| 本文首发于 “生信补给站” https://mp.weixin.qq.com/s/tQt0ezYJj3H7x3aWZmKVEQ
使用tidyverse进行简单的数据处理：
盘一盘Tidyverse| 筛行选列之select，玩转列操作
盘一盘Tidyverse| 只要你要只要我有-filter 筛选行
Tidyverse| XX_join ：多个数据表（文件）之间的各种连接
本次介绍变量汇总以及分组汇总。
一 summarise 汇总
汇总函数 summarize()，可以将数据框折叠成一行 ,多与group_by()结合使用
1.1 summarize完成指定变量的汇总
统计均值，标准差，最小值，个数和逻辑值
library(dplyr)
iris %>%
summarise(mean(Petal.Length), #无命名
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
常用函数：
-
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 计数 :
n(),n_distinct() -
Logical 逻辑值的计数和比例 :
any(),all()
1.2 , summarise_if完成一类变量的汇总
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完成指定变量的汇总
summarise_at配合vars，可以更灵活的筛选符合条件的列，然后进行汇总
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 结合group_by 汇总
group_by() 和 summarize() 的组合构成了使用 dplyr 包时最常用的操作之一：分组摘要
2.1 按照Species分组，变量汇总
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 计数
-
n() ：无需参数返回当前分组的大小；
-
sum(!is.na(x)) ： 返回非缺失值的梳理；
-
n_distinct(x)：返回 唯一值的数量。
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，还可以用dplyr的count函数进行计数：
iris %>%
count(Species)
# A tibble: 3 x 2
# Species n
# <fct> <int>
#1 setosa 50
#2 versicolor 50
#3 virginica 50
2.3 逻辑值的计数和比例
当与数值型函数一同使用时， TRUE 会转换为 1， FALSE 会转换为 0。
这使得 sum() 和 mean() 非常适用于逻辑值： sum(x) 可以找出 x 中 TRUE 的数量， mean(x) 则可以找出比例
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
参考资料：
书籍：《R数据科学》
【觉得不错，右下角点个“在看”，期待您的转发，谢谢！】