groupsummary

그룹 요약 계산

페이지 내 모두 축소

구문

G = groupsummary(T,groupvars)

G = groupsummary(T,groupvars,method)

G = groupsummary(T,groupvars,method,datavars)

G = groupsummary(T,groupvars,groupbins)

G = groupsummary(T,groupvars,groupbins,method)

G = groupsummary(T,groupvars,groupbins,method,datavars)

G = groupsummary(___,Name,Value)

B = groupsummary(A,groupvars,method)

B = groupsummary(A,groupvars,groupbins,method)

B = groupsummary(___,Name,Value)

[B,BG] = groupsummary(A,___)

[B,BG,BC] = groupsummary(A,___)

설명

예제

G = groupsummary(T,groupvars)는 테이블 또는 타임테이블 T에 있는 데이터에 대해 그룹과 각 그룹의 요소 개수를 구하여 테이블로 반환합니다. groupvars에 지정된 그룹화 변수들의 고유한 조합 각각이 하나의 그룹을 형성합니다. 예를 들어, G = groupsummary(T,'Gender')는 변수 Gender의 Male 요소 개수와 Female 요소 개수를 반환합니다.

예제

G = groupsummary(T,groupvars,method)는 method로 지정된 계산 결과도 반환합니다. 예를 들어, G = groupsummary(T,'Gender','median')은 male 요소의 개수와 female 요소의 개수 이외에도 양 성별에 대한 T의 모든 비그룹화 변수의 중앙값도 반환합니다.

예제

G = groupsummary(T,groupvars,method,datavars)는 계산을 적용할 변수를 지정합니다.

G = groupsummary(T,groupvars,groupbins)는 groupvars에서 데이터를 비닝하는 방법을 지정합니다. 예를 들어, G = groupsummary(T,'SaleDate','year')는 그룹화 변수 SaleDate에 따라 T에서 각 연도의 모든 판매에 대한 그룹 도수를 제공합니다.

G = groupsummary(T,groupvars,groupbins,method)는 method로 지정된 계산을 수행하기 위해 groupbins에 따라 데이터를 비닝합니다.

예제

G = groupsummary(T,groupvars,groupbins,method,datavars)는 groupbins에 따라 데이터를 비닝하고 계산을 적용할 변수를 지정합니다.

예제

G = groupsummary(___,Name,Value)는 위에 열거된 구문에서 하나 이상의 이름-값 쌍을 사용하여 추가적인 그룹화 속성을 지정합니다. 예를 들어, G = groupsummary(T,'Category1','IncludeMissingGroups',false)는 <undefined>로 표시되는 누락된 categorical형 데이터에서 만들어진 그룹을 제외합니다.

B = groupsummary(A,groupvars,method)는 A가 벡터 또는 행렬인 경우 groupvars에 지정된 그룹화 벡터의 고유한 조합에 따라 계산 결과를 반환합니다. groupvars는 열 벡터, 행렬 또는 열 벡터로 구성된 셀형 배열일 수 있습니다.

예제

B = groupsummary(A,groupvars,groupbins,method)는 groupbins에 따라 데이터를 비닝합니다.

예제

B = groupsummary(___,Name,Value)는 위에 열거된 모든 배열 구문에서 하나 이상의 이름-값 쌍을 사용하여 추가적인 그룹화 속성을 지정합니다.

[B,BG] = groupsummary(A,___)는 각 그룹화 벡터에 대한 그룹도 반환합니다.

예제

[B,BG,BC] = groupsummary(A,___)는 각 그룹에 대한 그룹 도수도 반환합니다.

예제

모두 축소

요약 통계량

라이브 스크립트 열기

테이블 변수에 대해 요약 통계량을 계산합니다.

5명의 개인에 대한 정보가 들어 있는 테이블 T를 생성합니다.

Gender = ["male";"female";"female";"male";"male"];
Age = [38;43;38;40;49];
Height = [71;69;64;67;64];
Weight = [176;163;131;133;119];
T = table(Gender,Age,Height,Weight)

T=5×4 table
     Gender     Age    Height    Weight
    ________    ___    ______    ______

    "male"      38       71       176  
    "female"    43       69       163  
    "female"    38       64       131  
    "male"      40       67       133  
    "male"      49       64       119

Gender를 그룹화 변수로 지정하여 남성과 여성의 도수를 계산합니다.

G = groupsummary(T,"Gender")

G=2×2 table
     Gender     GroupCount
    ________    __________

    "female"        2     
    "male"          3

여성과 남성의 평균 연령, 신장, 체중을 각각 계산합니다.

