在 Python 中使用 Pandas 有 describe() 函式，它回傳資料幀的摘要統計資訊。輸出不是使用 tidyverse 匯總功能進行簡單操作的“整潔”格式，但它的呈現格式很好。我的問題是如何在 R 中重現這個輸出？
import pandas as pd
mtcars_df = pd.read_csv(filepath_or_buffer="data/mtcars.csv")
mtcars_df.describe()
'''
mpg cyl disp ... am gear carb
count 32.000000 32.000000 32.000000 ... 32.000000 32.000000 32.0000
mean 20.090625 6.187500 230.721875 ... 0.406250 3.687500 2.8125
std 6.026948 1.785922 123.938694 ... 0.498991 0.737804 1.6152
min 10.400000 4.000000 71.100000 ... 0.000000 3.000000 1.0000
25% 15.425000 4.000000 120.825000 ... 0.000000 3.000000 2.0000
50% 19.200000 6.000000 196.300000 ... 0.000000 4.000000 2.0000
75% 22.800000 8.000000 326.000000 ... 1.000000 4.000000 4.0000
max 33.900000 8.000000 472.000000 ... 1.000000 5.000000 8.0000
'''
為了在 RI 中重現此輸出，使用了基本的 R 匯總函式。不幸的是，輸出重復了每一列的統計標簽。為了洗掉標簽，我將表格整理成一個資料框，并用正則運算式去掉了標簽！比我預期的要努力得多。如果在 RI 中有更清潔、更簡單的方法，我很想知道。
library(tidyverse)
library(rebus)
#>
#> Attaching package: 'rebus'
#> The following object is masked from 'package:stringr':
#>
#> regex
#> The following object is masked from 'package:ggplot2':
#>
#> alpha
stats_table <- summary(mtcars)
stats_table
#> mpg cyl disp hp
#> Min. :10.40 Min. :4.000 Min. : 71.1 Min. : 52.0
#> 1st Qu.:15.43 1st Qu.:4.000 1st Qu.:120.8 1st Qu.: 96.5
#> Median :19.20 Median :6.000 Median :196.3 Median :123.0
#> Mean :20.09 Mean :6.188 Mean :230.7 Mean :146.7
#> 3rd Qu.:22.80 3rd Qu.:8.000 3rd Qu.:326.0 3rd Qu.:180.0
#> Max. :33.90 Max. :8.000 Max. :472.0 Max. :335.0
#> drat wt qsec vs
#> Min. :2.760 Min. :1.513 Min. :14.50 Min. :0.0000
#> 1st Qu.:3.080 1st Qu.:2.581 1st Qu.:16.89 1st Qu.:0.0000
#> Median :3.695 Median :3.325 Median :17.71 Median :0.0000
#> Mean :3.597 Mean :3.217 Mean :17.85 Mean :0.4375
#> 3rd Qu.:3.920 3rd Qu.:3.610 3rd Qu.:18.90 3rd Qu.:1.0000
#> Max. :4.930 Max. :5.424 Max. :22.90 Max. :1.0000
#> am gear carb
#> Min. :0.0000 Min. :3.000 Min. :1.000
#> 1st Qu.:0.0000 1st Qu.:3.000 1st Qu.:2.000
#> Median :0.0000 Median :4.000 Median :2.000
#> Mean :0.4062 Mean :3.688 Mean :2.812
#> 3rd Qu.:1.0000 3rd Qu.:4.000 3rd Qu.:4.000
#> Max. :1.0000 Max. :5.000 Max. :8.000
pattern <- one_or_more(DGT) %R% optional(".") %R% optional(one_or_more(DGT))
get_labels <- as.data.frame.matrix(stats_table)[,1]
location <- str_locate_all(pattern =':', get_labels)[[1]][1]
strip_punct <- zero_or_more(PUNCT) %R% zero_or_more(SPACE) %R% PUNCT
identity <- str_remove_all(str_sub(string = get_labels, start = 1, end = location), strip_punct)
stats_df <- as.data.frame.matrix(stats_table) %>%
mutate(across(everything(), ~str_match(., pattern))) %>%
mutate(identity = identity) %>%
relocate(identity)
stats_df
