4.10 summarise()함수를 이용한 요약 통계량 계산

4.10.1 summarise() 함수의 기본 형식

summarise(dataframe, …, .groups = NULL)

summarize(dataframe, …, .groups = NULL)

  • datafreame : 데이터 세트
  • … : 한 개의 값만을 출력하는 함수(sum, mean, sd, var, …), n개의 값을 출력하는 함수(IQR, …), 하나의 식을 이용해 복수 개의 컬럼을 더하는 데이터 프레임 등
  • .groups : “drop_last,” “drop,” “keep,” “rowwise” 등의 옵션

summarise() 함수이 제공하는 수치형 데이터에 대한 요약 통계량 옵션의 예를 들면 다음과 같다.

  • mean(x, na.rm = TRUE) : 평균. 결측값(NA)을 제외하려면 na.rm = TRUE 추가
  • median(x, na.rm = TRUE) : 중앙값. 결측값(NA)을 제외하려면 na.rm = TRUE 추가
  • sd(x, na.rm = TRUE) : 표준편차. 결측값(NA)을 제외하려면 na.rm = TRUE 추가
  • min(x, na.rm = TRUE) : 최소값. 결측값(NA)을 제외하려면 na.rm = TRUE 추가
  • max(x, na.rm = TRUE) : 최대값. 결측값(NA)을 제외하려면 na.rm = TRUE 추가
  • IQR(x, na.rm = TRUE) : 3사분위수 - 1사분위수 (Inter Quartile Range = Q3 - Q1). 결측값(NA)을 제외하려면 na.rm = TRUE 추가
  • sum(x, na.rm = TRUE) : 합. 결측값(NA)을 제외하려면 na.rm = TRUE 추가

4.10.2 summarise() 함수를 이용한 요약 통계 계산

Cars93 데이터 프레임에서 가격(Price)의 a) 평균, b) 중앙값, c) 표준편차, d) 최소값, e) 최대값, f) 사분위 범위(IQR), g) 합계를 구해보자. (단, 결측값은 포함하지 않고 계산함 = na.rm = TRUE)

# summarise() : Summarise numeric values
# mean(), median(), sd(), min(), max(), IQR(), sum()
# IQR : IQR(Inter quartile Range) = Upper Quartile(Q3) - Lower Quartile(Q1)
summarise(Cars93, 
         Price_mean = mean(Price, na.rm = T),                 # mean of Price
         Price_median = median(Price, na.rm = T),             # median of Price
         Price_sd = sd(Price, na.rm = T),                     # standard deviation of Price
         Price_min = min(Price, na.rm = T),                   # min of Price
         Price_max = max(Price, na.rm = T),                   # max of Price
         Price_IQR = IQR(Price), na.rm = T,                   # IQR of Price
         Price_sum = sum(Price, na.rm = T))                   # sum of Price
##   Price_mean Price_median Price_sd Price_min Price_max Price_IQR na.rm
## 1   19.50968         17.7  9.65943       7.4      61.9      11.1  TRUE
##   Price_sum
## 1    1814.4

4.10.3 summarise()를 이용한 관측치의 갯수 및 색인 찾기

summarise()를 이용한 관측치의 갯수 및 색인을 찾기 위한 함수의 예는 다음과 같다.

  • n() : 관측치 겟수 계산, x 변수 입력하지 않음

  • n_distinct(x) : 중복없는 유일한 관측치 갯수 계산, 기준이 되는 x변수 입력함

  • first(x) : 기준이 되는 x변수의 첫번째 관측치

  • last(x) : 기준이 되는 x변수의 마지막 관측치

  • nth(x, n) : 기준이 되는 x변수의 n번째 관측치

Cars93_1 데이터 프레임에서 a) 총 관측치의 갯수, b) 제조사(Manufacturer)의 갯수(유일한 값), c) 첫번째 관측치의 제조사 이름, d) 마지막 관측치의 제조사 이름, e) 5번째 관측치의 제조사 이름을 확인해 보자.

# summarise() : n(), n_distinct(), first(), last(), nth() 
Cars93_1 <- Cars93[c(1:10), c("Manufacturer", "Model", "Type")]       # subset for better print 
Cars93_1
##    Manufacturer      Model    Type
## 1         Acura    Integra   Small
## 2         Acura     Legend Midsize
## 3          Audi         90 Compact
## 4          Audi        100 Midsize
## 5           BMW       535i Midsize
## 6         Buick    Century Midsize
## 7         Buick    LeSabre   Large
## 8         Buick Roadmaster   Large
## 9         Buick    Riviera Midsize
## 10     Cadillac    DeVille   Large
summarise(Cars93_1, 
          tot_cnt = n(),                                    # counting the number of all observations 
          Manufacturer_dist_cnt = n_distinct(Manufacturer), # distinct number of var 
          First_obs = first(Manufacturer),                  # first observation 
          Last_obs = last(Manufacturer),                    # last observation 
          Nth_5th_obs = nth(Manufacturer, 5))               # n'th observation
##   tot_cnt Manufacturer_dist_cnt First_obs Last_obs Nth_5th_obs
## 1      10                     5     Acura Cadillac         BMW

4.10.4 summarise() 함수를 이용한 그룹별 요약 통계량 계산

summarise() 함수를 이용하여 그룹별로 통계량을 계산(Grouped operations)하려면 group_by() 함수를 이용한다.

