Question

我试图用以下格式制作一个包含所有数值变量（即特征）的表格：

Feature | Count | % Missing | Cardinality | Min. | 1st Quartile | Mean | Median | 3rd Quartile | Max. | Std. Dev. |

-------- | ------- | ----------- | ------------- | ---- - | -------------- | ------ | -------- | -------------- | - ----- | ----------- | | | | | | | | | | | |

因此，每一行表示一个特定的数字变量，每列表示上面显示的统计数据（Count，％Missing，Cardinality，Min。，1st Quartile，Mean，Median，3rd Quartile，Max.Std.Dev。）

假设我的数据集名为Mashable，我的数值变量称为X，Y和Z.我将如何创建此表？

提前致谢！

Answer 1

如果您已经使用dplyr，则可以使用长形数据和分组，并将所需的所有功能视为摘要。这可以让你轻松扩展，因此它与3个变量的工作流程相同，而不是25或100.它还可以相对快速地应用你想要的任何功能。

我用x，y和z制作了虚拟数据，然后将几行NA绑定到它上面，以显示缺失值计数。将其收集到长数据，按变量分组，然后使用您想要的任何摘要函数。我开始了你命名的前几个。这为您提供了所要求的格式。

library(tidyverse)

tibble(
  x = rnorm(100, mean = 1, sd = 1),
  y = rnorm(100, mean = 10, sd = 1),
  z = rexp(100, rate = 0.01)
) %>%
  bind_rows(tibble(x = c(NA, NA), y = c(NA, NA), z = c(NA, NA))) %>%
  gather(key = variable, value = value) %>%
  group_by(variable) %>%
  summarise(
    count = n(),
    missing = sum(is.na(value)),
    share_missing = missing / count,
    mean = mean(value, na.rm = T),
    sd = sd(value, na.rm = T),
    q1 = quantile(value, 0.25, na.rm = T)
  )
#> # A tibble: 3 x 7
#>   variable count missing share_missing    mean     sd     q1
#>   <chr>    <int>   <int>         <dbl>   <dbl>  <dbl>  <dbl>
#> 1 x          102       2        0.0196   0.997  1.08   0.246
#> 2 y          102       2        0.0196   9.81   0.962  9.10 
#> 3 z          102       2        0.0196 106.    90.6   39.9

由reprex package（v0.2.0）创建于2018-05-20。

Answer 2

如果X，Y和Z是数据集的列，那么您可以将apply函数用于R中数据集中的每一列，这将打印每个所需的统计信息，例如：

apply(dat,2,function(x) c(length(which(is.na(x)==TRUE)),summary(x)))

我的意思是一般来说你会在第一个参数中指定数据框。然后选择行/列或列表（例如，2是列，1是矩阵/ df的行），具体取决于您使用函数的结构类型。最后是一个函数，应用于previous参数中指定的每个列/行列。在这种情况下，我们使用c函数输出NA的长度和数据的摘要（min，max，quartiles）。通过扩展我们可以在这里指定任何参数，所以一般来说：

apply("Insert your data-frame","What part of the data-frame",function(x) c(a(x),b(x),...))

最好阅读R帮助文件以获取任何其他要求！

希望它有所帮助;欢呼声。

Answer 3

您可以使用dplyr和tidyr个包来转换您的数据。让我举一个例子来演示3个统计数据的转换（例如mean,median,sd）。您可以添加其他统计信息，例如count，% missing等。

# Sample data
df <- data.frame(X = 1:10, Y = 11:20, Z = 101:110)

library(dplyr)
library(tidyr)

df %>% summarize_all(funs(mean,median,sd)) %>%  #Statistics for mean, median,sd
  gather(key, value) %>%    #Convert to long format
  separate(key, c("feature", "stat")) %>%  #separate out feature from function
  spread(stat, value)

#    feature  mean median      sd
# 1        X   5.5    5.5 3.02765
# 2        Y  15.5   15.5 3.02765
# 3        Z 105.5  105.5 3.02765

使用特定的摘要统计信息创建变量表

3 个答案: