Question

我正在尝试计算RStudio中发现的出生体重数据集（birthwt）的描述性统计数据。但是，我只对一些变量感兴趣：age，ftv，ptl和lwt。

这是我到目前为止的代码：

library(MASS)
library(dplyr)
data("birthwt")

grouped <- group_by(birthwt, age, ftv, ptl, lwt)

summarise(grouped, 
          mean = mean(bwt),
          median = median(bwt),
          SD = sd(bwt))

它给了我一张漂亮的印刷表，但只填写了有限数量的SD，剩下的就是NA。我无法解决为什么或如何解决它！

Answer 1

某些组的行数为1.

grouped %>% 
     summarise(n = n())
# A tibble: 179 x 5
# Groups: age, ftv, ptl [?]
#     age   ftv   ptl   lwt     n
#   <int> <int> <int> <int> <int>
# 1    14     0     0   135     1
# 2    14     0     1   101     1
# 3    14     2     0   100     1
# 4    15     0     0    98     1
# 5    15     0     0   110     1
# 6    15     0     0   115     1
# 7    16     0     0   110     1
# 8    16     0     0   112     1
# 9    16     0     0   135     2
#10    16     1     0    95     1

根据?sd，

长度为一的向量的标准偏差为NA。

这导致NA的{{1}}值，其中只有一个元素

Answer 2

我偶然发现这里有另一个原因，对我来说，答案来自docs：

# BEWARE: reusing variables may lead to unexpected results
mtcars %>%
    group_by(cyl) %>%
    summarise(disp = mean(disp), sd = sd(disp))
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 3 x 3
#>     cyl  disp    sd
#>   <dbl> <dbl> <dbl>
#> 1     4  105.    NA
#> 2     6  183.    NA
#> 3     8  353.    NA

所以，如果有人和我有同样的原因，与其重用一个变量，不如创建一个新变量：

mtcars %>%
group_by(cyl) %>%
summarise(
    disp_mean = mean(disp),
    disp_sd = sd(disp)
)

`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 3 x 3
    cyl disp_mean disp_sd
  <dbl>     <dbl>   <dbl>
1     4      105.    26.9
2     6      183.    41.6
3     8      353.    67.8

使用summarize（）函数时，标准差将会出现NA

2 个答案: