如何使用dplyr
從多個變量創建簡單彙總統計信息?使用summarise_each
函數似乎是一條可行的路線,但是,當將多個函數應用於多列時,結果將會是一個難以閱讀的廣泛數據框。dplyr - 多個變量的彙總表
4
A
回答
14
使用dplyr
與tidyr
組合來重塑最終結果。
library(dplyr)
library(tidyr)
df <- tbl_df(mtcars)
df.sum <- df %>%
select(mpg, cyl, vs, am, gear, carb) %>% # select variables to summarise
summarise_each(funs(min = min,
q25 = quantile(., 0.25),
median = median,
q75 = quantile(., 0.75),
max = max,
mean = mean,
sd = sd))
# the result is a wide data frame
> dim(df.sum)
[1] 1 42
# reshape it using tidyr functions
df.stats.tidy <- df.sum %>% gather(stat, val) %>%
separate(stat, into = c("var", "stat"), sep = "_") %>%
spread(stat, val) %>%
select(var, min, q25, median, q75, max, mean, sd) # reorder columns
> print(df.stats.tidy)
var min q25 median q75 max mean sd
1 am 0.0 0.000 0.0 1.0 1.0 0.40625 0.4989909
2 carb 1.0 2.000 2.0 4.0 8.0 2.81250 1.6152000
3 cyl 4.0 4.000 6.0 8.0 8.0 6.18750 1.7859216
4 gear 3.0 3.000 4.0 4.0 5.0 3.68750 0.7378041
5 mpg 10.4 15.425 19.2 22.8 33.9 20.09062 6.0269481
6 vs 0.0 0.000 0.0 1.0 1.0 0.43750 0.5040161
1
您也可以使用data.table
獲得相同的結果。如果你的桌子很大,你可以考慮使用它。
dt <- data.table(mtcars)
cols <- c('mpg', 'cyl', 'vs', 'am', 'gear', 'carb')
functions <- c('min', 'q25', 'median', 'q75', 'max', 'mean', 'sd')
dt.sum <- dt[
,
lapply(
.SD,
function(x) list(
min(x), quantile(x, 0.25), median(x),
quantile(x, 0.75), max(x), mean(x), sd(x)
)
),
.SDcols = cols
]
dt.sum
mpg cyl vs am gear carb
1: 10.4 4 0 0 3 1
2: 15.43 4 0 0 3 2
3: 19.2 6 0 0 4 2
4: 22.8 8 1 1 4 4
5: 33.9 8 1 1 5 8
6: 20.09 6.188 0.4375 0.4062 3.688 2.812
7: 6.027 1.786 0.504 0.499 0.7378 1.615
# transpose and provide meaningful names
dt.sum.t <- as.data.table(t(sum))[]
setnames(dt.sum.t, names(dt.sum.t), functions)
dt.sum.t[, var := cols]
setcolorder(dt.sum.t, c("var", functions))
dt.sum.t
var min q25 median q75 max mean sd
1: mpg 10.4 15.43 19.2 22.8 33.9 20.09 6.027
2: cyl 4 4 6 8 8 6.188 1.786
3: vs 0 0 0 1 1 0.4375 0.504
4: am 0 0 0 1 1 0.4062 0.499
5: gear 3 3 4 4 5 3.688 0.7378
6: carb 1 2 2 4 8 2.812 1.615
3
如果你想創建一個發佈彙總表(不用於進一步的計算),你可能想看看優秀stargazer包。
df <- data.frame(mtcars)
cols <- c('mpg', 'cyl', 'vs', 'am', 'gear', 'carb')
stargazer(
df[, cols], type = "text",
summary.stat = c("min", "p25", "median", "p75", "max", "median", "sd")
)
================================================================
Statistic Min Pctl(25) Median Pctl(75) Max Median St. Dev.
