для двух наборов переменных придется два раза aggregate() вызывать

хотя если переменных так мало, как в ирисах, то проще вручную для каждой задать нужную функцию

data(iris)   
aggregate(x = iris[ , ! colnames(iris) %in% "Species"],               
          by = list(iris$Species),              # Specify group indicator
          FUN = sum)

можно и автоматизировать процесс, но проще столбцы выбирать ручками

library(dplyr)
bind_cols(
 summarise(iris, across(1:2, sum, .names = "{.col}_sum")),
 summarise(iris, across(3:4, mean, .names = "{.col}_mean"))
 )

А как здесь можно оставить столбец с показателями?

разобрался

Спасибо!

Хотя нет, что-то не то получилось))

если речь про группировку, то так:
library(dplyr)

iris_grp <- group_by(iris, Species)
bind_cols(
 summarise(iris_grp, across(1:2, sum, .names = "{.col}_sum")),
 summarise(iris_grp, across(3:4, mean, .names = "{.col}_mean"))
)

Единственный минус - дублируются столбцы с показателями

Можно это как-то исправить в текущей функции?

просто убрать столбец:
iris_grp <- group_by(iris, Species)
bind_cols(
 summarise(iris_grp, across(1:2, sum, .names = "{.col}_sum")),
 summarise(iris_grp, across(3:4, mean, .names = "{.col}_mean"))[, -1]
)

а что, дашборд по пакетам сломался?
https://jjallaire.shinyapps.io/shiny-crandash

может, кто знает другие какие интересные открытые дашборды? студентам для примера показать хочу

Да взять хотя бы прошлогодний контест:
https://blog.rstudio.com/2020/07/13/winners-of-the-2nd-shiny-contest/

и в галерее на офф сайте полно всякого:
https://shiny.rstudio.com/gallery/

Или хочется прям совсем чего-то особенного?

да не, этого хватит, спасибо

Я не применял логистическую регрессию примерно сто лет и всё забыл, помогите заново разобраться, пожалуйста. Вот, я делаю glm(depend_var ~ ., family = binomial(link = "logit"), data = all_data)

У одного из значимых бинарных категориальных предикторов получается коэффициент -1.6740. Скажем, этот коэффициент у предиктора "камень: сухой", а целевая переменная "идёт ли дождь". Как мне теперь его проинтерпретировать от шансов до вероятности?

Верно ли я понимаю, что я делаю так: exp(-1.6740) / (1 + exp(-1.6740)) = 0.1578916. Получается, в случае, если у меня сухой камень, то... вероятность того, что идёт дождь, снижается на 0.15?

Не совсем понимаю, то есть, отрицательный коэффициент снижает вероятность получения положительного отклика.  Но как осмысленно интерпретировать именно в терминах вероятности?

У Демешева в курсе было, как переходить от шансов к вероятностям

так вроде все правильно, только "камень сухой" — это одно из значений дамми переменных. Так что нужно знать, чего там в интерсепте. -0.15 разница между тем, что в интерсепте и сухим камнем. Но вообще, я полюбил ggeffects, оно все сразу понятно рисует, если переменных не очень много.

Спасибо! Да, про разницу я понял.

Всем привет, подскажите как мне в фрейме выбрать все данные с определенным значением? Мне нужно заменить строковые значения в одной из колонок на индексы этих значений. Типо было

1 A
2 B
3 B
4 C

А должно стать

1 1
2 2
3 2
4 3

Пытаюсь вот так

for (i in seq_len(ncol(dataset))) {
        if (is.character(dataset[, i])) {
            data_frame <- data.frame(dataset[, i])
            for (col in seq_len(ncol(data_frame))) {
                data_frame[data_frame[col]] <- col;
            }
            return;
        }
    }

Но мне ругается

FUN(X[[i]], ...) :
  only defined on a data frame with all numeric variables