R Packages dplyr - summarise | R包dplyr - summarise

 

summarise函數基本上都是與group_by一同使用，輸出的項目除了字符無法進行統計外，數字、浮點數、因子都可以進行統計，統計輸出的項目基本有以下六種

Min.        >> 欄位值範圍的最小值

1st Qu.    >> 第一四分位數

Median    >> 中位數

Mean       >> 平均數

3rd Qu    >> 第三四分衛數

Max.       >> 欄位值範圍的最大值

若是沒有透過group_by分組，想單純整個數據集進行統計，也有`summary()`函數可以使用，輸出的項目也是一樣以上六種，對於summarise的異變函數也有`summarise_all()`等等，以下挑出幾個逐步的介紹

summarise基本語法

group_by() %>%

    summarise(欄位變量)

summary基本語法

summary(dataset) or summarise(dataset$欄位變量)

輔助函數

中心計算函數 : `mean()`、`median()`..

統計函數 : `sd()`、`mad()`..

範圍計算 : `min()`、`max()`、`quantile()`..

計數函數 : `n()`..

首先來創建一個包含浮點數、整數、字符與因子的數據框

# 創建數據框

summarise_df_1 <- tibble(

    number = as.integer(c(1, 2, -3, 4, -5, 1, 1, -5, 7)),

    float = as.numeric(c(1.1, 2.6, 5.8, 3.9, 55.77, 82.34, 99.1, 23.6, 45.4)),

    letter = c("ap", "ef", "tg", "hk", "bu", "xi", "ux", "it", NA),

    weekday = c("Sunday", "Wednesday", "Monday", "Friday", "Saturday",

                "Tuesday", "Thursday", "Sunday", "Wednesday"),

    factor = as.factor(c("a", "b", "c", "a", "c", "a", "d", "k", "e"))

    )

先使用summary進行整個數據集彙整，可以看到除了字符外，都直接進行彙整輸出，因子的部分則是進行各個值的分組統計數量

# summary彙整

summary(summarise_df_1)

# 輸出結果

r$> summary(summarise_df_1) number float letter weekday factor Min. :-5.0000 Min. : 1.10 Length:9 Length:9 a:3 1st Qu.:-3.0000 1st Qu.: 3.90 Class :character Class :character b:1 Median : 1.0000 Median :23.60 Mode :character Mode :character c:2 Mean : 0.3333 Mean :35.51 d:1 3rd Qu.: 2.0000 3rd Qu.:55.77 e:1 Max. : 7.0000 Max. :99.10 k:1

接下來將weekday進行分組，看對應值的最大值與平均值彙整情況

summarise_weekday <- summarise_df_1 %>%

    group_by(weekday) %>%

    summarise(

        number = mean(number),

        float = max(float)

        )

# 輸出結果

r$> summarise_weekday # A tibble: 7 x 3 weekday number float <chr> <dbl> <dbl> 1 Friday 4 3.9 2 Monday -3 5.8 3 Saturday -5 55.8 4 Sunday -2 23.6 5 Thursday 1 99.1 6 Tuesday 1 82.3 7 Wednesday 4.5 45.4

再來將因子欄位分組後觀察對應值的標準差與計數數量，可以看到使用n()後自動將weekday欄位的值進行統計數量後輸出

summarise_weekday <- summarise_df_1 %>%

    group_by(factor) %>%

    summarise(

        float = sd(float),

        total = n()

        )

# 輸出結果

r$> summarise_weekday # A tibble: 7 x 3 weekday float total <chr> <dbl> <int> 1 Friday NA 1 2 Monday NA 1 3 Saturday NA 1 4 Sunday 15.9 2 5 Thursday NA 1 6 Tuesday NA 1 7 Wednesday 30.3 2

倘若分組變量不只一個如何計算?可以看到輸出結果只計算唯一對應值的總額計數

summarise_weekday <- summarise_df_1 %>%

    group_by(factor, letter) %>%

    summarise(

        total = n()

        )

# 輸出結果

r$> summarise_weekday # A tibble: 9 x 3 # Groups: factor [6] factor letter total <fct> <chr> <int> 1 a ap 1 2 a hk 1 3 a xi 1 4 b ef 1 5 c bu 1 6 c tg 1 7 d ux 1 8 e NA 1 9 k it 1

最後如果整份數據集需要的是分組後進行一樣的統計方式，則可以使用summarise_all函數進行統計，須注意的是summarise_all只統計數值，若是分組完尚有不是數值的欄位，輸出的值會變成NA

# 分組完對所有欄位進行平均值的計算

summarise_weekday <- summarise_df_1 %>%

    group_by(weekday) %>%

    summarise_all(mean)

# 輸出結果

r$> summarise_weekday # A tibble: 7 x 5 weekday number float letter factor <chr> <dbl> <dbl> <dbl> <dbl> 1 Friday 4 3.9 NA NA 2 Monday -3 5.8 NA NA 3 Saturday -5 55.8 NA NA 4 Sunday -2 12.4 NA NA 5 Thursday 1 99.1 NA NA 6 Tuesday 1 82.3 NA NA 7 Wednesday 4.5 24 NA NA

可以擴大分組，或是在統計前將不是數值的欄位移除

# 統計前移除不需要的欄位

summarise_weekday <- summarise_df_1 %>%

    group_by(weekday) %>%

    select(-c("letter", "factor")) %>%

    summarise_all(mean)

# 輸出結果

r$> summarise_weekday # A tibble: 7 x 3 weekday number float <chr> <dbl> <dbl> 1 Friday 4 3.9 2 Monday -3 5.8 3 Saturday -5 55.8 4 Sunday -2 12.4 5 Thursday 1 99.1 6 Tuesday 1 82.3 7 Wednesday 4.5 24