G = groupsummary(T,"Gender","mean")

G=2×5 table
     Gender     GroupCount    mean_Age    mean_Height    mean_Weight
    ________    __________    ________    ___________    ___________

    "female"        2            40.5         66.5            147   
    "male"          3          42.333       67.333         142.67

여전히 성별로 그룹화한 상태에서 여성과 남성의 중앙값 신장만 각각 계산합니다.

G = groupsummary(T,"Gender","median","Height")

G=2×3 table
     Gender     GroupCount    median_Height
    ________    __________    _____________

    "female"        2             66.5     
    "male"          3               67

여러 개의 그룹화 변수

라이브 스크립트 열기

2개의 그룹화 변수를 사용하여 테이블 데이터를 그룹화합니다.

5명의 개인에 대한 정보가 들어 있는 테이블 T를 생성합니다.

Gender = ["male";"female";"male";"female";"male"];
Smoker = logical([1;0;1;0;1]);
Weight = [176;163;131;133;119];
T = table(Gender,Smoker,Weight)

T=5×3 table
     Gender     Smoker    Weight
    ________    ______    ______

    "male"      true       176  
    "female"    false      163  
    "male"      true       131  
    "female"    false      133  
    "male"      true       119

성별과 흡연 여부로 그룹화하여 평균 체중을 계산합니다. 여기서 성별과 흡연 여부의 조합 중 두 가지는 빈 그룹이므로 기본적으로 출력값에 표시되지 않습니다.

G = groupsummary(T,{'Gender','Smoker'},'mean','Weight')

G=2×4 table
     Gender     Smoker    GroupCount    mean_Weight
    ________    ______    __________    ___________

    "female"    false         2             148    
    "male"      true          3             142

'IncludeEmptyGroups' 파라미터 값을 true로 설정하여 빈 그룹을 포함한 모든 그룹 조합을 표시합니다.

G = groupsummary(T,{'Gender','Smoker'},'mean','Weight','IncludeEmptyGroups',true)

G=4×4 table
     Gender     Smoker    GroupCount    mean_Weight
    ________    ______    __________    ___________

    "female"    false         2             148    
    "female"    true          0             NaN    
    "male"      false         0             NaN    
    "male"      true          3             142

그룹 빈 지정하기

라이브 스크립트 열기

지정된 빈에 따른 그룹 데이터입니다.

하나의 달에 포함된 여러 날짜의 판매량 정보가 들어 있는 타임테이블을 생성합니다.

TimeStamps = datetime([2017 3 4; 2017 3 2; 2017 3 15; 2017 3 10;...
                       2017 3 14; 2017 3 31; 2017 3 25;...
                       2017 3 29; 2017 3 21; 2017 3 18]);
Profit = [2032 3071 1185 2587 1998 2899 3112 909 2619 3085]';
TotalItemsSold = [14 13 8 5 10 16 8 6 7 11]';
TT = timetable(TimeStamps,Profit,TotalItemsSold)

TT=10×2 timetable
    TimeStamps     Profit    TotalItemsSold
    ___________    ______    ______________

    04-Mar-2017     2032           14      
    02-Mar-2017     3071           13      
    15-Mar-2017     1185            8      
    10-Mar-2017     2587            5      
    14-Mar-2017     1998           10      
    31-Mar-2017     2899           16      
    25-Mar-2017     3112            8      
    29-Mar-2017      909            6      
    21-Mar-2017     2619            7      
    18-Mar-2017     3085           11

판매된 총 아이템의 개수를 일정 간격으로 비닝하여 그룹화하고, 각 그룹별 평균 수익을 계산합니다.

format shorte
G = groupsummary(TT,'TotalItemsSold',[0 4 8 12 16],'mean','Profit')

G=3×3 table
    disc_TotalItemsSold    GroupCount    mean_Profit
    ___________________    __________    ___________

         [4, 8)            3.0000e+00    2.0383e+03 
         [8, 12)           4.0000e+00    2.3450e+03 
         [12, 16]          3.0000e+00    2.6673e+03

요일별 평균 수익을 계산합니다.

