Agrupar e resumir

O que o bloco faz

data/group_summarise calcula uma ou mais medidas sobre a tabela. Com grupos, produz uma linha para cada combinação distinta das colunas escolhidas. Com Agrupar por vazio, produz uma linha para a tabela inteira.

Cada medida ocupa uma coluna da saída, junto das colunas usadas para formar os grupos. O resultado é uma tabela comum, pronta para visualização, junção ou gravação.

Quando usar

Use Agrupar e resumir quando a pergunta pede uma medida por categoria ou para a tabela inteira. No exemplo, a média mensal de Ozone compara meses e considera somente os dias medidos.

mean() calcula a média, median() a mediana, sum() o total, sd() o desvio padrão, min() e max() os extremos. dplyr::n() conta linhas e dplyr::n_distinct() conta valores diferentes.

Antes de continuar

O campo Agrupar por define quais observações são comparadas. Neste exemplo, Month forma uma linha para cada mês observado. Sem grupos, o bloco calcula as mesmas medidas para a tabela inteira. Nome e Resumo correspondem pela posição.

Configuração

Agrupar por (by) lista os campos de agrupamento. Nome (name) e Resumo (expr) são listas correspondentes por posição; deixe by vazio para uma linha de resumo da tabela toda.

Exemplo

library(trama)

reg <- tr_registry()
tr_use("trama.data", registry = reg)

tr_flow(reg) |>
  tr_add("ar", "data/example", dataset = "airquality") |>
  tr_add("mensal", "data/group_summarise", by = "Month",
         name = "ozonio_medio, dias",
         expr = "mean(Ozone, na.rm = TRUE), dplyr::n()", from = "ar")

A tabela resultante tem cinco linhas, uma por mês de airquality, com a média de Ozone entre os dias medidos e o total de dias registrados naquele mês.

Como interpretar

A média, os extremos e a contagem aparecem em colunas separadas. O grupo é Month, codificado de 5 a 9 no conjunto airquality; ele representa o mês no ano de 1973.

na.rm = TRUE calcula a média de Ozone apenas para os dias medidos; a coluna dias inclui também os dias sem medição. Os dois resultados têm denominadores diferentes, então dias não é a contagem usada pela média.