时间戳

首页 > 解决方案 > 使用R&dplyr总结——group_by、count、mean、sd

r - 使用R&dplyr总结——group_by、count、mean、sd

问题描述

美好的一天和问候！这是我在 Stack Overflow 上的第一篇文章。我对 R 甚至更新的 dplyr 都很陌生。我有一个由 2 列组成的小型数据集 - var1 和 var2。var1 列由 num 个值组成。var2 列包含 3 个级别的因子 - A、B 和 C。

        var1 var2
1  1.4395244    A
2  1.7698225    A
3  3.5587083    A
4  2.0705084    A
5  2.1292877    A
6  3.7150650    B
7  2.4609162    B
8  0.7349388    B
9  1.3131471    B
10 1.5543380    B
11 3.2240818    C
12 2.3598138    C
13 2.4007715    C
14 2.1106827    C
15 1.4441589    C

'data.frame':   15 obs. of  2 variables:
 $ var1: num  1.44 1.77 3.56 2.07 2.13 ...
 $ var2: Factor w/ 3 levels "A","B","C": 1 1 1 1 1 2 2 2 2 2 ...

我正在尝试使用 dplyr 对 group_by var2（A、B 和 C）进行计数，然后按平均值和 sd 汇总 var1。计数有效，但不是为每组提供平均值和标准差，而是在每组旁边收到总体平均数和标准差。

为了解决这个问题，我进行了多次互联网搜索。所有结果似乎都提供了与我正在使用的类似的语法。我还阅读了 Stack Overflow 在发布之前提供的所有推荐帖子。另外，我尝试重新启动 R，并确保我没有使用 plyr。

这是我用来创建数据集和 dplyr group_by/summary 的代码。

library(dplyr)
set.seed(123)
var1 <- rnorm(15, mean=2, sd=1)
var2 <- c("A", "A", "A", "A", "A", "B", "B", "B", "B", "B",
          "C", "C", "C", "C", "C")
df <- data.frame(var1, var2)
df

df %>%
  group_by(df$var2) %>%
  summarize(
    count = n(),
    mean = mean(df$var1, na.rm = TRUE),
    sd = sd(df$var1, na.rm = TRUE)
  )

结果如下：

# A tibble: 3 x 4
  `df$var2` count  mean    sd
  <fct>     <int> <dbl> <dbl>
1 A             5  2.15 0.845
2 B             5  2.15 0.845
3 C             5  2.15 0.845

计数似乎有效，显示每组计数为 5。每组显示整个列的总体平均值和标准差，而不是每组。预期结果是每组的计数、平均值和标准差。

我确信我忽略了一些明显的东西，但我将非常感谢任何帮助。

谢谢！

标签： rdplyrsummarize

解决方案

即使通过评论回答，我觉得第一个问题的一个很好的可重复的例子应该得到官方的回答。 

library(dplyr)
set.seed(123)
var1 <- rnorm(15, mean=2, sd=1)
var2 <- c(rep("A", 5), rep("B", 5), rep("C", 5))
df <- data.frame(var1, var2) 
df_stat <- df %>% group_by(var2) %>% summarize(
                                      count = n(),
                                       mean = mean(var1, na.rm = TRUE), 
                                         sd = sd(var1, na.rm = TRUE)) 
head(df_stat)
# A tibble: 3 x 4
# var2   count  mean    sd
# <fct>  <int>  <dbl>  <dbl>
# 1 A      5    2.19   0.811
# 2 B      5    1.96   1.16 
# 3 C      5    2.31   0.639

推荐阅读