如何按组获取汇总统计信息

Question

我试图一次获得按分类列分组的 R/S-PLUS 中的多个摘要统计信息。 我发现了几个函数，但它们每次调用都做一个统计，比如aggregate() 。

data <- c(62, 60, 63, 59, 63, 67, 71, 64, 65, 66, 68, 66, 
          71, 67, 68, 68, 56, 62, 60, 61, 63, 64, 63, 59)
grp <- factor(rep(LETTERS[1:4], c(4,6,6,8)))
df <- data.frame(group=grp, dt=data)
mg <- aggregate(df$dt, by=df$group, FUN=mean)    
mg <- aggregate(df$dt, by=df$group, FUN=sum)    

我正在寻找的是在一次调用中获取同一组的多个统计信息，如平均值、最小值、最大值、标准值等，这可行吗？

Answer 1

1. tapply

我会为tapply()投入两分钱。

tapply(df$dt, df$group, summary)

您可以使用所需的特定统计信息编写自定义函数或格式化结果：

tapply(df$dt, df$group,
  function(x) format(summary(x), scientific = TRUE))
$A
       Min.     1st Qu.      Median        Mean     3rd Qu.        Max. 
"5.900e+01" "5.975e+01" "6.100e+01" "6.100e+01" "6.225e+01" "6.300e+01" 

$B
       Min.     1st Qu.      Median        Mean     3rd Qu.        Max. 
"6.300e+01" "6.425e+01" "6.550e+01" "6.600e+01" "6.675e+01" "7.100e+01" 

$C
       Min.     1st Qu.      Median        Mean     3rd Qu.        Max. 
"6.600e+01" "6.725e+01" "6.800e+01" "6.800e+01" "6.800e+01" "7.100e+01" 

$D
       Min.     1st Qu.      Median        Mean     3rd Qu.        Max. 
"5.600e+01" "5.975e+01" "6.150e+01" "6.100e+01" "6.300e+01" "6.400e+01"

2. data.table

data.table包为这些类型的操作提供了许多有用且快速的工具：

library(data.table)
setDT(df)
> df[, as.list(summary(dt)), by = group]
   group Min. 1st Qu. Median Mean 3rd Qu. Max.
1:     A   59   59.75   61.0   61   62.25   63
2:     B   63   64.25   65.5   66   66.75   71
3:     C   66   67.25   68.0   68   68.00   71
4:     D   56   59.75   61.5   61   63.00   64

Answer 2

dplyr包可以很好地替代这个问题：

library(dplyr)

df %>% 
  group_by(group) %>% 
  summarize(mean = mean(dt),
            sum = sum(dt))

获得第一象限和第三象限

df %>% 
  group_by(group) %>% 
  summarize(q1 = quantile(dt, 0.25),
            q3 = quantile(dt, 0.75))

Answer 3

使用 Hadley Wickham 的 purrr 包非常简单。 使用split将传递的data_frame分成组，然后使用map将summary函数应用于每个组。

library(purrr)

df %>% split(.$group) %>% map(summary)

Answer 4

有很多不同的方法可以解决这个问题，但我偏爱在psych包中的describeBy ：

describeBy(df$dt, df$group, mat = TRUE) 

Answer 5

看看plyr包。 具体来说， ddply

ddply(df, .(group), summarise, mean=mean(dt), sum=sum(dt))

Answer 6

经过 5 年的漫长岁月，我确信这个答案不会受到太多关注，但仍然要使所有选项都完整，这是带有data.table的选项

library(data.table)
setDT(df)[ , list(mean_gr = mean(dt), sum_gr = sum(dt)) , by = .(group)]
#   group mean_gr sum_gr
#1:     A      61    244
#2:     B      66    396
#3:     C      68    408
#4:     D      61    488 

Answer 7

psych包有一个很好的分组汇总统计选项：

library(psych)
    
describeBy(dt, group="grp")

产生许多有用的统计数据，包括平均值、中位数、范围、标准差、标准差。

Answer 8

除了describeBy之外， doBy包是另一种选择。 它提供了 SAS PROC Summary 的大部分功能。 详情：http: //www.statmethods.net/stats/descriptives.html

Answer 9

虽然其他一些方法有效，但这与您所做的非常接近，并且仅使用 base r。 如果您知道聚合命令，这可能更直观。

with( df , aggregate( dt , by=list(group) , FUN=summary)  )

Answer 10

不知道为什么没有提出流行的skimr包。 他们的函数skim()旨在替换基本的 R summary()并支持dplyr分组：

library(dplyr)
library(skimr)

starwars %>%
  group_by(gender) %>%
  skim()