#> identity mpg cyl disp hp drat wt qsec
#> X Min 10.4 4.0 71.1 52.0 2.7 1.5 14.5
#> X.1 1st Qu 1 1 1 1 1 1 1
#> X.2 Median 19.2 6.0 196.3 123.0 3.6 3.3 17.7
#> X.3 Mean 20.0 6.1 230.7 146.7 3.5 3.2 17.8
#> X.4 3rd Qu 3 3 3 3 3 3 3
#> X.5 Max 33.9 8.0 472.0 335.0 4.9 5.4 22.9
#> vs am gear carb
#> X 0.0 0.0 3.0 1.0
#> X.1 1 1 1 1
#> X.2 0.0 0.0 4.0 2.0
#> X.3 0.4 0.4 3.6 2.8
#> X.4 3 3 3 3
#> X.5 1.0 1.0 5.0 8.0
我可以使用 tidyverse 和 summarise 函式生成相同的值，但所有內容都在一行上，而不是按行匯總的每一列的統計資訊排列。這使得閱讀和呈現相當困難。
mtcars %>%
summarise_all( .funs = list(
min = min,
mean = ~ mean(., na.rm=TRUE),
median = median,
stdev = sd,
percentile_25 = ~ quantile(., .25)[[1]],
percentile_75 = ~ quantile(., .75)[[1]],
max = max)
) %>% glimpse()
#> Rows: 1
#> Columns: 77
#> $ mpg_min <dbl> 10.4
#> $ cyl_min <dbl> 4
#> $ disp_min <dbl> 71.1
#> $ hp_min <dbl> 52
#> $ drat_min <dbl> 2.76
#> $ wt_min <dbl> 1.513
#> $ qsec_min <dbl> 14.5
#> $ vs_min <dbl> 0
#> $ am_min <dbl> 0
#> $ gear_min <dbl> 3
#> $ carb_min <dbl> 1
#> $ mpg_mean <dbl> 20.09062
#> $ cyl_mean <dbl> 6.1875
#> $ disp_mean <dbl> 230.7219
#> $ hp_mean <dbl> 146.6875
#> $ drat_mean <dbl> 3.596563
#> $ wt_mean <dbl> 3.21725
#> $ qsec_mean <dbl> 17.84875
#> $ vs_mean <dbl> 0.4375
#> $ am_mean <dbl> 0.40625
#> $ gear_mean <dbl> 3.6875
#> $ carb_mean <dbl> 2.8125
#> $ mpg_median <dbl> 19.2
#> $ cyl_median <dbl> 6
#> $ disp_median <dbl> 196.3
#> $ hp_median <dbl> 123
#> $ drat_median <dbl> 3.695
#> $ wt_median <dbl> 3.325
#> $ qsec_median <dbl> 17.71
#> $ vs_median <dbl> 0
#> $ am_median <dbl> 0
#> $ gear_median <dbl> 4
#> $ carb_median <dbl> 2
#> $ mpg_stdev <dbl> 6.026948
#> $ cyl_stdev <dbl> 1.785922
#> $ disp_stdev <dbl> 123.9387
#> $ hp_stdev <dbl> 68.56287
#> $ drat_stdev <dbl> 0.5346787
#> $ wt_stdev <dbl> 0.9784574
#> $ qsec_stdev <dbl> 1.786943
#> $ vs_stdev <dbl> 0.5040161
#> $ am_stdev <dbl> 0.4989909
#> $ gear_stdev <dbl> 0.7378041
#> $ carb_stdev <dbl> 1.6152
#> $ mpg_percentile_25 <dbl> 15.425
#> $ cyl_percentile_25 <dbl> 4
#> $ disp_percentile_25 <dbl> 120.825
#> $ hp_percentile_25 <dbl> 96.5
#> $ drat_percentile_25 <dbl> 3.08
#> $ wt_percentile_25 <dbl> 2.58125
#> $ qsec_percentile_25 <dbl> 16.8925
#> $ vs_percentile_25 <dbl> 0
#> $ am_percentile_25 <dbl> 0
#> $ gear_percentile_25 <dbl> 3
#> $ carb_percentile_25 <dbl> 2
#> $ mpg_percentile_75 <dbl> 22.8
#> $ cyl_percentile_75 <dbl> 8
#> $ disp_percentile_75 <dbl> 326
#> $ hp_percentile_75 <dbl> 180
#> $ drat_percentile_75 <dbl> 3.92
#> $ wt_percentile_75 <dbl> 3.61
#> $ qsec_percentile_75 <dbl> 18.9
#> $ vs_percentile_75 <dbl> 1
#> $ am_percentile_75 <dbl> 1
#> $ gear_percentile_75 <dbl> 4
#> $ carb_percentile_75 <dbl> 4
#> $ mpg_max <dbl> 33.9
