15  Sumarizace proměnných

Sumarizace proměnncých je prováděně velmi podobně jako jejich transformace, slouží k ní ale funkce summarise(). Pokud jste si již osvojili funkci mutate() z předchozí kapitoly, budete i zde jako doma.

15.1 Jednoduchá sumarizace

Jak již bylo zmíněno, základní aplikace summarise() je velmi podobná transformaci proměnných. Výpočet průměru a směrodatné odchylky průměrné naděje na dožití je tedy jednodochý. V rámci summarise() je možné aplikovat nejen klasické funkce jako jsou mean() nebo sd(), ale i základní matematické operace. Stejně tak je možné i používat i funkce vnořené. Toho využijme pro výpočet průměrné absolutní odchylky (mean absolute deviation), alternativy ke směrodatné odchylce:

countries %>% 
  summarise(mean = mean(life_exp, na.rm = TRUE),
            sd   = sd(life_exp, na.rm = TRUE),
            mae  = mean(abs(life_exp - mean(life_exp, na.rm = TRUE)), na.rm = TRUE))

# A tibble: 1 × 3
   mean    sd   mae
  <dbl> <dbl> <dbl>
1  79.6  2.82  2.58

Průměrná naděje na dožití v našem datasetu je 79.6 let, se směrodatnou odchylkou 2.8 roku a průměrnou absolutní odchylkou 2.6 roku. Protože naději na dožití některých zemí neznáme, je nutné využít na.rm = TRUE pro odstranění chybějících hodnot (viz Sekce 6.2).

15.2 Sumarizace po skupinách

Funkci summarise() lze jako mnoho již představených kombinovat s funkcí group_by() pro skupinovou analýzu. Pro získání průměru, směrodatné odchylky a průměrné absolutní odchylky naděje na dožití postsovětských a západních zemí:

countries %>% 
  group_by(postsoviet) %>% 
  summarise(mean = mean(life_exp, na.rm = TRUE),
            sd   = sd(life_exp, na.rm = TRUE),
            mae  = mean(abs(life_exp - mean(life_exp, na.rm = TRUE)), na.rm = TRUE))

# A tibble: 2 × 4
  postsoviet  mean    sd   mae
  <chr>      <dbl> <dbl> <dbl>
1 no          81.4  1.76  1.06
2 yes         77.1  1.97  1.57

Postsovětské země mají v průměru nižší naději na dožití, než ty západní, jsou ale také mezi nimi větší rozdíly, což je možné vidět jak na základě směrodatné, tak absolutní odchylky.