Eksploracja i Agregacja

R powstał głównie jako środowisko statystyczne, w związku z czym udostępnia liczne wbudowane funkcje do analizowania, podsumowywania i rozumienia rozkładu danych w wektorach lub tabelach.

Podstawowe Funkcje Statystyczne

R pozwala z łatwością obliczać główne wskaźniki położenia i zmienności na wektorach liczbowych:

• mean(x): Oblicza średnią arytmetyczną elementów.
• median(x): Oblicza medianę (wartość środkową).
• sd(x): Oblicza odchylenie standardowe (miarę rozproszenia danych).
• min(x) i max(x): Zwracają odpowiednio wartość minimalną i maksymalną.

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

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

cat("Średnia:", avg, "- Odch. std:", round(dispersion, 2), "\n")

Obsługa Brakujących Danych (NA)

W rzeczywistym świecie zestawy danych często zawierają brakujące wartości, reprezentowane w R przez specjalną wartość NA (Not Available).

Jeśli spróbujesz obliczyć średnią lub jakikolwiek inny agregat na wektorze, który zawiera chociażby jedną wartość NA, R zwróci NA jako wynik. Aby zignorować brakujące wartości, musisz przekazać argument logiczny na.rm = TRUE (NA remove):

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

# To zwróci NA
print(mean(temperatures))

# To zignoruje NA i wykona obliczenia na poprawnych wartościach
print(mean(temperatures, na.rm = TRUE))

Globalne Podsumowanie za Pomocą summary()

Funkcja summary() to potężne narzędzie, które zapewnia kompletny przegląd statystyczny wektora lub całej ramki danych (Data Frame), pokazując minimum, pierwszy kwartyl, medianę, średnią, trzeci kwartyl oraz maksimum:

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

Agregacja Danych z aggregate

Podczas pracy z ramkami danych często chcemy obliczyć statystyki podsumowujące (takie jak średnia lub suma) dla grup lub kategorii. Funkcja aggregate() w R upraszcza ten proces:

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

# Oblicza średnią pensję dla każdego działu
avg_salaries <- aggregate(salary ~ department, data = df, FUN = mean)
print(avg_salaries)

Składnia salary ~ department oznacza „analizuj zmienną salary w zależności od zmiennej department”. Argument FUN = mean określa, że chcemy obliczyć średnią arytmetyczną dla każdej grupy.

Zaawansowane Filtrowanie z subset

Funkcja subset() zapewnia intuicyjny i elegancki sposób wyodrębniania podzbiorów wierszy i kolumn z ramki danych, unikając stosowania skomplikowanych nawiasów kwadratowych:

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

# Filtruje tylko aktywnych pracowników w wieku powyżej 28 lat
active_employees <- subset(employees, active == TRUE & age > 28)

Spróbuj sam