使用 summarise() 函数时出现标准偏差 NA答案

【问题标题】：Standard Deviation coming up NA when using summarise() function使用 summarise() 函数时出现标准偏差 NA
【发布时间】：2018-01-04 03:11:32
【问题描述】：

我正在尝试计算 RStudio 中出生体重数据集 (birthwt) 的描述性统计数据。但是，我只对几个变量感兴趣：age、ftv、ptl 和 lwt。

这是我目前的代码：

library(MASS)
library(dplyr)
data("birthwt")

grouped <- group_by(birthwt, age, ftv, ptl, lwt)

summarise(grouped, 
          mean = mean(bwt),
          median = median(bwt),
          SD = sd(bwt))

它给了我一张印刷精美的表格，但只有有限数量的 SD 被填满，其余的说 NA。我只是不知道为什么或如何解决它！

【问题讨论】：

代码中的哪个位置？
原因是大多数情况下您只有一个观察值，即grouped %>% summarise(n = n()) 和sd 需要多个观察值，否则返回 NaN
对不起，我不明白！
可以查看?sd写成The standard deviation of a length-one vector is NA.部分组的元素个数为1。

标签： r dplyr standard-deviation

【解决方案1】：

我偶然发现这里还有另一个原因，对我来说，答案来自docs：

# BEWARE: reusing variables may lead to unexpected results
mtcars %>%
    group_by(cyl) %>%
    summarise(disp = mean(disp), sd = sd(disp))
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 3 x 3
#>     cyl  disp    sd
#>   <dbl> <dbl> <dbl>
#> 1     4  105.    NA
#> 2     6  183.    NA
#> 3     8  353.    NA

所以，如果有人和我有同样的原因，不要重复使用变量，而是创建新变量：

mtcars %>%
group_by(cyl) %>%
summarise(
    disp_mean = mean(disp),
    disp_sd = sd(disp)
)

`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 3 x 3
    cyl disp_mean disp_sd
  <dbl>     <dbl>   <dbl>
1     4      105.    26.9
2     6      183.    41.6
3     8      353.    67.8

【讨论】：

【解决方案2】：

某些组的行数为 1。

grouped %>% 
     summarise(n = n())
# A tibble: 179 x 5
# Groups: age, ftv, ptl [?]
#     age   ftv   ptl   lwt     n
#   <int> <int> <int> <int> <int>
# 1    14     0     0   135     1
# 2    14     0     1   101     1
# 3    14     2     0   100     1
# 4    15     0     0    98     1
# 5    15     0     0   110     1
# 6    15     0     0   115     1
# 7    16     0     0   110     1
# 8    16     0     0   112     1
# 9    16     0     0   135     2
#10    16     1     0    95     1

根据?sd，

长度为一的向量的标准差为 NA。

这导致sd 的NA 值只有一个元素

【讨论】：

如果我使用了 4 个变量，怎么只有一个元素？
@Angus 您按birthwt, age, ftv, ptl, lwt 分组，其中一些组只有一个组合。您可能需要重新访问要分组的变量。我认为这就是问题所在。看起来lwt 具有唯一值，可以在分组中省略
所以我实际上无法获得那些 NA 的标准偏差值？
@Angus 没有 NA 值。只是每组只有一个观察值。如果您想将其更改为某些值，您可以使用if/else 条件，即summarise(grouped, mean=mean(bwt), median=median(bwt), SD= if(n()>1) sd(bwt) else 0)，但我不确定这是否有意义
虽然 n() > 1，但我遇到了同样的问题。我认为这是一个错误。