Cars93 데이터 프레임에서 ‘차종(Type)’ 별로 a) 전체 관측치 갯수, b) (중복 없는) 제조사 업체 수, c) 가격(Price)의 평균과 d) 가격의 표준편차를 구해 보자 (단, 결측값은 포함하지 않고 계산함).

# summarise by group 
grouped <- group_by(Cars93, Type) 
summarise(grouped, 
          n_conut = n(),                                  # counting the number of cars 
          Manufacturer_cnt = n_distinct(Manufacturer),    # distinct number of Manufacturer 
          Price_mean = mean(Price, na.rm = TRUE),         # mean of Price 
          Price_sd = sd(Price, na.rm = TRUE)              # standard deviation of Price 
          )
## `summarise()` ungrouping output (override with `.groups` argument)
## # A tibble: 6 x 5
##   Type    n_conut Manufacturer_cnt Price_mean Price_sd
##   <fct>     <int>            <int>      <dbl>    <dbl>
## 1 Compact      16               15       18.2     6.69
## 2 Large        11               10       24.3     6.34
## 3 Midsize      22               20       27.2    12.3 
## # ... with 3 more rows
# 또는
Cars93 %>% group_by(Type) %>% 
summarise(n_conut = n(),                                    # counting the number of cars 
            Manufacturer_cnt = n_distinct(Manufacturer),    # distinct number of Manufacturer 
            Price_mean = mean(Price, na.rm = TRUE),         # mean of Price 
            Price_sd = sd(Price, na.rm = TRUE)              # standard deviation of Price 
)
## `summarise()` ungrouping output (override with `.groups` argument)
## # A tibble: 6 x 5
##   Type    n_conut Manufacturer_cnt Price_mean Price_sd
##   <fct>     <int>            <int>      <dbl>    <dbl>
## 1 Compact      16               15       18.2     6.69
## 2 Large        11               10       24.3     6.34
## 3 Midsize      22               20       27.2    12.3 
## # ... with 3 more rows

4.10.5 복수 개의 변수에 동일한 summarise() 함수 적용하기

summarise_each() 함수를 이용하면 복수 개의 변수에 동일한 summarise() 함수를 적용할 수 있다.

Cars93 데이터 프레임의 가격(Price) 변수와 고속도로연비(MPG.highway) 등의 두개의 변수에 대해 a) 평균(mean), b) 중앙값(median), c) 표준편차(standard deviation) 등의 3개의 함수를 동시에 적용하여 계산해 보자.

# summarize_each() : applies the same summary function(s) to multiple variables 
summarise_each(Cars93, funs(mean, median, sd), Price, MPG.highway)
## Warning: `summarise_each_()` is deprecated as of dplyr 0.7.0.
## Please use `across()` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_warnings()` to see where this warning was generated.
## Warning: `funs()` is deprecated as of dplyr 0.8.0.
## Please use a list of either functions or lambdas: 
## 
##   # Simple named list: 
##   list(mean = mean, median = median)
## 
##   # Auto named with `tibble::lst()`: 
##   tibble::lst(mean, median)
## 
##   # Using lambdas
##   list(~ mean(., trim = .2), ~ median(., na.rm = TRUE))
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_warnings()` to see where this warning was generated.
##   Price_mean MPG.highway_mean Price_median MPG.highway_median Price_sd
## 1   19.50968         29.08602         17.7                 28  9.65943
##   MPG.highway_sd
## 1       5.331726
  • summarise_each() 함수는 dplyr 0.7.0이후로 사용하지 않고 있으며, 그 대신 across() 함수를 이용하고 있다.

summarise_each() 함수 대신에 summarise() 함수 안에 across() 함수를 이용하면 다음과 같다.

# across() 함수의 이용
summarise(Cars93, across(c(Price, MPG.highway), list(mean=mean, median=median, sd=sd), na.rm= TRUE))
##   Price_mean Price_median Price_sd MPG.highway_mean MPG.highway_median
## 1   19.50968         17.7  9.65943         29.08602                 28
##   MPG.highway_sd
## 1       5.331726
Cars93 %>% 
  summarise(across(c(Price, MPG.highway), list(mean=mean, median=median, sd=sd), na.rm= TRUE))
##   Price_mean Price_median Price_sd MPG.highway_mean MPG.highway_median
## 1   19.50968         17.7  9.65943         29.08602                 28
##   MPG.highway_sd
## 1       5.331726