G = groupsummary(TT,'TimeStamps','dayname','mean','Profit')

G=5×3 table
    dayname_TimeStamps    GroupCount    mean_Profit
    __________________    __________    ___________

        Tuesday           2.0000e+00    2.3085e+03 
        Wednesday         2.0000e+00    1.0470e+03 
        Thursday          1.0000e+00    3.0710e+03 
        Friday            2.0000e+00    2.7430e+03 
        Saturday          3.0000e+00    2.7430e+03

벡터 데이터를 사용한 그룹 연산

라이브 스크립트 열기

날짜로 구성된 벡터와 이에 대응하는 수익값으로 구성된 벡터를 만듭니다.

timeStamps = datetime([2017 3 4; 2017 3 2; 2017 3 15; 2017 3 10; ...
                       2017 3 14; 2017 3 31; 2017 3 25; ...
                       2017 3 29; 2017 3 21; 2017 3 18]);
profit = [2032 3071 1185 2587 1998 2899 3112 909 2619 3085]';

요일별 평균 수익을 계산합니다. 각 그룹의 평균, 그룹 이름, 구성원 수를 표시합니다.

format shorte
[meanDailyProfit,dayOfWeek,dailyCounts] = groupsummary(profit,timeStamps,'dayname','mean')

meanDailyProfit = 5×1

    2.3085
    1.0470
    3.0710
    2.7430
    2.7430

dayOfWeek = 5x1 categorical
     Tuesday 
     Wednesday 
     Thursday 
     Friday 
     Saturday

dailyCounts = 5×1

     2
     2
     1
     2
     3

벡터 입력값에 대한 여러 그룹화 벡터

라이브 스크립트 열기

성별과 흡연 상태에 따라 4개 그룹의 평균 체중을 계산합니다.

환자 정보를 서로 다른 유형의 벡터 3개로 저장합니다.

Gender = ["male";"female";"male";"female";"male"];
Smoker = logical([1;0;1;0;1]);
Weight = [176;163;131;133;119];

성별과 흡연 상태에 따라 평균 체중을 계산합니다. B는 각 그룹의 평균을 포함합니다(빈 그룹의 경우 NaN). BG는 그룹의 요소를 행별로 관찰했을 때 각 그룹을 설명하는 2개의 벡터를 포함하는 셀형 배열입니다. 예를 들어, BG{1}의 첫 번째 행을 보면 첫 번째 그룹이 여성임을 알 수 있고, BG{2}의 첫 번째 행을 보면 이들이 비흡연자임을 알 수 있습니다. 마지막으로, BC는 BG의 대응하는 그룹에 대한 각 그룹의 구성원 수를 포함합니다.

[B,BG,BC] = groupsummary(Weight,{Gender,Smoker},'mean','IncludeEmptyGroups',true);
B

B = 4×1

   148
   NaN
   NaN
   142

BG{1}

ans = 4x1 string
    "female"
    "female"
    "male"
    "male"

BG{2}

ans = 4x1 logical array

   0
   1
   0
   1

BC

입력값이 여러 개인 메서드 함수 핸들

라이브 스크립트 열기

환자 정보를 포함하는 데이터를 불러와서 각 환자의 성별, 수축기 및 확장기 혈압, 신장, 체중을 설명하는 테이블을 만듭니다.

load patients
T = table(Gender,Systolic,Diastolic,Height,Weight)

T=100×5 table
      Gender      Systolic    Diastolic    Height    Weight
    __________    ________    _________    ______    ______

    {'Male'  }      124          93          71       176  
    {'Male'  }      109          77          69       163  
    {'Female'}      125          83          64       131  
    {'Female'}      117          75          67       133  
    {'Female'}      122          80          64       119  
    {'Female'}      121          70          68       142  
    {'Female'}      130          88          64       142  
    {'Male'  }      115          82          68       180  
    {'Male'  }      115          78          68       183  
    {'Female'}      118          86          66       132  
    {'Female'}      114          77          68       128  
    {'Female'}      115          68          66       137  
    {'Male'  }      127          74          71       174  
    {'Male'  }      130          95          72       202  
    {'Female'}      114          79          65       129  
    {'Male'  }      130          92          71       181  
      ⋮

성별을 기준으로 그룹화하여 환자 신장과 체중 사이의 상관 및 수축기 혈압과 확장기 혈압 사이의 상관을 계산합니다. 상관을 계산하는 메서드로 xcov 함수를 사용합니다. xcov에 대한 처음 두 개의 입력 인수는 상관을 구할 데이터를 설명하고, 세 번째 인수는 지연 크기를 설명하고, 네 번째 인수는 정규화 유형을 설명합니다. 각 그룹 계산에 대해, xcov로 전달되는 x 인수와 y 인수는 두 개의 셀 요소 ["Height","Systolic"]과 ["Weight","Diastolic"]의 변수를 기준으로 쌍별(Pairwise)로 지정됩니다.

