Python 中的 Pandas 有一个 describe() 函数,它返回数据帧的摘要统计信息。输出不是“整洁”的格式,无法使用 tidyverse summarise 函数进行简单操作,但它是一种很好的演示格式。我的问题是如何在 R 中重现此输出?
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
'''
为了在 R 中重现此输出,我使用了基本 R 摘要函数。不幸的是,输出在每一列上都重复了统计标签。为了删除标签,我将表格整理成数据框,并使用正则表达式删除标签!比我预想的要付出更多的努力。如果 R 中有一种更干净、更简单的方法,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 和汇总函数生成相同的值,但所有内容都在一行上,而不是与按行汇总的每列的统计数据一起排列。这使得阅读和呈现变得相当困难。
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 package 于 2022 年 3 月 12 日创建(v2.0.1)
最佳答案
您可以将 do.call()
与 rind()
和 lapply()
结合起来,以获得整洁的 summary 格式()
。 t()
转置输出。
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 package 于 2022 年 3 月 12 日创建(v2.0.1)
关于r - 如何返回 R 中数据帧每列按行排列的多个标准统计数据的 'untidy' 数据帧摘要?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/71447535/