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