Sammanfattning av Data
Sammanfattning av data är avgörande för att snabbt få en förståelse för dess struktur och mönster.
Snabb översikt av datamängden
Innan en detaljerad analys utförs är det användbart att skapa en snabb översikt av datamängden. Detta hjälper dig att förstå intervall, fördelningar och förekomst av kategoriska värden på ett ögonblick. Funktionen summary()
kan användas för detta.
summary(df)
Sammanfattande statistik för en enskild kolumn
Grundläggande beskrivande statistik som medelvärde, median och standardavvikelse kan beräknas för enskilda kolumner. Här är till exempel hur kolumnen selling_price
kan sammanfattas.
Base R
Det finns dedikerade funktioner som mean()
, median()
och sd()
tillgängliga. Argumentet na.rm = TRUE
säkerställer att saknade värden ignoreras vid beräkning.
mean(df$selling_price, na.rm = TRUE)
median(df$selling_price, na.rm = TRUE)
sd(df$selling_price, na.rm = TRUE)
dplyr
Alla tre statistiska mått kan beräknas i ett steg med funktionen summarise()
.
df %>%
summarise(
mean_price = mean(selling_price, na.rm = TRUE),
median_price = median(selling_price, na.rm = TRUE),
sd_price = sd(selling_price, na.rm = TRUE)
)
Sammanfatta flera kolumner efter grupp
Ofta finns behov av att jämföra sammanfattande statistik mellan olika grupper i datamängden. Exempelvis kan medelvärde för försäljningspris och genomsnittlig körsträcka beräknas för varje bränsletyp.
Innan summering, säkerställ att kolumnen mileage
är numerisk:
df$mileage <- as.numeric(gsub(" km.*", "", df$mileage))
str(df$mileage)
Base R
Funktionen aggregate()
kan användas för att beräkna grupperad statistik. Funktionen cbind()
möjliggör summering av flera numeriska kolumner samtidigt.
aggregate(cbind(selling_price, mileage) ~ fuel, data = df, FUN = mean, na.rm = TRUE)
dplyr
Gruppering och summering kan också utföras med hjälp av group_by()
och summarise()
. Detta tillvägagångssätt är generellt mer läsbart och enklare att utöka.
df %>%
group_by(fuel) %>%
summarise(
mean_price = mean(selling_price, na.rm = TRUE),
mean_mileage = mean(mileage, na.rm = TRUE)
)
Tack för dina kommentarer!
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Awesome!
Completion rate improved to 4
Sammanfattning av Data
Svep för att visa menyn
Sammanfattning av data är avgörande för att snabbt få en förståelse för dess struktur och mönster.
Snabb översikt av datamängden
Innan en detaljerad analys utförs är det användbart att skapa en snabb översikt av datamängden. Detta hjälper dig att förstå intervall, fördelningar och förekomst av kategoriska värden på ett ögonblick. Funktionen summary()
kan användas för detta.
summary(df)
Sammanfattande statistik för en enskild kolumn
Grundläggande beskrivande statistik som medelvärde, median och standardavvikelse kan beräknas för enskilda kolumner. Här är till exempel hur kolumnen selling_price
kan sammanfattas.
Base R
Det finns dedikerade funktioner som mean()
, median()
och sd()
tillgängliga. Argumentet na.rm = TRUE
säkerställer att saknade värden ignoreras vid beräkning.
mean(df$selling_price, na.rm = TRUE)
median(df$selling_price, na.rm = TRUE)
sd(df$selling_price, na.rm = TRUE)
dplyr
Alla tre statistiska mått kan beräknas i ett steg med funktionen summarise()
.
df %>%
summarise(
mean_price = mean(selling_price, na.rm = TRUE),
median_price = median(selling_price, na.rm = TRUE),
sd_price = sd(selling_price, na.rm = TRUE)
)
Sammanfatta flera kolumner efter grupp
Ofta finns behov av att jämföra sammanfattande statistik mellan olika grupper i datamängden. Exempelvis kan medelvärde för försäljningspris och genomsnittlig körsträcka beräknas för varje bränsletyp.
Innan summering, säkerställ att kolumnen mileage
är numerisk:
df$mileage <- as.numeric(gsub(" km.*", "", df$mileage))
str(df$mileage)
Base R
Funktionen aggregate()
kan användas för att beräkna grupperad statistik. Funktionen cbind()
möjliggör summering av flera numeriska kolumner samtidigt.
aggregate(cbind(selling_price, mileage) ~ fuel, data = df, FUN = mean, na.rm = TRUE)
dplyr
Gruppering och summering kan också utföras med hjälp av group_by()
och summarise()
. Detta tillvägagångssätt är generellt mer läsbart och enklare att utöka.
df %>%
group_by(fuel) %>%
summarise(
mean_price = mean(selling_price, na.rm = TRUE),
mean_mileage = mean(mileage, na.rm = TRUE)
)
Tack för dina kommentarer!