#> $ cyl_max <dbl> 8
#> $ disp_max <dbl> 472
#> $ hp_max <dbl> 335
#> $ drat_max <dbl> 4.93
#> $ wt_max <dbl> 5.424
#> $ qsec_max <dbl> 22.9
#> $ vs_max <dbl> 1
#> $ am_max <dbl> 1
#> $ gear_max <dbl> 5
#> $ carb_max <dbl> 8
由reprex 包于 2022-03-12 創建(v2.0.1)
uj5u.com熱心網友回復：
您可以結合do.call()和rind()來lapply()獲得整潔的summary(). t()轉置輸出。
t(do.call(rbind, lapply(mtcars, summary)))
#> mpg cyl disp hp drat wt qsec vs
#> Min. 10.40000 4.0000 71.1000 52.0000 2.760000 1.51300 14.50000 0.0000
#> 1st Qu. 15.42500 4.0000 120.8250 96.5000 3.080000 2.58125 16.89250 0.0000
#> Median 19.20000 6.0000 196.3000 123.0000 3.695000 3.32500 17.71000 0.0000
#> Mean 20.09062 6.1875 230.7219 146.6875 3.596563 3.21725 17.84875 0.4375
#> 3rd Qu. 22.80000 8.0000 326.0000 180.0000 3.920000 3.61000 18.90000 1.0000
#> Max. 33.90000 8.0000 472.0000 335.0000 4.930000 5.42400 22.90000 1.0000
#> am gear carb
#> Min. 0.00000 3.0000 1.0000
#> 1st Qu. 0.00000 3.0000 2.0000
#> Median 0.00000 4.0000 2.0000
#> Mean 0.40625 3.6875 2.8125
#> 3rd Qu. 1.00000 4.0000 4.0000
#> Max. 1.00000 5.0000 8.0000
由reprex 包于 2022-03-12 創建(v2.0.1)
uj5u.com熱心網友回復：
另一個考慮因素可能是psych包裝及其describe功能。
t(psych::describe(mtcars))
uj5u.com熱心網友回復：
馬特！你也可以試試dlookr::describe(mtcars)。并且輸出是一個 tibble (tbl_df) https://choonghyunryu.github.io/dlookr/reference/describe.data.frame.html
uj5u.com熱心網友回復：
另一個讓我想起的包是skimr 包中的skim() 函式。
library(skimr)
library(tidyverse)
mtcars %>% skim()
| 姓名 | 管道資料 |
| 行數 | 32 |
| 列數 | 11 |
| _______________________ | |
| 列型別頻率： | |
| 數字 | 11 |
| ________________________ | |
| 組變數 | 沒有 |
資料匯總
變數型別：數字
| 撇去變數 | n_missing | 完成率 | 意思是 | sd | p0 | p25 | p50 | p75 | p100 | 歷史 |
|---|---|---|---|---|---|---|---|---|---|---|
| mpg | 0 | 1 | 20.09 | 6.03 | 10.40 | 15.43 | 19.20 | 22.80 | 33.90 | ▃▇▅▂ |
| 圓柱體 | 0 | 1 | 6.19 | 1.79 | 4.00 | 4.00 | 6.00 | 8.00 | 8.00 | ▆ ▃ ▇ |
| 顯示 | 0 | 1 | 230.72 | 123.94 | 71.10 | 120.83 | 196.30 | 326.00 | 472.00 | ▇▃▃▃▂ |
| 生命值 | 0 | 1 | 146.69 | 68.56 | 52.00 | 96.50 | 123.00 | 180.00 | 335.00 | ▇▇▆▃ |
| 德拉特 | 0 | 1 | 3.60 | 0.53 | 2.76 | 3.08 | 3.70 | 3.92 | 4.93 | ▇▃▇▅ |
| 重量 | 0 | 1 | 3.22 | 0.98 | 1.51 | 2.58 | 3.33 | 3.61 | 5.42 | ▃▃▇ ▂ |
| qsec | 0 | 1 | 17.85 | 1.79 | 14.50 | 16.89 | 17.71 | 18.90 | 22.90 | ▃▇▇▂ |
| 對比 | 0 | 1 | 0.44 | 0.50 | 0.00 | 0.00 | 0.00 | 1.00 | 1.00 | ▇ ▆ |
| 是 | 0 | 1 | 0.41 | 0.50 | 0.00 | 0.00 | 0.00 | 1.00 | 1.00 | ▇ ▆ |
| 齒輪 | 0 | 1 | 3.69 | 0.74 | 3.00 | 3.00 | 4.00 | 4.00 | 5.00 | ▇ ▆ ▂ |
| 碳水化合物 | 0 | 1 | 2.81 | 1.62 | 1.00 | 2.00 | 2.00 | 4.00 | 8.00 | ▇▂▅ |
由reprex 包(v2.0.1)創建于 2022-03-13
轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/442232.html
上一篇：選擇值小于總和分組值50%的行
下一篇：memcpy性能不佳