如何查找 R 数据框的分组汇总统计信息？

查找数据框的分组汇总统计信息对于理解我们的数据框非常有用。摘要包括统计数据：给定数据帧的平均值、中值、最小值、最大值和四分位数。可以在单个列或变量或整个数据帧上计算摘要。在本文中，我们将了解如何在 R 编程语言中查找数据帧的分组汇总统计信息。

R语言导入数据

在下面的代码中，我们使用了一个内置数据集：鸢尾花数据集。然后我们可以使用head()或tail()函数检查我们的数据集，该函数将打印数据帧的顶部和底部。在下面的代码中，我们显示了示例数据帧的前 10 行。

R

# import data
df <- iris
  
# inspecting the dataset
head(df, 10)

输出：

单个变量或列的摘要

我们的数据帧存储在“ df ”变量中。我们要打印摘要 列：萼片.长度。因此，我们将“df$Sepal.length”作为参数传递给 summary()函数。  

Syntax: summary(dataframe$column_name)

总结（） 函数接受一个数据框列并返回：

• 中心趋势->均值和中位数，
• 四分位距-> 25th 和 75th 四分位数，
• 该单列的范围- >最小值和最大值。

示例 1：

电阻

df <- iris
summary(df$Sepal.Length)

输出：

示例 2：我们还可以将“ digits ”作为参数传递，该参数指定我们要更正输出值的小数位数

Syntax: summary(dataframe$column_name , digits=number_of_decimal_places)

电阻

df <- iris
summary(df$Sepal.Width, digits = 3)

输出：

整个数据框的摘要

在下面的代码中，我们将整个数据帧作为参数传递给了summary()函数，因此它计算了一个 整个数据框的摘要（所有列或变量）

Syntax: summary(dataframe_name)

电阻

df <- iris
summary(df)

输出：

数据的分组汇总

为了更好地理解 R 中的 Dataframe，建议参考 R – Data Frames 文章。

让我们首先创建一个示例数据框：

电阻

df <- data.frame(
  Weekday = factor(rep(c("Mon", "Tues", "Wed",
                         "Thurs", "Fri"), each = 4), 
                     
                levels = c("Mon", "Tues", "Wed", 
                           "Thurs", "Fri")),
    
  Quarter = paste0("Q", rep(1:4, each = 5)), 
    
  Delay = c(9.9, 5.4, 8.8, 6.9, 4.9, 9.7, 7.9, 5, 8.8,
            11.1, 10.2, 9.3, 12.2, 10.2, 9.2, 9.7, 12.2,
            8.1, 7.9, 5.6))
  
df

输出：

总结单变量的分组数据

我们的数据框由 3 个变量组成： Week-day 、 Quarter和Delay 。我们将要总结的变量是Delay ，在这个过程中， Quarter变量将被折叠。

在下面的代码中，我们将使用 dplyr 包。 R 中的 dplyr 包是一种数据操作结构，它提供了一组统一的动词，有助于解决最常见的数据操作障碍。我们将进行一场 使用GROUP_BY（）函数，并使用总结（）函数的摘要操作分组操作。然后我们将计算 2 个统计汇总：最大延迟时间和最小延迟时间。

Syntax: group_by(variable_name)

电阻

library(dplyr)
df <- data.frame(
  Weekday = factor(rep(c("Mon", "Tues", "Wed", "Thurs",
                         "Fri"), each = 4), 
                     
                levels = c("Mon", "Tues", "Wed", "Thurs",
                           "Fri")),
    
  Quarter = paste0("Q", rep(1:4, each = 5)), 
  Delay = c(9.9, 5.4, 8.8, 6.9, 4.9, 9.7, 7.9, 5, 8.8,
            11.1, 10.2, 9.3, 12.2, 10.2, 9.2, 9.7, 12.2,
            8.1, 7.9, 5.6))
  
  
df %>% 
  group_by(Weekday) %>% 
  summarize(min_delay = min(Delay), max_delay = max(Delay))

输出：

汇总多变量的分组数据

让我们创建另一个示例数据框 -> df2：

电阻

# sample dataframe
df2 <- data.frame(
  Quarter = paste0("Q", rep(1:4, each = 4)), 
  Week = rep(c("Weekday", "Weekend"), each=2, times=4),
  Direction = rep(c("Inbound", "Outbound"), times=8),
  Delay = c(10.8, 9.7, 15.5, 10.4, 11.8, 8.9, 5.5, 
            3.3, 10.6, 8.8, 6.6, 5.2, 9.1, 7.3, 5.3, 4.4))
  
df2

输出：

按组汇总数据：

在 在这种情况下，我们的数据框有 4 个变量： Quarter, Week, Direction, Delay 。在下面的代码中，我们按照Quarter和Week进行了分组汇总，在这个过程中，变量Direction被折叠了。

Syntax: group_by(variable_name1,variable_name2 )

电阻

library(dplyr)
  
# sample dataframe
df2 <- data.frame(
  Quarter = paste0("Q", rep(1:4, each = 4)), 
  Week = rep(c("Weekday", "Weekend"), each=2, times=4),
  Direction = rep(c("Inbound", "Outbound"), times=8),
  Delay = c(10.8, 9.7, 15.5, 10.4, 11.8, 8.9, 5.5, 
            3.3, 10.6, 8.8, 6.6, 5.2, 9.1, 7.3, 5.3, 4.4))
  
# summarizing by group
df2 %>% 
  group_by(Quarter, Week) %>% 
  summarize(min_delay = min(Delay), max_delay = max(Delay))

输出：