G = groupsummary(T,"Gender",@(x,y)xcov(x,y,0,'coeff'),{["Height","Systolic"],["Weight","Diastolic"]})

G=2×4 table
      Gender      GroupCount    fun1_Height_Weight    fun1_Systolic_Diastolic
    __________    __________    __________________    _______________________

    {'Female'}        53             0.071278                 0.48731        
    {'Male'  }        47             0.047571                 0.50254

또는 데이터가 테이블이 아닌 벡터 또는 행렬 형식인 경우, 상관을 구할 데이터를 groupsummary의 첫 번째 입력 인수로 제공할 수 있습니다.

[G,GR,GC] = groupsummary({[Height,Systolic],[Weight,Diastolic]},Gender,@(x,y)xcov(x,y,0,'coeff'))

G = 2×2

    0.0713    0.4873
    0.0476    0.5025

GR = 2x1 cell
    {'Female'}
    {'Male'  }

입력 인수

모두 축소

`T` — 입력 데이터
테이블 | 타임테이블

입력 데이터로, table형 또는 timetable형으로 지정됩니다.

`A` — 입력 배열
벡터 | 행렬 | 셀형 배열

입력 배열로, 벡터, 행렬, 벡터 또는 행렬로 구성된 셀형 배열 중 하나로 지정됩니다.

둘 이상의 입력 인수를 받는 method에 대해 함수 핸들을 지정하는 경우 입력 데이터 A는 벡터 또는 행렬로 구성된 셀형 배열이어야 합니다. 각각의 그룹별 함수 호출에서, 입력 인수는 셀형 배열에 있는 각 요소의 대응되는 열입니다. 예를 들면 다음과 같습니다.

groupsummary({x1, y1},groupvars,@(x,y) myFun(x,y))는 각 그룹에 대해 myFun(x1,y1)을 계산합니다.
groupsummary({[x1 x2], [y1 y2]},groupvars,@(x,y) myFun(x,y))는 먼저 각 그룹에 대해 myFun(x1,y1)을 계산한 다음 각 그룹에 대해 myFun(x2,y2)를 계산합니다.

`groupvars` — 그룹화 변수 또는 벡터
스칼라 | 벡터 | 행렬 | 셀형 배열 | 함수 핸들 | 테이블 `vartype` 첨자

그룹화 변수 또는 벡터로, 다음과 같은 옵션 중 하나로 지정됩니다.

입력값이 배열인 경우 groupvars는 A와 행 개수가 같은 열 벡터이거나 열 벡터로 구성된 행렬 또는 셀형 배열일 수 있습니다.

table형 또는 timetable형 입력값의 경우 groupvars는 데이터에서 어느 변수를 사용하여 그룹을 계산할지 나타냅니다. 이 표의 옵션으로 그룹화 변수를 지정할 수 있습니다.

옵션	설명	예제
스칼라 변수 이름	단일 테이블 변수 이름을 지정하는 문자형 벡터 또는 string형 스칼라	`'Var1'` `"Var1"`
변수 이름으로 구성된 벡터	각 요소가 테이블 변수 이름인, 문자형 벡터 또는 string형 배열로 구성된 셀형 배열	`{'Var1' 'Var2'}` `["Var1" "Var2"]`
스칼라 또는 변수 인덱스로 구성된 벡터	스칼라 또는 테이블 변수 인덱스로 구성된 벡터	`1` `[1 3 5]`
논리형 스칼라 또는 벡터	각각의 요소가 테이블 변수에 대응하는 논리형 벡터. 여기서 `true`는 대응하는 변수를 포함하고 `false`는 대응하는 변수를 제외합니다.	`[true false true]`
함수 핸들	테이블 변수를 입력값으로 받고 논리형 스칼라를 반환하는 함수 핸들	`@isnumeric`
`vartype` 첨자	`vartype` 함수로 생성된 테이블 첨자	`vartype('numeric')`

예: groupsummary(T,"Var3")

`method` — 계산 방법
`'sum'` | `'mean'` | `'median'` | `'mode'` | `'var'` | `'std'` | `'min'` | `'max'` | `'range'` | `'nummissing'` | `'nnz'` | `'all'` | 함수 핸들 | 셀형 배열

계산 방법으로, 다음 중 하나로 지정됩니다.

'sum' — 합계
'mean' — 평균
'median' — 중앙값
'mode' — 최빈값
'var' — 분산
'std' — 표준편차
'min' — 최솟값
'max' — 최댓값
'range' — 최댓값에서 최솟값을 뺀 값
'nummissing' — 누락된 요소의 개수
'nnz' — 0이 아닌 요소와 NaN이 아닌 요소의 개수
'all' — 위에 나열된 모든 계산 결과

method를 첫 번째 차원의 길이가 1인 그룹마다 한 개의 항목을 반환하는 함수 핸들로 지정할 수도 있습니다. table형 입력 데이터의 경우 함수는 각 테이블 변수에 대해 개별적으로 연산을 수행합니다.