#> ── Data Summary ────────────────────────
#>                            Values    
#> Name                       Piped data
#> Number of rows             87        
#> Number of columns          14        
#> _______________________              
#> Column type frequency:               
#>   character                7         
#>   list                     3         
#>   numeric                  3         
#> ________________________             
#> Group variables            gender    
#> 
#> ── Variable type: character ──────────────────────────────────────────────────────
#>    skim_variable gender    n_missing complete_rate   min   max empty n_unique
#>  1 name          feminine          0         1         3    18     0       17
#>  2 name          masculine         0         1         3    21     0       66
#>  3 name          <NA>              0         1         8    14     0        4
#>  4 hair_color    feminine          0         1         4     6     0        6
#>  5 hair_color    masculine         5         0.924     4    13     0        9
#>  6 hair_color    <NA>              0         1         4     7     0        4
#> # [...]
#> 
#> ── Variable type: list ───────────────────────────────────────────────────────────
#>   skim_variable gender    n_missing complete_rate n_unique min_length max_length
#> 1 films         feminine          0             1        9          1          5
#> 2 films         masculine         0             1       24          1          7
#> 3 films         <NA>              0             1        3          1          2
#> 4 vehicles      feminine          0             1        3          0          1
#> 5 vehicles      masculine         0             1        9          0          2
#> 6 vehicles      <NA>              0             1        1          0          0
#> # [...]
#> 
#> ── Variable type: numeric ────────────────────────────────────────────────────────
#>   skim_variable gender    n_missing complete_rate  mean     sd    p0   p25   p50
#> 1 height        feminine          1         0.941 165.   23.6     96 162.  166. 
#> 2 height        masculine         4         0.939 177.   37.6     66 171.  183  
#> 3 height        <NA>              1         0.75  181.    2.89   178 180.  183  
#> # [...]

Answer 11

我还推荐 gtsummary（由 Daniel D. Sjoberg 等人编写）。 您可以使用该包生成发布就绪或演示就绪的表格。 问题中给出的示例的 gtsummary 解决方案是：

library(tidyverse)
library(gtsummary)

data <- c(62, 60, 63, 59, 63, 67, 71, 64, 65, 66, 68, 66, 
          71, 67, 68, 68, 56, 62, 60, 61, 63, 64, 63, 59)
grp <- factor(rep(LETTERS[1:4], c(4,6,6,8)))
df <- data.frame(group=grp, dt=data)


tbl_summary(df, 
            by=group,
            type = all_continuous() ~ "continuous2",
            statistic = all_continuous() ~ c("{mean} ({sd})","{median} ({IQR})", "{min}- {max}"), ) %>% 
  add_stat_label(label = dt ~ c("Mean (SD)","Median (Inter Quant. Range)", "Min- Max"))

然后给你下面的输出

特征	一个，N = 4	B、N = 6	C、N = 6	D、N = 8
dt
平均值（标准差）	61.0 (1.8)	66.0 (2.8)	68.0 (1.7)	61.0 (2.6)
美安 (IQR)	61.0 (2.5)	65.5 (2.5)	68.0 (0.8)	61.5 (3.2)
最小-最大	59.0 - 63.0	63.0 - 71.0	66.0 - 71.0	56.0 - 64.0

您还可以通过执行以下操作将表格导出为 word 文档：

Table1 <-  tbl_summary(df, 
                by=group,
                type = all_continuous() ~ "continuous2",
                statistic = all_continuous() ~ c("{mean} ({sd})","{median} ({IQR})", "{min}- {max}"), ) %>% 
      add_stat_label(label = dt ~ c("Mean (SD)","Median (Inter Quant. Range)", "Min- Max"))

tmp1 <- "~path/name.docx"

Table1 %>% 
  as_flex_table() %>% 
  flextable::save_as_docx(path=tmp1)

您也可以将其用于回归输出。 请参阅包参考手册和包网页以获取更多信息

https://cran.r-project.org/web/packages/gtsummary/index.html https://www.danieldsjoberg.com/gtsummary/index.html

Answer 12

这也可能有效，

spl <- split(mtcars, mtcars$cyl)
list.of.summaries <- lapply(spl, function(x) data.frame(apply(x[,3:6], 2, summary)))
list.of.summaries

Answer 13

首先，这取决于您的 R 版本。如果您已通过 2.11，则可以将聚合门与多个结果函数（摘要、实例或您自己的函数）一起使用。 如果没有，您可以使用贾斯汀的答案。

Answer 14

使用dplyr<\/code>更新（>1.0）版本，您可以使用

iris %>% 
  group_by(Species)  %>% 
  summarise(as_tibble(rbind(summary(Sepal.Length))))