So erstellen Sie schnell Pivot-Tabellen in R

In Excel bieten Pivot-Tabellen eine einfache Möglichkeit, Daten zu gruppieren und zusammenzufassen.

Wenn wir beispielsweise den folgenden Datensatz in Excel haben, können wir eine Pivot-Tabelle verwenden, um den Gesamtumsatz schnell nach Region zusammenzufassen:

Dies sagt uns:

• Region A hatte 51 Gesamtverkäufe
• Region B hatte 85 Gesamtverkäufe
• Region C hatte 140 Gesamtverkäufe

Oder wir könnten durch eine andere Metrik zusammenfassen, wie den durchschnittlichen Umsatz nach Region:

Es stellt sich heraus, dass wir schnell ähnliche Pivot-Tabellen in R unter Verwendung der group_by und summarize() mit dem dplyr-Paket erstellen können.

In diesem Tutorial finden Sie mehrere Beispiele dafür.

Beispiel: Erstellen von Pivot-Tabellen in R

Lassen Sie uns zunächst denselben Datensatz in R erstellen, den wir in den vorherigen Beispielen aus Excel verwendet haben:

#Dataframe erstellen
df <- data.frame(region=c('A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'C'),
                 device=c('X', 'X', 'Y', 'X', 'Y', 'Y', 'X', 'X', 'Y', 'Y'),
                 sales=c(12, 18, 21, 22, 34, 29, 38, 36, 34, 32))

#Dataframe anzeigen
df

   region device sales
1       A      X    12
2       A      X    18
3       A      Y    21
4       B      X    22
5       B      Y    34
6       B      Y    29
7       C      X    38
8       C      X    36
9       C      Y    34
10      C      Y    32

Als nächstes laden wir die dplyr Paket und verwenden die group_by() und summarize() Funktionen, um nach Regionen zu gruppieren und die Summe der Umsätze nach Regionen zu finden:

library(dplyr)

#Umsatzsumme nach Region ermitteln
df %>%
  group_by(region) %>% 
  summarize(sum_sales = sum(sales))

# A tibble: 3 x 2
  region sum_sales

1 A             51
2 B             85
3 C            140

Wir können sehen, dass diese Zahlen mit den Zahlen im einführenden Excel-Beispiel übereinstimmen.

Wir können auch den durchschnittlichen Umsatz nach Regionen berechnen:

#Durchschnittsverkäufe nach Region ermitteln
df %>%
  group_by(region) %>% 
  summarize(mean_sales = mean(sales))

# A tibble: 3 x 2
  region  mean_sales

1 A             17  
2 B             28.3
3 C             35  

Diese Zahlen stimmen wiederum mit den Zahlen aus dem Excel-Beispiel von vorhin überein.

Beachten Sie, dass wir auch nach mehreren Variablen gruppieren können. Zum Beispiel könnten wir die Summe der Verkäufe gruppiert nach Region und Gerätetyp ermitteln:

#Umsatzsumme nach Region und Gerätetyp ermitteln
df %>%
  group_by(region, device) %>% 
  summarize(sum_sales = sum(sales))

# A tibble: 6 x 3
# Groups:   region [3]
  region device sum_sales

1 A      X             30
2 A      Y             21
3 B      X             22
4 B      Y             63
5 C      X             74
6 C      Y             66  

Zusätzliche Ressourcen

So führen Sie einen SVERWEIS (ähnlich wie Excel) in R . durch
Die vollständige Anleitung: So gruppieren und fassen Sie Daten in R . zusammen