입력 데이터가 테이블 T이고 둘 이상의 입력 인수를 받는 method에 대해 함수 핸들을 지정하는 경우 datavars를 지정해야 합니다. datavars 인수는 셀형 배열이어야 하며, 이때 배열의 요소는 메서드의 각 입력값으로 사용할 테이블 변수를 나타냅니다. 각각의 그룹별 함수 호출에서, 입력 인수는 셀형 배열 요소들로 구성된 대응되는 테이블 변수입니다. 예를 들면 다음과 같습니다.

groupsummary(T,groupvars,@(x,y) myFun(x,y),{"x1","y1"})은 각 그룹에 대해 myFun(T.x1,T.y1)을 계산합니다.
groupsummary(T,groupvars,@(x,y) myFun(x,y),{["x1" "x2"],["y1" "y2"]})는 먼저 각 그룹에 대해 myfun(T.x1,T.y1)을 계산한 다음 각 그룹에 대해 myfun(T.x2,T.y2)를 계산합니다.

입력 데이터가 벡터 또는 행렬 형식이고 둘 이상의 입력 인수를 받는 method에 대해 함수 핸들을 지정하는 경우 입력 데이터 A는 벡터 또는 행렬로 구성된 셀형 배열이어야 합니다. 각각의 함수 호출에서, 입력 인수는 셀형 배열에 있는 각 요소의 대응되는 열입니다. 예를 들면 다음과 같습니다.

groupsummary({x1,y1},groupvars,@(x,y) myFun(x,y))는 각 그룹에 대해 myFun(x1,y1)을 계산합니다.
groupsummary({[x1 x2],[y1 y2]},groupvars,@(x,y) myFun(x,y))는 먼저 각 그룹에 대해 myFun(x1,y1)을 계산한 다음 각 그룹에 대해 myFun(x2,y2)를 계산합니다.

한 번에 여러 개의 계산을 지정하려면 옵션을 셀형 배열에 나열하십시오(예: {'mean','median'} 또는 {myFun1,myFun2}).

입력 데이터의 NaN 값은 여기에 설명된 메서드 이름을 사용하는 경우 자동으로 생략됩니다('nummissing'은 예외). NaN 값을 포함하려면 메서드의 함수 핸들을 사용하는 방안을 고려해 보십시오(예: 'sum' 대신 @sum 사용).

데이터형: char | string | cell | function_handle

`datavars` — 연산을 수행할 테이블 변수
스칼라 | 벡터 | 셀형 배열 | 함수 핸들 | 테이블 `vartype` 첨자

연산을 수행할 테이블 변수로, 다음 표에 있는 옵션 중 하나로 지정됩니다. datavars는 메서드가 적용되는 입력 테이블 변수 또는 타임테이블 변수를 나타냅니다. datavars로 지정되지 않은 다른 변수는 연산이 수행되지 않고 출력값으로 전달되지 않습니다. datavars가 지정되지 않은 경우, groupsummary는 각 비그룹화 변수에 대한 연산을 수행합니다.

옵션	설명	예제
변수 이름	단일 테이블 변수 이름을 지정하는 문자형 벡터 또는 string형 스칼라	`'Var1'` `"Var1"`
변수 이름으로 구성된 벡터	각 요소가 테이블 변수 이름인, 문자형 벡터 또는 string형 배열로 구성된 셀형 배열	`{'Var1' 'Var2'}` `["Var1" "Var2"]`
스칼라 또는 변수 인덱스로 구성된 벡터	스칼라 또는 테이블 변수 인덱스로 구성된 벡터	`1` `[1 3 5]`
논리형 벡터	각각의 요소가 테이블 변수에 해당하는 논리형 벡터. 여기서 `true`는 해당하는 변수를 포함하고 `false`는 해당하는 변수를 제외합니다.	`[true false true]`
함수 핸들	테이블 변수를 입력값으로 받고 논리형 스칼라를 반환하는 함수 핸들	`@isnumeric`
`vartype` 첨자	`vartype` 함수로 생성된 테이블 첨자	`vartype('numeric')`

