tidyverse|数据分析常规操作-分组汇总(sumamrise+group_by)

 

| 本文首发于 “生信补给站” https://mp.weixin.qq.com/s/tQt0ezYJj3H7x3aWZmKVEQ

 

使用tidyverse进行简单的数据处理:

盘一盘Tidyverse| 筛行选列之select,玩转列操作

盘一盘Tidyverse| 只要你要只要我有-filter 筛选行

Tidyverse|数据列的分分合合,一分多,多合一

Tidyverse| XX_join :多个数据表(文件)之间的各种连接

 

本次介绍变量汇总以及分组汇总

 

一 summarise 汇总

汇总函数 summarize(),可以将数据框折叠成一行 ,多与group_by()结合使用

 

1.1 summarize完成指定变量的汇总

统计均值,标准差,最小值,个数和逻辑值

library(dplyr)
iris %>%
   summarise(mean(Petal.Length), #无命名
   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

常用函数:

  • 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 计数 : n(), n_distinct()

  • Logical 逻辑值的计数和比例 : any(), all()

 

1.2 , summarise_if完成一类变量的汇总

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完成指定变量的汇总

summarise_at配合vars,可以更灵活的筛选符合条件的列,然后进行汇总

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 结合group_by 汇总

group_by() 和 summarize() 的组合构成了使用 dplyr 包时最常用的操作之一:分组摘要

 

2.1 按照Species分组,变量汇总

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
#                                
#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 计数

  • n() :无需参数返回当前分组的大小;

  • sum(!is.na(x)) : 返回非缺失值的梳理;

  • n_distinct(x):返回 唯一值的数量。

 

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
#                              
#1 setosa           50             50                   9
#2 versicolor       50             50                 19
#3 virginica         50             50                 20

除此之外,还可以用dplyr的count函数进行计数:

iris %>%
count(Species)

# A tibble: 3 x 2
# Species       n
#    
#1 setosa       50
#2 versicolor   50
#3 virginica     50

 

2.3 逻辑值的计数和比例

当与数值型函数一同使用时, TRUE 会转换为 1, FALSE 会转换为 0。

这使得 sum() 和 mean() 非常适用于逻辑值: sum(x) 可以找出 x 中 TRUE 的数量, mean(x) 则可以找出比例

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
#                                            
#1 setosa           50             50                   9                   0
#2 versicolor       50             50                 19                   0
#3 virginica         50             50                 20                   1

 

参考资料:

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

书籍:《R数据科学》

 

【觉得不错,右下角点个“在看”,期待您的转发,谢谢!】

 

你可能感兴趣的:(tidyverse|数据分析常规操作-分组汇总(sumamrise+group_by))