第 6 章 其他可用敘述函數

- n: 有多少個觀測值
- n_distinct: 有多少個不重覆觀測值
- sum(!is.na()): 有多少個「非遺漏」值

依不同航空公司(carrier)計算出發延遲平均、標準差 及計算所用樣本數

flights %>% group_by(carrier) %>%
  summarise(
    平均出發延遲=mean(dep_delay,na.rm=T),
    出發延遲SD=sd(dep_delay,na.rm=T),
    有效樣本數=sum(!is.na(dep_delay))
    )

## # A tibble: 16 x 4
##    carrier 平均出發延遲 出發延遲SD 有效樣本數
##      <chr>        <dbl>      <dbl>      <int>
##  1      9E       16.726      45.91      17416
##  2      AA        8.586      37.35      32093
##  3      AS        5.805      31.36        712
##  4      B6       13.023      38.50      54169
##  5      DL        9.265      39.74      47761
##  6      EV       19.955      46.55      51356
##  7      F9       20.216      58.36        682
##  8      FL       18.726      52.66       3187
##  9      HA        4.901      74.11        342
## 10      MQ       10.552      39.18      25163
## 11      OO       12.586      43.07         29
## 12      UA       12.106      35.72      57979
## 13      US        3.782      28.06      19873
## 14      VX       12.869      44.82       5131
## 15      WN       17.712      43.34      12083
## 16      YV       18.996      49.17        545

練習三： 算出不同入學年(入學年)成績資料（transcript.data.new2）中成績平均，標準差，及有效樣本數

transcript.data.new2 %>% group_by(入學年) %>%
  summarise(平均=mean(成績,na.rm=T),標準差=sd(成績,na.rm=T),有效樣本數=sum(!is.na(成績)))

## # A tibble: 5 x 4
##   入學年  平均 標準差 有效樣本數
##   <fctr> <dbl>  <dbl>      <int>
## 1    097 76.92  14.55       1263
## 2    098 77.26  14.14       1099
## 3    099 76.06  13.89        954
## 4    100 70.78  15.72        600
## 5    101 76.87  15.02        214