Så här: Hur kan jag beräkna statistik för en stor datauppsättning.

RevoScaleR funktion rxSummary() är mycket praktiskt för denna typ av sak. Som standard rapporteras den grupp medel och standardavvikelser samt cell antal och antal giltiga observationer om du anger en formel som innehåller interaktionen termer. I den nedan exempel använder vi levererade dataset 'CensusWorkers.xdf'.

Exempel:
-------- 
testDataDir <-file.path(rxGetOption("sampleDataDir"))
rxSummary (incwage ~ kön: tillstånd, data = file.path (testDataDir, "CensusWorkers.xdf"))

Antalet giltiga synpunkter: 351121
Antal observationer saknas: 0
Namnet medelvärdet StdDev Min Max ValidObs
incwage:sex:State 35333.84 40444.54 0 354000 351121

Statistiken efter kategori (6 kategorier):

Kategori kön tillstånd innebär STDAV
incwage för kön = handjur, status = Connecticut handjur Connecticut 55002.00 67742.93
incwage för kön = hondjur, status = Connecticut kvinnliga Connecticut 32605.03 34426.27
incwage för kön = handjur, status = Indiana handjur Indiana 38325.33 36160.07
incwage för kön = hondjur, status = Indiana kvinnliga Indiana 23117.71 20371.68
incwage för kön = handjur, status = Washington handjur Washington 41001.14 43962.65
incwage för kön = hondjur, status = Washington kvinnliga Washington 25765.03 25191.75

Min Max ValidObs MissingObs
0 354000 41751 0
0 354000 37666 0
0 314000 74221 0
0 314000 63702 0
0 336000 73372 0
0 336000 60409 0

Du kan använda argumentet 'rowSelection' till ytterligare delmängd data baserat på specifika värden för vissa variabler. En annan användbar funktion är funktionen 'F()', som talar om för RevoScaleR att behandla en viss variabel som en faktor:
Exempel:
-------- 

### Få information om variabeltyper i XDF-fil
rxGetInfo(file.path(testDataDir,"CensusWorkers.xdf"), getVarInfo = TRUE)
rxSummary (incwage ~ F (ålder): kön, data = file.path(testDataDir,"CensusWorkers.xdf") rowSelection = (status == "Indiana"))