Exploratory の サマリ・ビュー で表示される項目一覧

関数の使用イメージ

column_summary(COLUMN1, COLUMN2, COLUMN3)

関数内では以下のような処理を行います。

1. 列のフィルタリング
2. Wide型からLong型に変換(gather)
3. グループ化
4. 集計演算

1. 列のフィルタリング

では、実際に関数を作成していきます。まずは関数の骨格を作成します。引数の一番初めにある dataは Exploratory で作成したデータフレームが自動的に入ってくるイメージで大丈夫です。この関数を使用するときには、データフレームを指定する必要性はありません。 また、... には、列名のリストが入ります。今回のケースでは、幾つでも列を指定してもいい、という関数の仕様にしているため、このような形式にしています。

column_summary <- function(data, ...){
   data
}

次に列のフィルタリングですが、select を使います。

column_summary <- function(data, ...){
   data %>% select(...)
}

一旦ここまでで、関数を作成して実行してみます。

「新規ステップを追加」をクリックし、

「カスタムRコマンド」をクリックします。

先ほど、作成した column_summary 関数を使用します。 ここではAIR_TIME, AIR_DELAY という数値型の列を指定します。

実行すると、以下のように二つの列に絞られていることがわかります。

テーブル・ビュー でも同様です。

2. Wide型からLong型に変換

各列の集計値を計算するために、列の値を行に変換します。 言葉だけではイメージしづらいと思うので以下の表をみてください。Wide型からLong型に変換後の表は、一つの行に列名とその値が入るように変換されます。

column_summary <- function(data, ...){
    data %>% select(...) %>%
             gather(列, 値)
}

3. グループ化

ここまでくれば、あとは簡単です。先ほど指定した 列 でグループ化します。

column_summary <- function(data, ...){
    data %>% select(...) %>%
             gather(列, 値) %>%
                         group_by(`列`)
}

4. 集計演算

最後に、グループ化したものに対して集計処理を施します。

column_summary <- function(data, ...){
    data %>% select(...) %>%
             gather(列, 値) %>%
             group_by(列) %>%
             # meanの前にある~(チルダ)は関数オブジェクト以外を渡す場合に必要
             summarize_all(
                 list(NA割合=~mean(is.na(.), na.rm=F),
                      最大値=max,
                      最小値=min,
                      中央値=median,
                      平均値=mean,
                      標準偏差=sd),
                 na.rm=T
             )
}

これで関数の完成です。以下のように関数を登録します。