La funzione mean() in R: inizia con le medie

Quando si tratta di riassumere dati numerici in R, calcolare la media è spesso il primo passo. È spesso la prima cosa che faccio anch’io. 

Ora, "media" non deve per forza riferirsi alla media aritmetica, ma in questo articolo darò per scontato che sia così perché ti mostrerò come lavorare con la funzione mean() in R, che è lo strumento standard di R per questo scopo. 

Cosa fa mean() in R?

La funzione mean() calcola la media aritmetica di dati numerici. In altre parole, somma tutti i valori nel tuo vettore o nella tua colonna e divide per il numero totale di valori presenti. Poiché mean() fa parte di base R, non è necessario caricare pacchetti aggiuntivi. Quindi è pronta all’uso non appena apri R.

La sintassi della funzione mean()

Sappiamo cosa fa mean(), ma vediamo la sua sintassi di base così puoi iniziare ad applicarla:

mean(x, na.rm = FALSE, ...) Offerto da

• x: Un vettore o oggetto numerico.

• na.rm: Logico. Se TRUE, mean() ignorerà i valori NA.

Andando avanti, sappi che la gestione dei dati mancanti e il lavoro con diverse strutture di dati introducono alcune sottigliezze, quindi tienile d’occhio. 

Calcolare la media di un vettore numerico in R

Probabilmente la cosa più basilare è calcolare la media di un vettore: 

daily_temperatures <- c(72, 68, 75, 70, 69)
mean(daily_temperatures)Offerto da

Questa riga restituisce la media di 72, 68, 75, 70 e 69, che è 70,8.

Gestire i valori mancanti con na.rm in R

I dataset reali hanno valori mancanti. Se i tuoi dati contengono elementi mancanti, mean(), per impostazione predefinita, restituirà NA. Questo potrebbe sorprenderti se non te lo aspetti, ed è per questo che ci prendiamo il tempo per conoscere l’argomento na.rm.

survey_scores <- c(82, 90, NA, 88, 85)
mean(survey_scores)Offerto da

Eseguendo questo, otterrai NA. Per dire a R di ignorare i valori mancanti, imposta semplicemente na.rm = TRUE:

mean(survey_scores, na.rm = TRUE)Offerto da

Ora, mean() calcola la media usando solo i numeri disponibili. 

Usare mean() con i data frame in R

Estendiamo l’uso ai data frame, che sono una struttura tipica per i dataset in R. Se vuoi la media di una colonna specifica, referenziala semplicemente usando l’operatore $:

student_scores <- data.frame(
  student_name = c("Amir", "Bianca", "Carlos"),
  math_score = c(92, 85, 88)
)

mean(student_scores$math_score)Offerto da

Questo calcola il punteggio medio per tutti gli studenti nel tuo data frame. Puoi applicare questo approccio a qualsiasi colonna numerica (ma deve essere una colonna numerica).

Media di valori logici in R

Finora ci siamo concentrati sui dati numerici, ma potresti sorprenderti nel sapere che mean() funziona anche con vettori logici. È un dettaglio piccolo ma importante che ho sorvolato finora.

Puoi usare mean() con valori logici perché, in R, TRUE è trattato come 1 e FALSE come 0, quindi fare la media di un vettore logico restituirà la proporzione di valori TRUE. Questo può essere utile se devi riassumere esiti binari.

quiz_passed_flags <- c(TRUE, FALSE, TRUE, TRUE)
mean(quiz_passed_flags)Offerto da

Qui, il risultato è 0,75, dato che 3 valori su 4 sono TRUE.

Trovare la media ponderata in R 

A volte ti serve una media ponderata, quando pensi che valori diversi contribuiscano in modo non uniforme al risultato. Entra in gioco weighted.mean():

course_grades <- c(88, 92, 75)
assignment_weights <- c(0.3, 0.4, 0.3)

weighted.mean(course_grades, assignment_weights)Offerto da

Usando weighted.mean(), puoi tenere conto dell’importanza o frequenza variabile tra i tuoi valori. mean() da sola non lo fa.

Alcune cose a cui fare attenzione

Ho già menzionato la maggior parte di queste cose, ma lascia che annoti possibili problemi o note tutti in un unico posto:

• Dati non numerici: Se il tuo vettore o la tua colonna non è numerico o logico, mean() genererà un errore.

• Gestione di NA: Dimenticare di usare na.rm = TRUE quando hai dati mancanti ti metterà in difficoltà ogni volta.

• Vettori vuoti: mean(numeric(0)) restituisce NA con un avviso.

Funzioni simili in R

R fornisce diverse funzioni correlate che ti aiutano a esplorare i dati da angolazioni diverse. Tutte queste sono anche in base R, il che significa che puoi usarle senza importare librerie. 

• median(): Per il valore mediano

• sd(): Per la deviazione standard

• sum(): Per la somma dei valori

Se vuoi saperne di più sull’importanza delle diverse misure di tendenza centrale, dai un’occhiata alla nostra guida completa, Media vs mediana: conoscere la differenza.

Conclusione

Nella maggior parte delle analisi dati di base, mean() è la tua prima tappa per riassumere i numeri.

Continua a imparare con i nostri corsi, come Introduzione a R e Analisi esplorativa dei dati in R.