[R 프로그래밍] 데이터 가공 - 그룹 별로 나눠서 요약 정보 보기 group_by(), summarise() (dplyr)

#group_by()

#데이터를 그룹 별로 묶기

#데이터에서 특정 컬럼을 지정해서 그룹 별로 묶을 수 있다.

#dataSample에서 class 별로 묶기

dataSample %>% group_by(class)

> exam %>% group_by(class) # A tibble: 20 x 5 # Groups:   class [5]       id class  math english science    <int> <int> <int>   <int>   <int>  1     1     1    50      98      50  2     2     1    60      97      60  3     3     1    45      86      78  4     4     1    30      98      58  5     5     2    25      80      65 ... -> A ttible : 데이터가 5열, 20행으로 이루어졌다는 것을 표시 -> Group : class별 그룹이 5개가 생긴다. 그룹을 나눠서 보여주지는 않지만... group_by()는 출력한 결과를 tibble형태로 만든다. tibble 데이터 프레임에 기능이 더 추가됨.

#summarise()

#요약한 통계랑 보여주기

dataSample %>% summarise(mean(math))

> dataSample %>% summarise(mean(math))   mean(math) 1      57.45

#summarise에서 변수를 지정하면, 요약된 값을 보여줄 때, 해당 변수 이름으로 보여준다.

dataSample %>% summarise(mean_math=mean(math))

> dataSample %>% summarise(mean_math=mean(math))   mean_math 1     57.45

#그룹 별로 묶어서 해당 그룹의 특정 컬럼 평균 보기

#반 별로 묶어서 수학 점수 평균 보기

dataSample %>% 

group_by(class) %>%

summarise (math_mean = mean(math))

> dataSample %>% +   group_by(class) %>% +   summarise(mean_math = mean(math)) # A tibble: 5 x 2   class mean_math   <int>     <dbl> 1     1      46.2 2     2      61.2 3     3      45   4     4      56.8 5     5      78

#group_by()그룹 안에 그룹 나누기

#콤마로 그룹 안의 그룹을 생성해서 데이터를 볼 수 있다.

#class가 1반인 사람들 중, science_test가 Pass와 fail인 학생으로 구분

exam_new %>% 

  group_by(class, science_test) %>%

  summarise(mean(science),median(science),n())

> #class가 1반인 사람들 중, science_test가 Pass와 fail인 학생으로 구분하고 science의 평균값과 중간값 구하기 > exam_new %>%  +   group_by(class, science_test) %>% +   summarise(mean(science),median(science),n()) # A tibble: 10 x 5 # Groups:   class [?]    class science_test `mean(science)` `median(science)` `n()`    <int> <chr>                  <dbl>             <dbl> <int>  1     1 fail                    56                58       3  2     1 pass                    78                78       1  3     2 fail                    35                35       2  4     2 pass                    81.5              81.5     2  5     3 fail                    30.7              32       3  6     3 pass                    65                65       1  7     4 fail                    12                12       1  8     4 pass                    69.3              65       3  9     5 fail                    58                58       1 10     5 pass                    91.7              90       3

#summarise의 요약 통계량 함수 

#()안에 평균을 구할 컬럼 입력

mean() 평균

sd() 표준편차

sum() 합계

median() 중간값

min() 최소값

max() 최대값

#그 외 summarise에서 사용할 수 있는 함수

n() 행(row)의 개수를 세는 것으로 ()안에 아무것도 입력하지 않음

summary()와 summarise() #summarise는%>%로 어떤 함수를 쓸 것인지 조건 필요 > summarise(exam) data frame with 0 columns and 0 rows > summary(exam)        id            class        math          english        science       Min.   : 1.00   Min.   :1   Min.   :20.00   Min.   :56.0   Min.   :12.00    1st Qu.: 5.75   1st Qu.:2   1st Qu.:45.75   1st Qu.:78.0   1st Qu.:45.00    Median :10.50   Median :3   Median :54.00   Median :86.5   Median :62.50    Mean   :10.50   Mean   :3   Mean   :57.45   Mean   :84.9   Mean   :59.45    3rd Qu.:15.25   3rd Qu.:4   3rd Qu.:75.75   3rd Qu.:98.0   3rd Qu.:78.00    Max.   :20.00   Max.   :5   Max.   :90.00   Max.   :98.0   Max.   :98.00      #summarise를 사용하면 다음과 같이 그룹 별 데이터를 나눠서 볼 수 있다. > #class 별로 묶어서 수학 점수의 평균, 합계, 중간값, 최소값, 최대값, 표준편차, 각 class의 행 개수를 알아보자. > exam %>% +   group_by(class) %>% +   summarise(mean_math = mean(math), +             sum_math = sum(math), +             median_math = median(math), +             min_math = min(math), +             max_math = max(math), +             rowCount_math = n() +             ) # A tibble: 5 x 7   class mean_math sum_math median_math min_math max_math rowCount_math   <int>     <dbl>    <int>       <dbl>    <dbl>    <dbl>         <int> 1     1      46.2      185        47.5       30       60             4 2     2      61.2      245        65         25       90             4 3     3      45        180        47.5       20       65             4 4     4      56.8      227        53         46       75             4 5     5      78        312        79         65       89             4  #summary를 사용하면 그냥 현재 보이는 전체 테이블 기준으로 각 행의 통계값을 계산해준다. #즉, math 전체의 통계는 보여주지만, group_by로 class를 나누라고 해도 class 별로 수학 평균을 보여주지는 않는다. > summary(exam %>% group_by(class))        id            class        math          english        science       Min.   : 1.00   Min.   :1   Min.   :20.00   Min.   :56.0   Min.   :12.00    1st Qu.: 5.75   1st Qu.:2   1st Qu.:45.75   1st Qu.:78.0   1st Qu.:45.00    Median :10.50   Median :3   Median :54.00   Median :86.5   Median :62.50    Mean   :10.50   Mean   :3   Mean   :57.45   Mean   :84.9   Mean   :59.45    3rd Qu.:15.25   3rd Qu.:4   3rd Qu.:75.75   3rd Qu.:98.0   3rd Qu.:78.00    Max.   :20.00   Max.   :5   Max.   :90.00   Max.   :98.0   Max.   :98.00    #dplyr패키지의 다양한 함수 조합하기 #class 별로 과학 시험에서 패스한 사람들의 전체 과목 점수(수학, 영어, 과학)의 반 별 평균 구해서 내림차순으로 정렬하고 1~3위까지 출력해보자. exam_new %>%   group_by(class) %>%   filter(science_test == "pass") %>%   mutate(total = (math+english+science)/3) %>%   summarise(mean_total = mean(total)) %>%   arrange(desc(mean_total)) %>%   head(3) # A tibble: 3 x 2   class mean_total   <int>      <dbl> 1     5       80.3 2     4       71   3     1       69.7  #어떤 서버에서 "마법사" 직업을 많이하는지 알아보자 #각 서버 별로 그룹 분리. #"마법사" 직업 수를 내림차순으로 정렬해서 출력하자 mpg %>%   group_by(server) %>%   filter (class == "wizard") %>%   summarise(wizard_count = n()) %>%   arrange(desc(wizard_count)) # A tibble: 5 x 2   server wizard_count   <chr>                <int> 1 korea                    1524 2 us              1423 3 japan                  1231 4 china                   423 5 taiwan                   231