입력 데이터가 테이블 T이고 둘 이상의 입력 인수를 받는 method에 대해 함수 핸들을 지정하는 경우 datavars를 지정해야 합니다. datavars 인수는 셀형 배열이어야 하며, 이때 배열의 요소는 테이블의 옵션 중 하나입니다. 셀형 배열 요소는 메서드의 각 입력값으로 사용할 테이블 변수를 나타냅니다. 각각의 그룹별 함수 호출에서, 입력 인수는 셀형 배열 요소들로 구성된 대응되는 테이블 변수입니다. 예를 들면 다음과 같습니다.

groupsummary(T,groupvars,@(x,y) myFun(x,y),{"x1", "y1"})은 각 그룹에 대해 myFun(T.x1,T.y1)을 계산합니다.
groupsummary(T,groupvars,@(x,y) myFun(x,y),{["x1" "x2"],["y1" "y2"]})는 먼저 각 그룹에 대해 myfun(T.x1,T.y1)을 계산한 다음 각 그룹에 대해 myfun(T.x2,T.y2)를 계산합니다.

예: groupsummary(T,groupvars,method,["Var1" "Var2" "Var4"])

`groupbins` — 비닝 방식
`'none'` (디폴트 값) | 벡터 | 스칼라 | 셀형 배열

비닝 방식으로, 다음 옵션 중 하나로 지정됩니다.

'none', 즉 비닝하지 않음
datetime 그룹화 변수 또는 벡터에 대해 datetime형 벡터 또는 숫자형 벡터로 지정된 Bin 경계값 목록
정수 스칼라로 지정된 Bin의 개수
duration 또는 calendarDuration 유형의 스칼라로 지정된, Bin 너비를 나타내는 지속 시간(datetime 또는 duration 그룹화 변수 또는 벡터에만 해당)

다음 문자형 벡터 중 하나로 지정된 시간 Bin(datetime 및 duration 그룹화 변수 또는 벡터에만 해당)

값	설명	데이터형
`'second'`	각 Bin은 1초입니다.	`datetime` 및 `duration`
`'minute'`	각 Bin은 1분입니다.	`datetime` 및 `duration`
`'hour'`	각 Bin은 1시간입니다.	`datetime` 및 `duration`
`'day'`	각 Bin은 달력상의 1일입니다. 이 값은 일광 절약 시간제 변동을 고려합니다.	`datetime` 및 `duration`
`'week'`	각 Bin은 달력상의 1주일입니다.	`datetime`만
`'month'`	각 Bin은 달력상의 1개월입니다.	`datetime`만
`'quarter'`	각 Bin은 달력상의 1사분기입니다.	`datetime`만
`'year'`	각 Bin은 달력상의 1년입니다. 이 값은 윤일을 고려합니다.	`datetime` 및 `duration`
`'decade'`	각 Bin은 10년(달력상의 10년)입니다.	`datetime`만
`'century'`	각 Bin은 1세기(달력상의 100년)입니다.	`datetime`만
`'secondofminute'`	Bin은 0~59 사이의 초입니다.	`datetime`만
`'minuteofhour'`	Bin은 0~59 사이의 분입니다.	`datetime`만
`'hourofday'`	Bin은 0~23 사이의 시입니다.	`datetime`만
`'dayofweek'`	Bin은 1~7 사이의 요일입니다. 한 주의 첫째 날은 일요일입니다.	`datetime`만
`'dayname'`	Bin은 요일의 전체 이름입니다(예: `'Sunday'`).	`datetime`만
`'dayofmonth'`	Bin은 1~31 사이의 일입니다.	`datetime`만
`'dayofyear'`	Bin은 1~366 사이의 일입니다.	`datetime`만
`'weekofmonth'`	Bin은 1~6 사이의 주입니다.	`datetime`만
`'weekofyear'`	Bin은 1~54 사이의 주입니다.	`datetime`만
`'monthname'`	Bin은 월의 전체 이름입니다(예: `'January'`).	`datetime`만
`'monthofyear'`	Bin은 1~12 사이의 월입니다.	`datetime`만
`'quarterofyear'`	Bin은 1~4 사이의 분기입니다.	`datetime`만

각 그룹화 변수 또는 벡터의 비닝 규칙을 나열하는 셀형 배열

여러 그룹화 변수가 지정된 경우 모든 그룹화 변수에 적용되는 단일 비닝 규칙을 제공하거나 각 그룹화 변수에 대한 비닝 방법을 포함하는 셀형 배열(예: {'none',[0 2 4 Inf]})을 제공할 수 있습니다.

이름-값 인수

예: G = groupsummary(T,groupvars,groupbins,'IncludedEdge','right')

선택적으로 Name,Value 인수가 쉼표로 구분되어 지정됩니다. 여기서 Name은 인수 이름이고 Value는 대응값입니다. Name은 따옴표 안에 표시해야 합니다. Name1,Value1,...,NameN,ValueN과 같이 여러 개의 이름-값 쌍의 인수를 어떤 순서로든 지정할 수 있습니다.

