Разведка и агрегирование

R был создан в первую очередь как статистическая среда, поэтому он предоставляет множество встроенных функций для анализа, обобщения и понимания распределения данных в векторах или таблицах.

Основные статистические функции

R позволяет легко вычислить основные меры центра и разброса числовых векторов:

• mean(x): вычисляет среднее арифметическое значение элементов.
• median(x): вычисляет медиану (среднее значение).
• sd(x): вычисляет стандартное отклонение (показатель того, насколько разбросаны данные).
• min(x) и max(x): возвращают минимальное и максимальное значения соответственно.

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

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

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

Обработка недостающих данных (NA)

В реальном мире наборы данных часто содержат пропущенные значения, представленные в R специальным объектом NA (недоступно).

Если вы попытаетесь вычислить среднее значение или любой другой агрегат для вектора, который содержит хотя бы один NA, R вернет в качестве результата NA. Чтобы игнорировать пропущенные значения, необходимо передать логический аргумент na.rm = TRUE (удаление NA):

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))

Глобальная сводка с summary()

Функция summary() — это мощный инструмент, который обеспечивает полный статистический обзор вектора или всего фрейма данных, показывая минимум, первый квартиль, медиану, среднее значение, третий квартиль и максимум:

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

Агрегирование данных с помощью aggregate

При работе с фреймами данных обычно рассчитывают сводную статистику (например, среднее или сумму) для определенных групп или категорий. Функция aggregate() в R упрощает этот процесс:

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)

Синтаксис salary ~ department означает «анализировать переменную salary на основе переменной department». Аргумент FUN = mean указывает, что мы хотим вычислить среднее арифметическое для каждой группы.

Расширенная фильтрация с помощью subset

Функция subset() предоставляет интуитивно понятный и элегантный способ извлечения подмножеств строк и столбцов из фрейма данных, избегая использования сложных квадратных скобок:

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)

Попробуйте сами