[Rstudio tidyverse] dplyr 패키지 (group_by, summarize, arrange)

dplyr 패키지 (group_by, summarize, arrange)

group_by 및 summarize : 그룹화된 데이터에서 요약 통계량을 계산

group_by() 및 summarize() 함수는 dplyr 패키지의 중요한 기능 중 하나로, 데이터 프레임을 그룹화하고 각 그룹에 대한 요약 통계량을 계산하는 데 사용된다.

summarize() 내 통계량	사용 함수 및 내용
평균 (Mean)	mean(x):  열 x의 평균 값을 계산
중앙값 (Median)	median(x) : 열 x의 중앙값을 계산
최댓값 (Maximum)	max(x)  열 x에서 최댓값을 계산
최솟값 (Minimum)	min(x): 열 x에서 최솟값을 계산
범위 (Range)	max(x) - min(x): 열 x의 범위를 계산
표준편차 (Standard Deviation):	sd(x): 열 x의 표준편차를 계산
분산 (Variance)	var(x): 열 x의 분산을 계산
합계 (Sum)	sum(x): 열 x의 합계를 계산
개수 (Count)	n(): 그룹 내 행의 개수를 계산
사분위수 (Quantiles)	quantile(x, probs): 열 x에서 주어진 확률에 해당하는 사분위수를 계산

# Species (펭귄 종류)에 따라 그룹화하고 그룹화된 데이터에서 요약 통계량 계산 penguins |>   group_by(species) |>   summarize(     Mean_Flipper_Length = mean(bill_length_mm),     Median_Body_Mass = median(body_mass_g),     Max_Bill_Depth = max(flipper_length_mm),     Min_Bill_Depth = min(flipper_length_mm)   )

#그룹 내 행의 개수(count) 계산 penguins |>   group_by(species) |>   summarize(     Count = n()    )

#Island 열의 빈도수 계산 penguins |>   group_by(species, island) |>   summarize(     island_frequency <- n())   )

 

na.rm = TRUE 옵션

na.rm = TRUE 옵션을 사용하여 NA 값을 제외하고 요약 통계량을 계산한다.

(NA 값을 포함한 데이터에 대한 요약 통계량이 계산된다.)

#na.rm = TRUE 옵션 사용 penguins |>   group_by(species) |>   summarize(     Mean_Flipper_Length = mean(bill_length_mm, na.rm = TRUE),     Median_Body_Mass = median(body_mass_g, na.rm = TRUE),     Max_Bill_Depth = max(flipper_length_mm, na.rm = TRUE),     Min_Bill_Depth = min(flipper_length_mm, na.rm = TRUE)   )

 

n_distinct() 

n_distinct() 함수를 사용하여 열의 고유한 값의 개수를 계산할 수 있다.

#species (펭귄 종류) 열의 고유한 값의 개수 계산 penguins |>   group_by(species) |>   summarize(     Unique_Species_Count = n_distinct(species)   )

300x250

 

arrange : 데이터를 정렬

오름차순 (기본 옵션)

 기본 정렬 방식이며 열의 값을 작은 값부터 큰 값으로 정렬

penguins |>   arrange(flipper_length_mm)

 

내림차순 : desc()

내림차순은 열의 값을 큰 값부터 작은 값으로 정렬합니다. desc() 함수를 사용하여 내림차순 정렬을 지정

penguins |>   arrange(desc(flipper_length_mm))

 

desc() 함수를 ' - '로 대체할 수도 있다.

penguins |>   arrange( -(flipper_length_mm))

 

여러 열(변수)로 정렬

열(변수)을 여러 개 지정하면 첫 번째 열을 기준으로 정렬하고 동일한 값들에 대해서만 다음 열로 정렬한다.

penguins |>   arrange(species, sex, body_mass_g)

penguins |>   arrange(species, desc(sex), body_mass_g)

 

filter + group_by + summarize + arrange

filter(), mutate(), summarize(), arrange() 함수를 모두 사용하는 예제

penguins |>   mutate (body_mass_kg = body_mass_g/1000) |>   filter (body_mass_kg >= 3.5) |>   group_by(species) |>   summarise(     no_of_penguins = n()   ) |>   arrange(-no_of_penguins )

 

Pixabay로부터 입수된 Gerd Altmann님의 이미지 입니다.