`IncludedEdge` — 포함된 Bin 경계
`'left'` (디폴트 값) | `'right'`

포함된 Bin 경계로, 'left' 또는 'right'로 지정되며, Bin 구간의 어느 끝을 포함하는지 나타냅니다.

이 이름-값 쌍은 groupbins가 지정된 경우에만 지정할 수 있으며, 값은 모든 그룹화 변수 또는 벡터의 모든 비닝 방식에 적용됩니다.

`IncludeMissingGroups` — 누락된 그룹 표시자
`true` (디폴트 값) | `false`

누락된 그룹 표시자로, true 또는 false로 지정됩니다. 파라미터 값이 true인 경우, groupsummary는 누락값으로 구성된 그룹을 표시합니다(예: NaN). 파라미터 값이 false인 경우, groupsummary는 누락된 그룹을 표시하지 않습니다.

데이터형: logical

`IncludeEmptyGroups` — 빈 그룹 표시자
`false` (디폴트 값) | `true`

빈 그룹 표시자로, true 또는 false로 지정됩니다. 파라미터 값이 false인 경우, groupsummary는 요소를 포함하지 않는 그룹을 표시하지 않습니다. 파라미터 값이 true인 경우, groupsummary는 빈 그룹을 표시합니다.

데이터형: logical

출력 인수

모두 축소

`G` — 출력 테이블
테이블

출력 테이블로, 그룹의 계산 결과가 테이블로 반환됩니다.

`B` — 출력 배열
벡터 | 행렬

출력 배열로, 그룹화 계산 결과가 벡터 또는 행렬로 반환됩니다. 여러 방법을 지정하는 경우 groupsummary는 나열된 순서대로 계산 결과를 가로로 결합합니다.

`BG` — 그룹
열 벡터 | 열 벡터로 구성된 셀형 배열

배열 입력 데이터에 대한 그룹으로, 열 벡터로 반환되거나 각각의 그룹화 벡터에 대응하는 열 벡터로 구성된 셀형 배열로 반환됩니다.

둘 이상의 그룹화 벡터를 제공하는 경우 BG는 동일한 길이의 열 벡터를 포함하는 셀형 배열입니다. 그룹 정보는 BG의 모든 벡터의 요소를 행별로 관찰하여 찾을 수 있습니다. 각 그룹은 출력 배열 B의 대응하는 행으로 매핑됩니다.

`BC` — 그룹 도수
열 벡터

배열 입력 데이터의 그룹 도수로, 각 그룹의 요소 개수가 열 벡터로 반환됩니다. BC의 길이는 BG로 반환된 그룹 열 벡터의 길이와 같습니다.

팁

groupsummary를 여러 번 호출하는 경우에는 성능 향상을 위해 그룹화 변수를 categorical 유형이나 logical 유형으로 변환하는 것이 좋습니다. 예를 들어, 유형이 char인 그룹화 변수가 있는 경우(예: 요소가 'Male'과 'Female'인 Gender) 명령 categorical(Gender)를 사용하여 그룹화 변수를 categorical형 값으로 변환할 수 있습니다.

확장 기능

tall형 배열
메모리에 담을 수 없을 정도로 많은 행을 가진 배열을 계산할 수 있습니다.

사용법 관련 참고 및 제한 사항:

A와 groupvars가 모두 tall형 행렬이면 이 둘은 행 개수가 같아야 합니다.
첫 번째 입력값이 tall형 행렬이면 groupvars는 tall형 그룹화 벡터를 포함하는 셀형 배열일 수 있습니다.
groupvars 및 datavars 인수는 함수 핸들을 지원하지 않습니다.
'IncludeEmptyGroups' 이름-값 쌍은 지원되지 않습니다.
'median' 메서드와 'mode' 메서드는 지원되지 않습니다.
tall datetime형 배열에는 'std' 메서드가 지원되지 않습니다.
method 인수가 함수 핸들인 경우 이 인수는 tall형 배열에 대해 동작하는 splitapply에 유효한 입력값이어야 합니다. 함수 핸들이 여러 개의 입력값을 받는 경우 groupsummary에 대한 첫 번째 입력값은 tall형 테이블이어야 합니다.
그룹의 순서는 메모리 내 groupsummary 계산에 사용된 순서와 다를 수 있습니다.
이산화된 datetime형 배열을 기준으로 그룹화할 경우 categorical형 그룹 이름은 메모리 내 groupsummary 계산에 사용된 그룹 이름과 다릅니다.

