【R语言实战】Ch7基本统计方法

7.1描述性统计分析

7.1.1方法云集

1、基础安装：summary()函数可获取描述性统计量

#7-1 summary()函数
> vars <- c("mpg", "hp", "wt")
> head(mtcars[vars])
                   mpg  hp    wt
Mazda RX4         21.0 110 2.620
Mazda RX4 Wag     21.0 110 2.875
Datsun 710        22.8  93 2.320
Hornet 4 Drive    21.4 110 3.215
Hornet Sportabout 18.7 175 3.440
Valiant           18.1 105 3.460

> summary(mtcars[vars])
      mpg              hp              wt       
 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.:3.610  
 Max.   :33.90   Max.   :335.0   Max.   :5.424  

2、自定义函数，并用sapply将自定义函数应用到每列上

 #7-2利用sapply()计算，自行添加偏度峰度计算函数
> mystats <- function(x, na.omit=FALSE){
   
+   if (na.omit)
+     x <- x[!is.na(x)]
+   m <- mean(x)
+   n <- length(x)
+   s <- sd(x)
+   skew <- sum((x-m)^3/s^3)/n
+   kurt <- sum((x-m)^4/s^4)/n - 3
+   return(c(n=n, mean=m, stdev=s, skew=skew, kurtosis=kurt))
+ }
> sapply(mtcars[vars], mystats)
               mpg          hp          wt
n        32.000000  32.0000000 32.00000000
mean     20.090625 146.6875000  3.21725000
stdev     6.026948  68.5628685  0.97845744
skew      0.610655   0.7260237  0.42314646
kurtosis -0.372766  -0.1355511 -0.02271075

3、扩展
利用Hmisc、pastecs、psych包中的describe函数等也可以进行类似的描述性计算

7.1.2分组计算描述性统计量

1、使用aggregate()分组

#7-6aggregate()函数分组
> aggregate(mtcars[vars], by=list(am=mtcars$am), mean)
  am      mpg       hp       wt
1  0 17.14737 160.2632 3.768895
2  1 24.39231 126.8462 2.411000
> aggregate(mtcars[vars], by=list(am=mtcars$am), sd)
  am      mpg       hp        wt
1  0 3.833966 53.90820 0.7774001
2  1 6.166504 84.06232 0.6169816

注：
aggregate()函数只能在调用的时候使用mean、sd这样的单返回值函数。若需返回多个统计量，可以使用by（）函数

7.2频数表和列联表

示例使用数据：

> library(vcd)
> head(Arthritis)
  ID Treatment  Sex Age Improved
1 57   Treated Male  27     Some
2 46   Treated Male  29     None
3 77   Treated Male  30     None
4 17   Treated Male  32   Marked
5 36   Treated Male  46   Marked
6 23   Treated Male  58   Marked

7.2.1生成频数表

1、一维列联表

使用函数table()可生成简单频数表

#一维列联表
> options(digits = 3)
> mytable <- with(Arthritis, table(Improved))
> mytable
Improved
  None   Some Marked 
    42     14     28 

#转化为比例值
> prop.table(mytable)
Improved
  None   Some Marked 
 0.500  0.167  0.333 

#转化为百分比
> prop.table(mytable)*100
Improved
  None   Some Marked 
  50.0   16.7   33.3 

2、二维列联表

方法一：table()函数

mytable <- table(A, B)

其中，A是行变量，B是列变量

方法二：xtabs()函数

mytable <- xtabs(~ A + B, data=mydata)

其中，mydata是一个矩阵或数据框。
需要进行交叉分类的变量为B，在右侧
频数向量为A，在左侧

#二维列联表
> mytable <- xtabs(~ Treatment+Improved, data = Arthritis)
> #以Treatment为频数向量，以Improved为进行交叉分类的变量
> mytable
         Improved
Treatment None Some Marked
  Placebo   29    7      7
  Treated   13    7     21

#生成边际频数和比例，下标指代是第几个变量
#计算行和与行比例
> margin.table(mytable, 1)
Treatment
Placebo Treated 
     43      41 
> prop.table(mytable, 1)
         Improved
Treatment  None  Some Marked
  Placebo 0.674 0.163  0.163
  Treated 0.317 0.171  0.512

#计算列和与列比例
> margin.table(mytable, 2)
Improved
  None   Some Marked 
    42     14     28 
> prop.table(mytable, 2)
         Improved
Treatment None Some Marked
  Placebo 0.69 0.50   0.25
  Treated 0.31 0.50   0.75

#计算各单元格所占比例
> prop.table(mytable)
         Improved
Treatment   None   Some Marked
  Placebo 0.3452 0.0833 0.0833
  Treated 0.1548 0.0833 0.2500

使用addmargins()函数为表格添加边际和

#添加边际和
> addmargins(mytable) #默认为表中的所有变量添加边际和
         Improved
Treatment None Some Marked Sum
  Placebo   29    7      7