الاستكشاف والتجميع

تم إنشاء R في المقام الأول كبيئة إحصائية، لذلك فهو يوفر العديد من الوظائف المضمنة لتحليل وتلخيص وفهم توزيع البيانات في المتجهات أو الجداول.

الوظائف الإحصائية الأساسية

يتيح لك R حساب المقاييس الرئيسية للمركز بسهولة والانتشار على المتجهات الرقمية:

• mean(x): حساب الوسط الحسابي للعناصر.
• median(x): حساب الوسيط (القيمة الوسطى).
• sd(x): حساب الانحراف المعياري (مقياس لمدى انتشار البيانات).
• min(x) و max(x): إرجاع الحد الأدنى والحد الأقصى للقيم على التوالي.

values <- c(10, 12, 15, 18, 20, 22)

avg <- mean(values)
dispersion <- sd(values)

cat("Mean:", avg, "- Std Dev:", round(dispersion, 2), "\n")

التعامل مع البيانات المفقودة (NA)

في العالم الحقيقي، غالبًا ما تحتوي مجموعات البيانات على قيم مفقودة، ممثلة في R بواسطة الكيان الخاص NA (غير متوفر).

إذا حاولت حساب المتوسط ​​أو أي تجميع آخر على متجه يحتوي حتى على NA واحد، فسوف يُرجع R NA كنتيجة. لتجاهل القيم المفقودة، يجب عليك تمرير الوسيطة المنطقية na.rm = TRUE (إزالة غير متاحة):

temperatures <- c(18, 21, NA, 24, 19)

# This will return NA
print(mean(temperatures))

# This will ignore the NA and perform the calculation on valid values
print(mean(temperatures, na.rm = TRUE))

ملخص عالمي مع summary()

تعد الدالة summary() أداة قوية توفر نظرة عامة إحصائية كاملة لمتجه أو إطار بيانات كامل، حيث تعرض الحد الأدنى والربيع الأول والوسيط والمتوسط ​​والربيع الثالث والحد الأقصى:

prices <- c(5, 10, 15, 20, 100)
print(summary(prices))

تجميع البيانات باستخدام aggregate

عند العمل باستخدام إطارات البيانات، من الشائع حساب إحصائيات التلخيص (مثل المتوسط ​​أو المجموع) لمجموعات أو فئات محددة. تعمل الدالة aggregate() في R على تبسيط هذه العملية:

df <- data.frame(
  department = c("HR", "IT", "HR", "IT"),
  salary = c(3000, 4500, 3200, 4800)
)

# Calcola la media dei salari per dipartimento
avg_salaries <- aggregate(salary ~ department, data = df, FUN = mean)
print(avg_salaries)

بناء الجملة salary ~ department يعني "تحليل المتغير salary بناءً على المتغير department". تحدد الوسيطة FUN = mean أننا نريد حساب المتوسط ​​الحسابي لكل مجموعة.

التصفية المتقدمة باستخدام subset

توفر الدالة subset() طريقة بديهية وأنيقة لاستخراج مجموعات فرعية من الصفوف والأعمدة من إطار البيانات، مع تجنب استخدام الأقواس المربعة المعقدة:

employees <- data.frame(
  name = c("Alice", "Bob", "Charlie"),
  age = c(25, 34, 29),
  active = c(TRUE, FALSE, TRUE)
)

# Filtra solo i dipendenti attivi con età superiore a 28
active_employees <- subset(employees, active == TRUE & age > 28)

جربه بنفسك