Introdução Link para o cabeçalho

Recentemente descobri o pacote skim, capaz de realizar diversas análises exploratórias simples, de forma rápida no R. Vou utilizar este post para demonstrar algumas funcionalidades dele e sua integração com o pacote dplyr.

Exemplo de Uso Link para o cabeçalho

Para ilustrar o uso do skimr, vou utilizar o conjunto de dados penguins, disponível no pacote palmerpenguins:

library(skimr)
library(tidyverse)
library(palmerpenguins)

Com o pacote carregado, basta usar a função skim para ter uma ideia geral das características do conjunto de dados. Número de linhas, colunas, tipo de cada coluna, taxa de missing data, média, desvio padrão e muito mais:

skim(penguins)

Table: Table 1: Data summary

Variable type: factor

Variable type: numeric

O interessante é que o pacote skim se comunica muito bem com o dplyr. Por exemplo, é possível reproduzir a análise acima para cada espécie de pinguim usando gruop_by():

penguins |> 
  group_by(species) |> 
  skim()

Table: Table 2: Data summary

Variable type: factor

Variable type: numeric

Logicamente, também é possível reduzir o número de variáveis analisadas com select(). Em meu exemplo, uso apenas as variáveis de medição, ou seja, apenas aquelas que contém a string "_mm" em seus nomes:

penguins |> 
  select(species, contains("_mm")) |> 
  group_by(species) |> 
  skim()

Table: Table 3: Data summary

Variable type: numeric

Mais informações podem ser encontradas na vignette do pacote.