자세한 내용은 tall형 배열 항목을 참조하십시오.

스레드 기반 환경
MATLAB®의 `backgroundPool`을 사용해 백그라운드에서 코드를 실행하거나 Parallel Computing Toolbox™의 `ThreadPool`을 사용해 코드 실행 속도를 높일 수 있습니다.

이 함수는 스레드 기반 환경을 완전히 지원합니다. 자세한 내용은 Run MATLAB Functions in Thread-Based Environment 항목을 참조하십시오.

버전 내역

R2018a에 개발됨

참고 항목

groupsummary

구문

설명

예제

요약 통계량

여러 개의 그룹화 변수

그룹 빈 지정하기

벡터 데이터를 사용한 그룹 연산

벡터 입력값에 대한 여러 그룹화 벡터

입력값이 여러 개인 메서드 함수 핸들

입력 인수

T — 입력 데이터 테이블 | 타임테이블

A — 입력 배열 벡터 | 행렬 | 셀형 배열

groupvars — 그룹화 변수 또는 벡터 스칼라 | 벡터 | 행렬 | 셀형 배열 | 함수 핸들 | 테이블 vartype 첨자

method — 계산 방법 'sum' | 'mean' | 'median' | 'mode' | 'var' | 'std' | 'min' | 'max' | 'range' | 'nummissing' | 'nnz' | 'all' | 함수 핸들 | 셀형 배열

datavars — 연산을 수행할 테이블 변수 스칼라 | 벡터 | 셀형 배열 | 함수 핸들 | 테이블 vartype 첨자

groupbins — 비닝 방식 'none' (디폴트 값) | 벡터 | 스칼라 | 셀형 배열

이름-값 인수

IncludedEdge — 포함된 Bin 경계 'left' (디폴트 값) | 'right'

IncludeMissingGroups — 누락된 그룹 표시자 true (디폴트 값) | false

IncludeEmptyGroups — 빈 그룹 표시자 false (디폴트 값) | true

출력 인수

G — 출력 테이블 테이블

B — 출력 배열 벡터 | 행렬

BG — 그룹 열 벡터 | 열 벡터로 구성된 셀형 배열

BC — 그룹 도수 열 벡터

팁

확장 기능

tall형 배열 메모리에 담을 수 없을 정도로 많은 행을 가진 배열을 계산할 수 있습니다.

스레드 기반 환경 MATLAB®의 backgroundPool을 사용해 백그라운드에서 코드를 실행하거나 Parallel Computing Toolbox™의 ThreadPool을 사용해 코드 실행 속도를 높일 수 있습니다.

버전 내역

참고 항목

도움말 항목

`T` — 입력 데이터
테이블 | 타임테이블

`A` — 입력 배열
벡터 | 행렬 | 셀형 배열

`groupvars` — 그룹화 변수 또는 벡터
스칼라 | 벡터 | 행렬 | 셀형 배열 | 함수 핸들 | 테이블 `vartype` 첨자

`method` — 계산 방법
`'sum'` | `'mean'` | `'median'` | `'mode'` | `'var'` | `'std'` | `'min'` | `'max'` | `'range'` | `'nummissing'` | `'nnz'` | `'all'` | 함수 핸들 | 셀형 배열

`datavars` — 연산을 수행할 테이블 변수
스칼라 | 벡터 | 셀형 배열 | 함수 핸들 | 테이블 `vartype` 첨자

`groupbins` — 비닝 방식
`'none'` (디폴트 값) | 벡터 | 스칼라 | 셀형 배열

`IncludedEdge` — 포함된 Bin 경계
`'left'` (디폴트 값) | `'right'`

`IncludeMissingGroups` — 누락된 그룹 표시자
`true` (디폴트 값) | `false`

`IncludeEmptyGroups` — 빈 그룹 표시자
`false` (디폴트 값) | `true`

`G` — 출력 테이블
테이블

`B` — 출력 배열
벡터 | 행렬

`BG` — 그룹
열 벡터 | 열 벡터로 구성된 셀형 배열

`BC` — 그룹 도수
열 벡터

tall형 배열
메모리에 담을 수 없을 정도로 많은 행을 가진 배열을 계산할 수 있습니다.

스레드 기반 환경
MATLAB®의 `backgroundPool`을 사용해 백그라운드에서 코드를 실행하거나 Parallel Computing Toolbox™의 `ThreadPool`을 사용해 코드 실행 속도를 높일 수 있습니다.