[英]How to get summary statistics by group
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?
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"
$D
Min. 1st Qu. Median Mean 3rd Qu. Max.
"5.600e+01" "5.975e+01" "6.150e+01" "6.100e+01" "6.300e+01" "6.400e+01"
data.table
data.table
包为这些类型的操作提供了许多有用且快速的工具:
library(data.table)
setDT(df)
> df[, as.list(summary(dt)), by = group]
group Min. 1st Qu. Median Mean 3rd Qu. Max.
1: A 59 59.75 61.0 61 62.25 63
2: B 63 64.25 65.5 66 66.75 71
3: C 66 67.25 68.0 68 68.00 71
4: D 56 59.75 61.5 61 63.00 64
dplyr包可以很好地替代这个问题:
library(dplyr)
df %>%
group_by(group) %>%
summarize(mean = mean(dt),
sum = sum(dt))
获得第一象限和第三象限
df %>%
group_by(group) %>%
summarize(q1 = quantile(dt, 0.25),
q3 = quantile(dt, 0.75))
使用 Hadley Wickham 的 purrr 包非常简单。 使用split
将传递的data_frame
分成组,然后使用map
将summary
函数应用于每个组。
library(purrr)
df %>% split(.$group) %>% map(summary)
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)
看看plyr
包。 具体来说, ddply
ddply(df, .(group), summarise, mean=mean(dt), sum=sum(dt))
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
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。
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
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) )
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
#> # [...]
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
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
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。
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))))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.