----------------------------------------------------------------
mpg 10.400 15.430 19.200 22.800 33.900 19.200 6.027
cyl 4 4 6 8 8 6 1.786
vs 0 0 0 1 1 0 0.504
am 0 0 0 1 1 0 0.499
gear 3 3 4 4 5 4 0.738
carb 1 2 2 4 8 2 1.615
----------------------------------------------------------------
您可以將類型更改爲'latex'和'html',並將其保存爲文件並指定給出'out'參數的文件。
3
我喜歡paljenczy的想法,在使用dplyr/tidy並在格式化data.frame/tibble之前獲取表格。但是我遇到了健壯性問題:因爲它依賴於解析變量名稱,所以它在名稱中帶有下劃線的列上窒息。試圖在dplyr框架中解決這個問題後,它似乎總是會有些脆弱,因爲它依賴於字符串解析。
所以最後我決定使用psych :: describe()這是一個專門爲此設計的函數。它不會完成任意的功能,但幾乎任何人會真正想要做的。完整的例子下面複製以前的解決方案(結合了一些tidyverse東西描述讓我在尋找確切的tibble):
library(psych)
library(tidyverse)
# Create an extended version with a bunch of stats
d.summary.extended <- mtcars %>%
select(mpg, cyl, vs, am, gear, carb) %>%
psych::describe(quant=c(.25,.75)) %>%
as_tibble() %>%
rownames_to_column() %>%
print()
<OUTPUT>
# A tibble: 6 x 16
rowname vars n mean sd median trimmed mad min max range skew kurtosis se Q0.25 Q0.75
<chr> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 mpg 1 32 20.09062 6.0269481 19.2 19.6961538 5.41149 10.4 33.9 23.5 0.6106550 -0.372766 1.06542396 15.425 22.8
2 cyl 2 32 6.18750 1.7859216 6.0 6.2307692 2.96520 4.0 8.0 4.0 -0.1746119 -1.762120 0.31570933 4.000 8.0
3 vs 3 32 0.43750 0.5040161 0.0 0.4230769 0.00000 0.0 1.0 1.0 0.2402577 -2.001938 0.08909831 0.000 1.0
4 am 4 32 0.40625 0.4989909 0.0 0.3846154 0.00000 0.0 1.0 1.0 0.3640159 -1.924741 0.08820997 0.000 1.0
5 gear 5 32 3.68750 0.7378041 4.0 3.6153846 1.48260 3.0 5.0 2.0 0.5288545 -1.069751 0.13042656 3.000 4.0
6 carb 6 32 2.81250 1.6152000 2.0 2.6538462 1.48260 1.0 8.0 7.0 1.0508738 1.257043 0.28552971 2.000 4.0
</OUTPUT>
# Select stats for comparison with other solutions
d.summary <- d.summary.extended %>%
select(var=rowname, min, q25=Q0.25, median, q75=Q0.75, max, mean, sd) %>%
print()
<OUTPUT>
# A tibble: 6 x 8
var min q25 median q75 max mean sd
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 mpg 10.4 15.425 19.2 22.8 33.9 20.09062 6.0269481
2 cyl 4.0 4.000 6.0 8.0 8.0 6.18750 1.7859216
3 vs 0.0 0.000 0.0 1.0 1.0 0.43750 0.5040161
4 am 0.0 0.000 0.0 1.0 1.0 0.40625 0.4989909
5 gear 3.0 3.000 4.0 4.0 5.0 3.68750 0.7378041
6 carb 1.0 2.000 2.0 4.0 8.0 2.81250 1.6152000
</OUTPUT>
相關問題
- 1. dplyr組由多個變量彙總多個變量
- 2. 對R中所有因變量的彙總統計使用dplyr
- 3. dplyr - 加權彙總數據
- 4. 可以dplyr總結了幾個變量和表格的列表
- 5. TERADATA:跨多個表彙總
- 6. 使用dplyr創建具有多個分類/因子變量的彙總比例表
- 7. 總和()在dplyr和彙總:NA值
- 8. 彙總dplyr中的值 - 崩潰RStudio
- 9. 添加彙總變量
- 10. 由兩個或多個因子變量統計彙總?
- 11. 在R中按日期彙總變量
- 12. SAS Proc-Tabulate生成來自多個變量的彙總統計
- 13. 使用dplyr求和多個變量
- 14. 創建多個級別的彙總表
- 15. 總計2行不同變量dplyr
- 16. 彙總爲String和總結中的R 3.3.0 Dplyr v關聯來彙總值0.5.0
- 17. dplyr值彙總返回不適用
- 18. 你怎麼挑dplyr彙總函數
- 19. dplyr總結多列
- 20. SSRS彙總多個級別和多個彙總
- 21. 彙總表,同時控制一個變量的值?
- 22. Dplyr SELECT_和STARTS_WITH多個值的變量列表部分2
- 23. 有條件地在dplyr中進行彙總/變異
- 24. 合併彙總變量爲一個變量R中
- 25. LINQ多個嵌套表彙總查詢
- 26. 合併多個Excel張入彙總表
- 27. 在r中爲每個變量逐個彙總數據
- 28. 從proc彙總格式化彙總變量
- 29. 使用dplyr和tidyr將R中的多元數據轉換爲彙總表
- 30. SSRS彙總組外的變量
我喜歡這個解決方案在天文愛好者之一,因爲它返回一個data.frame,我可以然後再使用。但不幸的是,我遇到了問題,因爲我的變量名稱中有下劃線,這使得琵琶的單獨步驟變得怪異。我正在查看是否單獨使用最右下劃線的參數,但沒有運氣。任何建議如何概括這個,所以它不會窒息變量與下劃線? – Magnus