《2022年R语言学习系列-描述性统计 .pdf》由会员分享，可在线阅读，更多相关《2022年R语言学习系列-描述性统计 .pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、21. 描述性统计一、整体的描述统计1.函数summary() 输出数据的最小值、中位数、均值、上下四分位数、最大值。vars- c(mpg, hp, wt) summary(mtcarsvars) mpghpwt Min.:10.40 Min. : 52.0 Min.:1.513 1st Qu.:15.43 1st Qu.: 96.5 1st Qu.:2.581 Median :19.20 Median :123.0 Median :3.325 Mean :20.09 Mean :146.7 Mean :3.217 3rd Qu.:22.80 3rd Qu.:180.0 3rd Qu.:3.
2、610 Max. :33.90 Max. :335.0 Max. :5.424 2. pastecs包中的函数stat.desc()基本格式为：stat.desc(x,basic=TRUE, desc=TRUE, norm=FALSE, p=0.95) 其中， x 为数据框或时间序列；basic默认为 TRUE，则计算所有值、空值、缺失值的数量；desc 默认为 TRUE，则计算中位数、平均数、平均数的标准误、平均数置信度为 95%的置信区间、方差、标准差及变异系数；norm 默认为 FALSE，若=TRUE 则计算正态分布统计量：偏度、峰度及显著 p 值、Shapiro-Wilk 正态检验结
3、果；p 值设定置信度，默认0.95 stat.desc(mtcarsvars,norm=TRUE) mpghpwt nbr.val 32.0000000 32.00000000 32.00000000 nbr.null 0.0000000 0.00000000 0.00000000 nbr.na 0.0000000 0.00000000 0.00000000 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 4 页 - - - - - - - - - min 10.4000
4、000 52.00000000 1.51300000 max 33.9000000 335.00000000 5.42400000 range 23.5000000 283.00000000 3.91100000 sum 642.9000000 4694.00000000 102.95200000 median 19.2000000 123.00000000 3.32500000 mean 20.0906250 146.68750000 3.21725000 SE.mean 1.0654240 12.12031731 0.17296847 CI.mean.0.95 2.1729465 24.7
5、1955013 0.35277153 var 36.3241028 4700.86693548 0.95737897 std.dev 6.0269481 68.56286849 0.97845744 coef.var 0.2999881 0.46740771 0.30412851 skewness 0.6106550 0.72602366 0.42314646 skew.2SE 0.7366922 0.87587259 0.51048252 kurtosis -0.3727660 -0.13555112 -0.02271075 kurt.2SE -0.2302812 -0.08373853 -
6、0.01402987 normtest.W 0.9475647 0.93341934 0.94325772 normtest.p 0.1228814 0.04880824 0.09265499 另外，也可以使用psych 包中的describe()函数，和 Hmisc 包中的describe()函数计算描述统计量，两个函数同名以最近加载的包为准，也可以限定一下，例如：Hmisc:describe() 二、分组描述统计1.函数aggregate()vars- c(mpg, hp, wt) aggregate(mtcarsvars, by=list(am=mtcars$am), mean) am
7、mpg hpwt 1 0 17.14737 160.2632 3.768895 2 1 24.39231 126.8462 2.411000 aggregate(mtcarsvars, by=list(am=mtcars$am), sd) am mpg hpwt 1 0 3.833966 53.90820 0.7774001 2 1 6.166504 84.06232 0.6169816 注： 可以使用多个分组变量， 但只支持 mean, sd等单返回值函数。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - -
8、- - - - - 第 2 页，共 4 页 - - - - - - - - - 2. doBy 包中的函数summaryBy()summaryBy(formula, data=dataframe, FUN=function) 其中， formula 接受如下格式的公式：var1+ +varNgroupvar1+groupvar2+用隔开要分析的变量和分组变量。library(doBy) myfun-function(x)(c(mean=mean(x), sd=sd(x) summaryBy(mpg + hp + wt am, data = mtcars, FUN=myfun) #FUN= 可以
9、是自定义的多返回值的函数ammpg.mean mpg.sd hp.mean hp.sd wt.mean wt.sd 1 0 17.14737 3.833966 160.2632 53.90820 3.768895 0.7774001 2 1 24.39231 6.166504 126.8462 84.06232 2.411000 0.6169816 3. psych包中的函数describeBy()library(psych)describeBy(mtcarsvars, mtcars$am)$0 vars n mean sd median trimmed mad min max range s
10、kew mpg 1 19 17.15 3.83 17.30 17.12 3.11 10.40 24.40 14.00 0.01 hp 2 19 160.26 53.91 175.00 161.06 77.10 62.00 245.00 183.00 -0.01 wt 3 19 3.77 0.78 3.52 3.75 0.45 2.46 5.42 2.96 0.98 kurtosis se mpg -0.80 0.88 hp -1.21 12.37 wt 0.14 0.18 $1 vars n mean sd median trimmed mad min max range skew mpg 1
11、 13 24.39 6.17 22.80 24.38 6.67 15.00 33.90 18.90 0.05 hp 2 13 126.85 84.06 109.00 114.73 63.75 52.00 335.00 283.00 1.36 wt 3 13 2.41 0.62 2.32 2.39 0.68 1.51 3.57 2.06 0.21 kurtosis se mpg -1.46 1.71 hp 0.56 23.31 wt -1.17 0.17 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - -
12、 - - - 第 3 页，共 4 页 - - - - - - - - - 4. reshape包，揉数据透视表library(reshape) myfun-function(x) (c(n=length(x), mean=mean(x), sd=sd(x) dfm-melt(mtcars, measure.vars = c(mpg, hp, wt), id.vars = c(am, cyl) cast(dfm, am + cyl + variable ., myfun) amcyl variable n mean sd 1 0 4 mpg 3 22.900000 1.4525839 2 0 4
13、 hp 3 84.666667 19.6553640 3 0 4 wt 3 2.935000 0.4075230 4 0 6 mpg 4 19.125000 1.6317169 5 0 6 hp 4 115.250000 9.1787799 6 0 6 wt 4 3.388750 0.1162164 7 0 8 mpg 12 15.050000 2.7743959 8 0 8 hp 12 194.166667 33.3598379 9 0 8 wt 12 4.104083 0.7683069 10 1 4 mpg 8 28.075000 4.4838599 11 1 4 hp 8 81.875
14、000 22.6554156 12 1 4 wt 8 2.042250 0.4093485 13 1 6 mpg 3 20.566667 0.7505553 14 1 6 hp 3 131.666667 37.5277675 15 1 6 wt 3 2.755000 0.1281601 16 1 8 mpg 2 15.400000 0.5656854 17 1 8 hp 2 299.500000 50.2045815 18 1 8 wt 2 3.370000 0.2828427 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 4 页 - - - - - - - - -