Ringkasan yang Dikelompokkan pada Transformasi Data

library(tidyverse)

## Warning: package 'tidyverse' was built under R version 4.2.2

## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.3.6      ✔ purrr   0.3.5 
## ✔ tibble  3.1.8      ✔ dplyr   1.0.10
## ✔ tidyr   1.2.1      ✔ stringr 1.4.1 
## ✔ readr   2.1.4      ✔ forcats 0.5.2

## Warning: package 'readr' was built under R version 4.2.3

## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()

library(nycflights13)

## Warning: package 'nycflights13' was built under R version 4.2.3

library(Lahman)

## Warning: package 'Lahman' was built under R version 4.2.3

Ringkasan yang Dikelompokkan pada Transformasi Data

Misalkan kita ingin membuat tabel data yang memeringkat pabrikan mpgmenurut jarak tempuh bahan bakar rata-rata untuk setiap pabrikan. Ini akan memerlukan pengelompokan mobil berdasarkan manufacturernilai dan kemudian menghitung nilai rata-rata hwyuntuk setiap kelompok. Ini adalah contoh ringkasan yang dikelompokkan dan dilakukan dengan kombinasi fungsi group_bydan summarize. Begini cara melakukannya:

mpg %>%
  group_by(manufacturer) %>%
  summarize(average_highway_mileage = mean(hwy)) %>%
  arrange(desc(average_highway_mileage))

## # A tibble: 15 × 2
##    manufacturer average_highway_mileage
##    <chr>                          <dbl>
##  1 honda                           32.6
##  2 volkswagen                      29.2
##  3 hyundai                         26.9
##  4 audi                            26.4
##  5 pontiac                         26.4
##  6 subaru                          25.6
##  7 toyota                          24.9
##  8 nissan                          24.6
##  9 chevrolet                       21.9
## 10 ford                            19.4
## 11 mercury                         18  
## 12 dodge                           17.9
## 13 jeep                            17.6
## 14 lincoln                         17  
## 15 land rover                      16.5

Beberapa catatan:

• group_bydan summarizeselalu digunakan bersama.

• summarizebekerja mirip dengan mutatemembuat kolom baru dengan nama yang diberikan pengguna ( average_highway_mileagedi atas).

• meanadalah fungsi bawaan yang menghitung hwynilai rata-rata di setiap grup.

• Tabel data yang ditampilkan hanya akan menampilkan kolom yang dikelompokkan dan kolom ringkasan yang dihitung.

Anda juga dapat mengelompokkan berdasarkan lebih dari satu variabel. Misalkan kita ingin memberi peringkat jarak tempuh bahan bakar jalan raya berdasarkan pabrikan dan model:

mpg %>%
  group_by(manufacturer, model) %>%
  summarize(average_highway_mileage = mean(hwy)) %>%
  arrange(desc(average_highway_mileage))

## `summarise()` has grouped output by 'manufacturer'. You can override using the
## `.groups` argument.

## # A tibble: 38 × 3
## # Groups:   manufacturer [15]
##    manufacturer model        average_highway_mileage
##    <chr>        <chr>                          <dbl>
##  1 toyota       corolla                         34  
##  2 volkswagen   new beetle                      32.8
##  3 honda        civic                           32.6
##  4 volkswagen   jetta                           29.1
##  5 nissan       altima                          28.7
##  6 audi         a4                              28.3
##  7 toyota       camry                           28.3
##  8 toyota       camry solara                    28.1
##  9 hyundai      sonata                          27.7
## 10 chevrolet    malibu                          27.6
## # … with 28 more rows

meanhanyalah salah satu contoh ringkasan statistik yang dapat digunakan di dalam summarize. Berikut adalah beberapa yang lebih umum:

Ada banyak orang lain juga. Sangat mungkin untuk menghitung lebih dari satu statistik ringkasan dalam satu summarizepanggilan. Nyatanya, setiap kali Anda menghitung nilai rata-rata, sebaiknya hitung juga hitungannya. Ini karena membandingkan rata-rata benar-benar hanya sesuai ketika kelompok memiliki jumlah pengamatan yang kira-kira sama. Jika kita melakukan ini untuk contoh jarak tempuh jalan raya rata-rata di atas, kita mendapatkan:

mpg %>%
  group_by(manufacturer) %>%
  summarize(average_highway_mileage = mean(hwy),
            count = n()) %>%
  arrange(desc(average_highway_mileage))

## # A tibble: 15 × 3
##    manufacturer average_highway_mileage count
##    <chr>                          <dbl> <int>
##  1 honda                           32.6     9
##  2 volkswagen                      29.2    27
##  3 hyundai                         26.9    14
##  4 audi                            26.4    18
##  5 pontiac                         26.4     5
##  6 subaru                          25.6    14
##  7 toyota                          24.9    34
##  8 nissan                          24.6    13
##  9 chevrolet                       21.9    19
## 10 ford                            19.4    25
## 11 mercury                         18       4
## 12 dodge                           17.9    37
## 13 jeep                            17.6     8
## 14 lincoln                         17       3
## 15 land rover                      16.5     4

Oleh karena itu kami ingin menahan diri untuk tidak menyatakan bahwa Pontiac memiliki efisiensi bahan bakar yang lebih baik daripada Toyota karena Pontiac relatif kurang terwakili dalam kumpulan data.