Groeperen en samenvatten

Casestudy: Exploratory Data Analysis in R

Dave Robinson

Chief Data Scientist, DataCamp

Verwerkte stemmen

votes_processed

# A tibble: 353,547 × 6
    rcid session  vote ccode  year            country
   <dbl>   <dbl> <dbl> <int> <dbl>              <chr>
1     46       2     1     2  1947      United States
2     46       2     1    20  1947             Canada
3     46       2     1    40  1947               Cuba
4     46       2     1    41  1947              Haiti
5     46       2     1    42  1947 Dominican Republic
6     46       2     1    70  1947             Mexico
7     46       2     1    90  1947          Guatemala
8     46       2     1    91  1947           Honduras
9     46       2     1    92  1947        El Salvador
10    46       2     1    93  1947          Nicaragua
# ... with 353,537 more rows

“% ja-stemmen” als samenvatting gebruiken

1-2.004.png

dplyr-werkwoord: summarize

summarize() maakt van veel rijen één

1-2.005.png

dplyr-werkwoorden: summarize

votes_processed %>%
  summarize(total = n())

# A tibble: 1 × 1
   total
   <int>
1 353547

dplyr-werkwoorden: summarize

votes_processed %>%
  summarize(total = n(),
              percent_yes = mean(vote == 1))

# A tibble: 1 × 2
   total percent_yes
   <int>       <dbl>
1 353547   0.7999248

mean(vote == 1) berekent het “percentage stemmen gelijk aan 1”

dplyr-werkwoord: group_by

summarize() maakt van veel rijen één
group_by() vóór summarize() maakt per groep één rij

1-2.014.png

dplyr-werkwoorden: group_by

votes_processed %>%
  group_by(year) %>%
  summarize(total = n(),
              percent_yes = mean(vote == 1))

# A tibble: 34 × 3
    year total percent_yes
   <dbl> <int>       <dbl>
1   1947  2039   0.5693968
2   1949  3469   0.4375901
3   1951  1434   0.5850767
4   1953  1537   0.6317502
5   1955  2169   0.6947902
6   1957  2708   0.6085672
7   1959  4326   0.5880721
8   1961  7482   0.5729751
9   1963  3308   0.7294438
10  1965  4382   0.7078959
# ... with 24 more rows

Laten we oefenen!

Casestudy: Exploratory Data Analysis in R