tidyverse|資料分析常規操作-分組彙總（sumamrise+group_by)
| 本文首發於 “生信補給站” https://mp.weixin.qq.com/s/tQt0ezYJj3H7x3aWZmKVEQ
使用tidyverse進行簡單的資料處理：
盤一盤Tidyverse| 篩行選列之select，玩轉列操作
盤一盤Tidyverse| 只要你要只要我有-filter 篩選行
Tidyverse|資料列的分分合合，一分多，多合一
Tidyverse| XX_join ：多個數據表（檔案）之間的各種連線
本次介紹變數彙總以及分組彙總。
一 summarise 彙總
彙總函式 summarize()，可以將資料框摺疊成一行 ,多與group_by()
1.1 summarize完成指定變數的彙總
統計均值，標準差，最小值，個數和邏輯值
library(dplyr)
iris %>%
summarise(mean(Petal.Length), #無命名
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
常用函式：
-
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 計數 :
n(),n_distinct() -
Logical 邏輯值的計數和比例 :
any(),all()
1.2 , summarise_if完成一類變數的彙總
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完成指定變數的彙總
summarise_at配合vars，可以更靈活的篩選符合條件的列，然後進行彙總
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 結合group_by 彙總
group_by() 和 summarize() 的組合構成了使用 dplyr 包時最常用的操作之一：分組摘要
2.1 按照Species分組，變數彙總
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
# <fct> <dbl> <dbl> <dbl> <dbl> <int>
#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 計數
-
n() ：無需引數返回當前分組的大小；
-
sum(!is.na(x)) ： 返回非缺失值的梳理；
-
n_distinct(x)：返回 唯一值的數量。
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
# <fct> <int> <int> <int>
#1 setosa 50 50 9
#2 versicolor 50 50 19
#3 virginica 50 50 20
除此之外，還可以用dplyr的count函式進行計數：
iris %>%
count(Species)
# A tibble: 3 x 2
# Species n
# <fct> <int>
#1 setosa 50
#2 versicolor 50
#3 virginica 50
2.3 邏輯值的計數和比例
當與數值型函式一同使用時， TRUE 會轉換為 1， FALSE 會轉換為 0。
這使得 sum() 和 mean() 非常適用於邏輯值： sum(x) 可以找出 x 中 TRUE 的數量， mean(x) 則可以找出比例
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
# <fct> <int> <int> <int> <int>
#1 setosa 50 50 9 0
#2 versicolor 50 50 19 0
#3 virginica 50 50 20 1
參考資料：
https://r4ds.had.co.nz/
書籍：《R資料科學》
【覺得不錯，右下角點個“在看”，期待您的轉發，謝謝！】
&n