R语言——数值型变量的描述性统计分析

获取变量的分组统计量
函数	来源包	功能描述
		能否获对多个变量进行分组描述	能否设置多个分类变量	能否获取指定统计量
aggregate()	stats	能	能	能
tapply()	base	否	否	能
summ()	epiDisplay	否	否	否
describeBy()	psych	能	否	否
group_by()和summarise()	dplyr	能	能	能

####--------数值型变量的描述性统计分析-------------

###一、加载数据集

data(birthwt,package = "MASS")

###二、处理数据集

str(birthwt)#查看数据框结构

library(dplyr)

birthwt<-birthwt%>%#将分类变量转换为因子

  mutate(low=factor(low,labels = c("no","yes")),

                          race=factor(race,labels = c("white","black","other")),

                          smoke=factor(smoke,labels = c("no","yes")),

                          ht=factor(ht,labels = c("no","yes")),

                          ui=factor(ui,labels = c("no","yes")))

str(birthwt)#查看转换后数据框结构

###三、对变量进行统计描述

#先计算这3个变量的描述性统计量，然后按照母亲吸烟情况（smoke）分组考查描述性统计量

cont.vars<-dplyr::select(birthwt,age,lwt,bwt)

##（一）获取变量基本统计量（未分组）

#1、汇总统计（有多个固定的统计量）

#函数summary()   #Min、 1st Qu、Median、Mean、3rd Qu、Max，没有sd

summary(cont.vars)

#函数summ()      #Min、Max、mean、median、sd

library(epiDisplay)

summ(cont.vars)

#2、选择指定统计量

#单个变量

length(cont.vars$age)#样本量

mean(cont.vars$age)#均值

sd(cont.vars$age)#标准差

#多个变量

#函数sapply

sapply(cont.vars,sd)

#函数describe

library(psych)

describe(cont.vars)#包含峰度和偏度

##（二）获取变量的分组统计量

#1、函数aggregate()：第一个参数可以是数据集也可以是变量，

#                    可指定统计量

#设置一个分类变量

aggregate(cont.vars,by=list(smoke=birthwt$smoke),mean)

aggregate(cont.vars$bwt,by=list(smoke=birthwt$smoke),mean)

aggregate(cont.vars,by=list(smoke=birthwt$smoke),sd)

aggregate(cont.vars$bwt,by=list(smoke=birthwt$smoke),sd)

#设置多个分类变量

aggregate(cont.vars,by=list(smoke=birthwt$smoke,

                            race=birthwt$race),mean)

#2、函数tapply():第一个参数必须是一个变量；

#                可指定统计量

tapply(cont.vars$bwt, INDEX=birthwt$smoke, mean)

tapply(cont.vars$bwt, INDEX=birthwt$smoke, mean)

tapply(cont.vars, INDEX=birthwt$smoke, mean)#显示错误

#3、函数summ()：第一个参数必须是一个变量；

#               函数里的统计量是固定的

library(epiDisplay)

summ(cont.vars$bwt,by=birthwt$smoke)

summ(cont.vars,by=birthwt$smoke)#显示错误

#4、函数describeBy():第一个参数可以是数据集也可以是变量；

#                    函数里的统计量是固定的

#                    与函数describe()相同统计量（峰度和偏度

library(psych)

describeBy(cont.vars,birthwt$smoke)

describeBy(cont.vars$bwt,birthwt$smoke)

#5、函数group_by()和summarise():可指定统计量

library(dplyr)

birthwt%>%

  group_by(smoke)%>%

  summarise(mean.bwt=mean(bwt),sd.bwt=sd(bwt))

birthwt%>%

  group_by(smoke,race)%>%

  summarise(mean.bwt=mean(bwt),sd.bwt=sd(bwt))

正态性检验：

install.packages("RVAideMemoire")

library(RVAideMemoire)

byf.shapiro(bwt~smoke,data = birthwt)