R median() फ़ंक्शन: मध्य मान खोजें

माध्यिका (median) खोजना डेटा विश्लेषण का एक बुनियादी हिस्सा है, खासकर जब आप तिरछे वितरणों या outliers से जूझ रहे हों। 

R में, median() फ़ंक्शन केंद्रीय प्रवृत्ति के एक बहुत महत्वपूर्ण (non-parametric!) माप की गणना करने का सरल, बिल्ट-इन तरीका देता है। मैं आपको इसकी बारीकियाँ दिखाता/दिखाती हूँ:

R median() क्या करता है?

median() फ़ंक्शन आपके संख्यात्मक डेटा की जाँच करता है और (एक व्याख्या के अनुसार) केंद्रीय मान लौटाता है।

median(numeric_vector)संचालित द्वारा

यहाँ numeric_vector से आशय एक संख्यात्मक वेक्टर या उसके समान किसी ऑब्जेक्ट से है, जैसे कि डेटा फ़्रेम के भीतर एक कॉलम।

R median() का एक सरल उदाहरण

आइए इसे क्रिया में देखें। मान लें आपके पास संख्याओं का एक छोटा वेक्टर है:

sales_numbers <- c(3, 5, 8, 2, 7)

median(sales_numbers)संचालित द्वारा

R अपने-आप संख्याओं को (2, 3, 5, 7, 8) क्रम में लगाता है, फिर 5 लौटाता है। यही वह मान है जो ठीक बीच में बैठता है।

लेकिन अगर आपके वेक्टर में तत्वों की संख्या सम (even) हो, तो?

quarterly_sales <- c(10, 4, 7, 2)

median(quarterly_sales)संचालित द्वारा

यहाँ, R क्रम लगाकर (2, 4, 7, 10) बनाता है और फिर बीच के दो अंकों (4 और 7) का औसत निकालता है, जिससे 5.5 प्राप्त होता है।

यदि आपके डेटासेट में मानों की संख्या विषम (odd) है, तो यह सीधे बीच वाले मान को चुनता है। सम संख्या होने पर median() बीच के दो मानों का औसत निकालता है।

तो परदे के पीछे median() आपके लिए sorting कर देता है, जो काफी सुविधाजनक है।

median() के साथ NA मानों को संभालना

जैसे-जैसे आपके डेटासेट बड़े होते हैं, missing values मिलना आम है। यदि सावधानी न बरती जाए तो ये आपकी गणनाओं को बिगाड़ सकते हैं। डिफ़ॉल्ट रूप से, यदि आपके वेक्टर में कोई भी missing value मौजूद है, तो median() NA लौटाएगा। (कोई भी missing value हो तो।) आइए देखें यह कैसे होता है:

monthly_sales <- c(6, 3, NA, 9)

median(monthly_sales)संचालित द्वारा

ध्यान दें कि परिणाम NA आता है। इससे बचने के लिए, na.rm = TRUE आर्गुमेंट जोड़ें। यह R को बताता है कि माध्यिका निकालने से पहले missing values हटा दे:

median(monthly_sales, na.rm = TRUE)संचालित द्वारा

इस बार, आपको 6 मिलेगा (शेष मानों 3, 6, और 9 की माध्यिका)। NAs पर नज़र रखें, क्योंकि यदि आप इन्हें भूल जाएँ, तो ये चुपके से आपके डेटा में घुसकर विश्लेषण को बिगाड़ सकते हैं।

R में समूह अनुसार माध्यिका खोजना

आइए कुछ नया आज़माएँ: अलग-अलग समूहों के बीच माध्यिकाओं की तुलना करना।

एक सामान्य प्रश्न: यदि हम क्षेत्र के अनुसार median आय देखना चाहें तो? जैसे हमने साधारण वेक्टरों पर किया, R में यह आसान है, पर अब हमें पहले डेटा को समूहित करना होगा।

बेस R में एक तेज़ तरीका है tapply() से:

income_values <- c(40000, 50000, 45000, 35000, 60000, 30000)
region_labels <- c("East", "West", "West", "East", "East", "West")

tapply(income_values, region_labels, median)संचालित द्वारा

यह प्रत्येक क्षेत्र के लिए median आय की गणना करता है।

यदि आप dplyr पैकेज के साथ काम करना पसंद करते हैं, तो आप pipe-फ्रेंडली सिंटैक्स से वही परिणाम पा सकते हैं:

library(dplyr)

income_data <- data.frame(income = income_values, region = region_labels)

income_data %>%
   group_by(region) %>%
   summarise(median_income = median(income))संचालित द्वारा

यह तरीका एक सुव्यवस्थित सारणी देता है, जो प्रत्येक क्षेत्र की median आय सूचीबद्ध करता है।

ऐसी समूहित सारांश तालिकाएँ तब खास तौर पर उपयोगी होती हैं जब आप अपने डेटा में श्रेणियों के बीच केंद्रीय प्रवृत्तियों की तुलना करना चाहते हैं।

R में डेटा फ़्रेम कॉलम्स के लिए माध्यिका निकालना

कभी-कभी, आप एक साथ डेटा फ़्रेम के हर कॉलम की माध्यिका लेना चाहेंगे—शायद अपने डेटासेट के केंद्रीय मानों की त्वरित झलक के लिए। यहाँ मैं sapply() का उपयोग करूँगा/करूँगी।

test_scores <- data.frame(math = c(1, 2, 3), science = c(7, 8, 9))

sapply(test_scores, median)संचालित द्वारा

यह कमांड प्रत्येक कॉलम की माध्यिका लौटाता है, ताकि आप एक नज़र में रुझानों या outliers को पकड़ सकें। नया डेटा खोजते समय तेज़ ओवरव्यू पाने के लिए यह तकनीक खास तौर पर काम आती है।

ध्यान रखने योग्य बातें

समाप्त करने से पहले, median() के साथ सुगमता से काम करने के लिए कुछ सामान्य चूकों और सर्वोत्तम प्रक्रियाओं पर रोशनी डालते हैं:

• सुनिश्चित करें कि आप median() को केवल संख्यात्मक डेटा ही पास कर रहे हैं। यदि आप factor या character वेक्टर दें, तो R त्रुटि देगा।

• यदि missing data होने का संदेह हो, तो na.rm = TRUE का उपयोग करना याद रखें।

• अपने डेटा को मैन्युअल रूप से sort करने की आवश्यकता नहीं है। median() आंतरिक रूप से sorting कर देता है, इसलिए अपना वेक्टर जैसा है वैसा ही पास करें।

निष्कर्ष

median() फ़ंक्शन आपके डेटा के वास्तविक केंद्र को समझने का बेहतरीन तरीका है, खासकर जब आपके डेटासेट में ऐसे outliers हों जो mean को विकृत कर सकते हैं। median() missing values या समूहित सारांश जैसी जटिलताओं को संभालने के लिए भी पर्याप्त लचीला है।

अगले चरणों के लिए, मैंने R mean() फ़ंक्शन पर भी एक छोटा लेख लिखा है, यदि आप देखना चाहें। और हमारे Exploratory Data Analysis in R कोर्स को ज़रूर लें ताकि आप सभी महत्वपूर्ण उपयोगी नौकरी-कौशल बना सकें।