Calculer des statistiques basiques avec summarise en R

Dans le langage R, la fonction summarise (ou summarize) est un outil puissant pour effectuer des calculs statistiques sur des ensembles de données. Elle fait partie du package dplyr, qui est largement utilisé pour la manipulation de données. Cet article vous montrera comment utiliser summarise pour calculer des statistiques de base, comme la moyenne, la médiane, et l’écart type.

Installation et chargement du package dplyr

Avant de commencer, assurez-vous d’avoir installé le package dplyr. Vous pouvez l’installer avec la commande suivante :

install.packages("dplyr")

Ensuite, chargez le package :

library(dplyr)

Exemple de données

Pour illustrer l’utilisation de summarise, nous allons créer un petit jeu de données représentant les notes d’élèves dans une classe :

# Création d'un data frame
data <- data.frame(
  nom = c("Alice", "Bob", "Charlie", "David", "Eva"),
  note = c(85, 92, 78, 90, 88)
)

Utilisation de summarise

Nous allons maintenant utiliser summarise pour calculer quelques statistiques de base sur les notes des élèves. Voici comment faire :

# Calcul des statistiques de base
statistiques <- data %>%
  summarise(
    moyenne = mean(note),
    mediane = median(note),
    ecart_type = sd(note)
  )

print(statistiques)

Explication du code

  1. Création du data frame : Nous avons créé un data frame nommé data avec deux colonnes : nom et note.
  2. Utilisation de summarise :

    • Nous utilisons l’opérateur %>% (pipe) pour passer le data frame data à la fonction summarise.
    • À l’intérieur de summarise, nous calculons trois statistiques :
      • moyenne : la moyenne des notes avec mean(note).
      • mediane : la médiane des notes avec median(note).
      • ecart_type : l’écart type des notes avec sd(note).
  3. Affichage des résultats : Enfin, nous affichons le data frame statistiques qui contient nos résultats.

Résultat attendu

Lorsque vous exécutez le code ci-dessus, vous obtiendrez un résultat similaire à ceci :

  moyenne mediane ecart_type
1      86.6      88   5.066202

Cela signifie que la moyenne des notes est de 86.6, la médiane est de 88, et l’écart type est d’environ 5.07.

Conclusion

La fonction summarise de dplyr est un excellent moyen de calculer rapidement des statistiques de base sur vos données. Que ce soit pour des analyses simples ou pour des explorations plus complexes, summarise vous permet d’obtenir des résumés clairs et concis de vos ensembles de données. N’hésitez pas à l’utiliser dans vos propres projets pour simplifier vos analyses statistiques !