生成因子变量水平上的汇总统计数据(均值、std、min/max、# obs)

Question

如何计算连续变量在因子(分类)变量水平上的统计量(平均、最小/最大、#)？

例如，如果GPA是连续变量，而等级是第9、10、11和12级的范畴变量，那么有命令推荐吗？

Answer 1

您可以使用dplyr手动生成描述符，也可以使用describeBy或tapply自动打印表。

library(tidyverse)
library(psych)
data(iris)

## dplyr from zephryl's comment
iris %>% 
  group_by(Species) %>% 
  summarize(across(Sepal.Length, list(mean = mean, min = min, max = max), n = n()))
#> # A tibble: 3 × 4
#>   Species    Sepal.Length_mean Sepal.Length_min Sepal.Length_max
#>   <fct>                  <dbl>            <dbl>            <dbl>
#> 1 setosa                  5.01              4.3               50
#> 2 versicolor              5.94              4.9               50
#> 3 virginica               6.59              4.9               50

## tapply
tapply(iris$Sepal.Length, iris$Species, summary)
#> $setosa
#>    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#>   4.300   4.800   5.000   5.006   5.200   5.800 
#> 
#> $versicolor
#>    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#>   4.900   5.600   5.900   5.936   6.300   7.000 
#> 
#> $virginica
#>    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#>   4.900   6.225   6.500   6.588   6.900   7.900

## psych
describeBy(iris$Sepal.Length, iris$Species)
#> 
#>  Descriptive statistics by group 
#> group: setosa
#>    vars  n mean   sd median trimmed mad min max range skew kurtosis   se
#> X1    1 50 5.01 0.35      5       5 0.3 4.3 5.8   1.5 0.11    -0.45 0.05
#> ------------------------------------------------------------ 
#> group: versicolor
#>    vars  n mean   sd median trimmed  mad min max range skew kurtosis   se
#> X1    1 50 5.94 0.52    5.9    5.94 0.52 4.9   7   2.1  0.1    -0.69 0.07
#> ------------------------------------------------------------ 
#> group: virginica
#>    vars  n mean   sd median trimmed  mad min max range skew kurtosis   se
#> X1    1 50 6.59 0.64    6.5    6.57 0.59 4.9 7.9     3 0.11     -0.2 0.09