 9 a 5
沒有留言:
張貼留言