dplyr::summarise

dplyr::summarise は、tidyverse コレクションの dplyr パッケージに含まれる関数で、データフレームのサブセットに対する統計の集約や要約を行うために使用される。

クイックリファレンス

library(tidyverse)

df %>%
  group_by(col1, col2, ...) %>%
  summarise(
    mean_value = mean(numeric_column),
    std_value = sd(numeric_column),
    n = n(),
  )

penguins %>%
  group_by(species) %>%
  summarise(
    avg_body_mass = mean(body_mass_g, na.rm = TRUE),
    n = n(),
  )

# # A tibble: 3 × 3
#   species   avg_body_mass     n
#   <fct>             <dbl> <int>
# 1 Adelie            3701.   152
# 2 Chinstrap         3733.    68
# 3 Gentoo            5076.   124

基本構文

summarise(
  .data,
  ...,
  .by = NULL,
  .groups = c("drop_last", "drop", "keep", "rowwise")
)

引数	説明
.data	データフレーム（または tibble）。
...	計算する要約統計の式。
.by = NULL	グループ化したい列を指定する。<tidy-select> も指定可能。
.groups = "drop_last"	グループ化されたデータフレームでのグループ処理の方式。
	"drop_last" - グループの最後のレベルを解除する。
	"drop" - グループを解除する。
	"keep" - グループを維持する
	"rowwise" - 各行を独自のグループとする。

使用例

1. グループ集計

penguins %>%
  group_by(species, island) %>%
  summarise(
    avg_body_mass = mean(body_mass_g, na.rm = TRUE),
    n = n(),
  )

# # A tibble: 5 × 4
# # Groups:   species [3]
#   species   island    avg_body_mass     n
#   <fct>     <fct>             <dbl> <int>
# 1 Adelie    Biscoe            3710.    44
# 2 Adelie    Dream             3688.    56
# 3 Adelie    Torgersen         3706.    52
# 4 Chinstrap Dream             3733.    68
# 5 Gentoo    Biscoe            5076.   124

.by パラメータを使用すると、dplyr::group_by を省略できる。これは、dplyr::group_by → dplyr::summarise → dplyr::ungroup と同じ動作である。

penguins %>%
  summarise(
    avg_body_mass = mean(body_mass_g, na.rm = TRUE),
    n = n(),
    .by = c("species", "island")
  )

# # A tibble: 5 × 4
#   species   island    avg_body_mass     n
#   <fct>     <fct>             <dbl> <int>
# 1 Adelie    Torgersen         3706.    52
# 2 Adelie    Biscoe            3710.    44
# 3 Adelie    Dream             3688.    56
# 4 Gentoo    Biscoe            5076.   124
# 5 Chinstrap Dream             3733.    68

penguins %>%
  group_by(species, island) %>%
  summarise(
    avg_body_mass = mean(body_mass_g, na.rm = TRUE),
    n = n(),
  ) %>%
  ungroup()

# # A tibble: 5 × 4
#   species   island    avg_body_mass     n
#   <fct>     <fct>             <dbl> <int>
# 1 Adelie    Torgersen         3706.    52
# 2 Adelie    Biscoe            3710.    44
# 3 Adelie    Dream             3688.    56
# 4 Gentoo    Biscoe            5076.   124
# 5 Chinstrap Dream             3733.    68

2. 単一の列に対する要約統計

penguins %>%
  summarise(
    mean = mean(body_mass_g, na.rm = TRUE),
    sd = sd(body_mass_g, na.rm = TRUE),
    n = n(),
    n_distinct = n_distinct(body_mass_g, na.rm = TRUE),
    min = min(body_mass_g, na.rm = TRUE),
    q1 = quantile(body_mass_g, 0.25, na.rm = TRUE),
    median = median(body_mass_g, na.rm = TRUE),
    q3 = quantile(body_mass_g, 0.75, na.rm = TRUE),
    max = max(body_mass_g, na.rm = TRUE),
  )

# # A tibble: 1 × 9
#    mean    sd     n n_distinct   min    q1 median    q3   max
#   <dbl> <dbl> <int>      <int> <int> <dbl>  <dbl> <dbl> <int>
# 1 4202.  802.   344         94  2700  3550   4050  4750  6300