Summary  
This chapter covers how to compute and display descriptive statistics for entire datasets, individual columns, and grouped subsets—using both base functions (e.g., summary(), mean(), aggregate()) and dplyr verbs (group_by(), summarise())—while handling missing values and converting data types as needed.

General domain of usage  
Exploratory data analysis

**Samenvatten van gegevens** is essentieel om snel inzicht te krijgen in de structuur en patronen ervan.

## Snelle samenvatting van de dataset
Voordat je een gedetailleerde analyse uitvoert, is het nuttig om een snel overzicht van de dataset te genereren. Dit helpt om in één oogopslag de bereiken, verdelingen en aanwezigheid van categorische waarden te begrijpen. Je kunt hiervoor de functie `summary()` gebruiken.
```
summary(df)
```

## Samenvattende statistieken voor één kolom
Je kunt basisbeschrijvende statistieken berekenen, zoals het gemiddelde, de mediaan en de standaarddeviatie voor afzonderlijke kolommen. Hier volgt bijvoorbeeld hoe je de kolom `selling_price` samenvat.

### Base R
Er zijn speciale functies zoals `mean()`, `median()` en `sd()` beschikbaar. Het argument `na.rm = TRUE` zorgt ervoor dat ontbrekende waarden worden genegeerd tijdens de berekening.

```
mean(df$selling_price, na.rm = TRUE)
median(df$selling_price, na.rm = TRUE)
sd(df$selling_price, na.rm = TRUE)
```

### dplyr
Alle drie de statistieken kunnen in één stap worden berekend met de functie `summarise()`.

```
df %>%
  summarise(
    mean_price = mean(selling_price, na.rm = TRUE),
    median_price = median(selling_price, na.rm = TRUE),
    sd_price = sd(selling_price, na.rm = TRUE)
  )
```

## Meerdere kolommen samenvatten per groep

Vaak is het wenselijk om samenvattende statistieken te vergelijken tussen verschillende groepen in de dataset. Bijvoorbeeld het berekenen van de gemiddelde verkoopprijs en gemiddelde kilometerstand per type brandstof.

Controleer voordat je samenvat of de kolom `mileage` numeriek is:
```
df$mileage <- as.numeric(gsub(" km.*", "", df$mileage))
str(df$mileage)
```

### Base R
De functie `aggregate()` kan worden gebruikt om gegroepeerde statistieken te berekenen. Met de functie `cbind()` kunnen meerdere numerieke kolommen tegelijk worden samengevat.

```
aggregate(cbind(selling_price, mileage) ~ fuel, data = df, FUN = mean, na.rm = TRUE)
```

### dplyr
Groeperen en samenvatten kan ook worden gedaan met `group_by()` en `summarise()`. Deze aanpak is over het algemeen beter leesbaar en eenvoudiger uit te breiden.

```
df %>%
  group_by(fuel) %>%
  summarise(
    mean_price = mean(selling_price, na.rm = TRUE),
    mean_mileage = mean(mileage, na.rm = TRUE)
  )
```

Dataset downloaden

Hoofdstukcode downloaden

De functie `aggregate()` wordt in base R gebruikt om:


Verkrijg praktische ervaring in data-analyse met R door te leren hoe datasets opgeschoond, getransformeerd en gevisualiseerd worden. Verken essentiële workflows zoals het selecteren en filteren van data, omgaan met ontbrekende waarden en het samenvatten van resultaten. Vergroot het vertrouwen in het voorbereiden van data voor inzichten, rapportages en diepgaandere statistische verkenning.

Verken de basisprincipes van data-analyse met R. Leer hoe u de tools installeert, datasets laadt en inspecteert, informatie selecteert en filtert, gegevens sorteert en transformeert, ontbrekende waarden verwerkt en resultaten samenvat voor diepgaandere inzichten.

Leer het maken van overtuigende visualisaties met ggplot2. Bouw staafdiagrammen, histogrammen, dichtheidsplots en spreidingsdiagrammen, en pas deze vervolgens aan en verfijn ze met opmaakopties en facettering om diepere inzichten in uw gegevens te onthullen.

Verdiep uw begrip van statistiek voor data-analyse. Toepassing van beschrijvende maten, identificatie en behandeling van uitschieters, en gebruik van correlatietechnieken met visuele hulpmiddelen zoals heatmaps en spreidingsdiagrammen om betekenisvolle relaties te ontdekken.

Gegevens Samenvatten

Snelle samenvatting van de dataset

Samenvattende statistieken voor één kolom

Base R

dplyr

Meerdere kolommen samenvatten per groep

Base R

dplyr